用改进的Paik型Boltzmann机实现图像复原

为解决传统的Boltzmann机方法不仅容易陷入局部最小点,而且收敛速度慢问题,对传统的Boltzmann机进行了改进.将Paik′s算法与Boltzmann机结合,使串行模式推广到并行模式以加快收敛速度;使用亚单位步长增进技术增加计算精度;最后,为折中收敛速度与收敛精度这一对矛盾,采用了自适应步长策略.对算法的改进进行了理论验证、收敛性分析并对残差变化进行了讨论.实验表明,该方法能够收敛到全局最优, 复原结果的峰值信噪比比改进的Boltzmann机法获得的峰值信噪比高0.5～0.8 dB, 且收敛速度仅为该方法的1/3,证明了本文提出的改进的Paik型Boltzmann机对图像复原是有效的.     

改进免疫算法用于图像复原

为了更好地对图像进行超分辨率重建,对传统的正则化方法进行了改进,提出了更符合实际的新模型:加性广义高斯白噪声与各向异性正则化项.为求得新模型的最优解,引入免疫进化算法并做如下改进:引入记忆单元群,使算法并行地运行在两个抗体群上;提出一种疫苗的自适应选取及接种方法;将混沌算子作为防僵化算子嵌入.分析与实验表明, 基于新模型重建的图像不仅对噪声的类型与方差具有稳健性,而且重建图像的信噪比改善量(ISNR)比传统模型高1.5 dB左右, 同时提出的改进免疫进化算法能够更快收敛,所需步数仅是遗传算法的8%, 传统免疫算法的40%.结果表明,新模型与改进免疫算法组成的图像超分辨率复原系统具有稳定可靠的性能.     

改进的基于小波域隐Markov树模型的图像复原

针对传统的基于小波域隐Markov树模型的图像复原算法运算时间长以及对噪声敏感的问题,提出了一种快速并且鲁棒的复原算法.首先使用改进的ForWaRD算法,由混合线性时不变Wiener反卷积和平稳小波阈值收缩算法对退化图像进行预处理,将其结果作为模型参数训练和隐藏状态概率求取的样本.然后分别通过EM算法和Upward-Downward算法求得模型参数和隐藏状态概率.最终通过小波域的Bayesian方法完成复原.实验结果表明,该方法可大大提高复原算法的运算速度,提高算法鲁棒性,在退化图像被噪声干扰比较严重时,较传统算法具有更好的复原效果.     

一种改进遗传算法及其在图像复原中的应用

遗传算法的参数中交叉率和变异率的选择是影响遗传算法行为和性能的关键,直接影响算法的收敛性.论文提出了一种适用于实数编码的改进遗传算法,通过综合交叉和随机变异等手段,避免了人为确定交叉率和变异率,从而使算法更加稳健,在提高搜索效率的同时减少陷入局部最优的机会.研究了该方法在图像复原中的应用,并通过运动模糊图像复原的仿真实验,提供了图像复原的一种新思路.采用本方法恢复模糊图像,不必对点扩散函数作出精确的估计,仿真结果表明该算法能很好地恢复出已退化的图像,显示了改进遗传算法的优点,得到了一种图像复原的新方法.     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

一种基于小波域维纳滤波的图像复原算法

在图像复原算法中,单纯的空间域或者频域滤波算法简单易实现,但需要较多图像退化的先验知识。基于贝叶斯理论的迭代复原算法复原效果好,但耗时长。针对这一矛盾,利用小波变换的多分辨特性,对不同的小波系数特性采用不同的算法进行恢复,提出了一种基于小波域维纳滤波的图像复原算法。实验结果证明,所提方法在保证图像复原质量的同时相对提高了复原算法的效率,是一种有效的方法。     

基于刃边法的模糊图像复原

基于点扩散函数的模糊图像复原是数字图像处理领域的重要研究方向之一,其中点扩散函数的获取一直是研究的一个热点。现围绕散射引起的图像模糊开展研究,采用刃边法采集图像模糊核,以高斯函数为模型拟合出系统的点扩散函数,然后采用逆滤波完成图像复原。仿真实验表明,拟合出的点扩散函数较准确,图像复原效果良好。     

基于全连接神经网络的旋挖钻机缓冲平衡阀故障诊断

回转装置是旋挖钻机的主要结构之一,而缓冲平衡阀是回转装置的重要部件。针对缓冲平衡阀故障诊断中故障类型复杂多变、早期微弱故障特征难以提取等问题,提出了一种基于全连接神经网络的故障诊断方法。以VAA-B-SICN-PDRM-VF-150平衡阀为研究对象,针对平衡阀故障数据难以获取的问题,进行加速退化实验,获取故障数据;然后,根据阀的特性建立故障评价指标,结合全连接神经网络方法,建立了平衡阀故障诊断模型,并进行模型训练,验证故障诊断模型的准确性。结果表明,基于全连接神经网络的故障诊断模型能够快速、准确地检测出缓冲器平衡阀的故障,从而避免发生事故导致停工停产。     

基于Boltzmann方法的摩擦表面织构数值模拟

摩擦表面的表面织构具有改善摩擦副表面接触方式和润滑状态的作用。采用格子Boltzmann方法对表面织构进行数值模拟分析,采用D2Q9二维速度模型,非平衡外推边界处理格式,编写了模拟的计算程序,模拟出二维方槽、三角形槽及梯形槽织构表面的流动。针对上述流动,计算出雷诺数不同时的流线图,并分析了不同形状凹槽流动的变化,计算了不同形状、深度条件下阻力系数的变化并概括了影响规律。通过对表面阻力的比较发现:梯形凹槽是最优的表面织构;由方形槽的模拟可知,织构形状的深径比也存在最优值,从而证明了Boltzmann方法是模拟复杂流体运动的有效方法。     

反射型立体视觉系统的视差估计和图像复原

根据反射型立体视觉系统的成像特点,提出了一种基于倒谱分析的反射型立体视觉系统视差估计方法,并利用逆滤波原理对反射型立体视觉系统的重影图像进行复原,获得目标场景的清晰图像.反射型立体视觉系统是一种新型单目测距方式,可以实时获取目标场景的重影图像.首先,将图像分割为矩形观测区域小块;然后,对各观测区域块进行倒谱分析,并通过...     

基于神经网络的并联机床结构精度的研究

针对并联机床各运动副误差难以直接测量的问题，设计了基于神经网络的并联机床结构精度标定测试系统。利用神经网络建立并联机床误差补偿的数学模型，将非线性误差作线性处理，修正难以模型化因素造成的误差；模型化因素造成的误差由三坐标测量机修正。实验证明，误差的90％可由三坐标测量机修正，而残留误差的1／3～1／2可用神经网络修正。     

遗传算法和神经网络在铁谱图象识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对铁谱图象进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

基于意象尺度的数控机床造型风格意象认知研究

研究了数控机床的造型设计，以提升数控机床的造型品质。将语意差异法及意象尺度图的实验应用于数控机床造型风格意象认知研究，通过系列实验获取了描述数控机床造型的形容词对，并建立了数控机床造型风格的意象空间。研究开发了基于网络的计算机辅助工业设计系统，该系统规范了数控机床造型风格意象的描述，并辅助系统用户进行数控机床造型风格意象的认知，从而为国内的数控机床生产厂商提供了造型支持，进而为数控机床行业提供造型辅助。     

自适应背景光估计与非局部先验的水下图像复原

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时,背景光的估计易受白色物体干扰,且无法有效估计前景中白色物体透射率,复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点,利用阈值分割算法获得背景光的候选区域,再通过图像的色调信息从候选信息中选取最佳的背景光点。随后,利用各颜色通道光的波长与散射系数的相关性,提出了适用于水下图像的非局部先验,并利用该先验估计各通道的透射率。最后针对复原结果中,因水下介质,微生物,水流影响而产生的加性噪声,设计去噪的最小优化问题,并利用引导滤波求解该问题,以去除复原结果中的加性噪声。实验表明:该算法在确保运行效率的基础上,准确地估计透射率,较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。     

基于ANN和GA的机床结构优化设计

机床主轴是机床中的重要部件,其设计对机床性能影响很大。在对主轴设计的各项要求中,刚度和振动稳定性是主要考虑的指标,将其归纳在一个含区域和性能约束的主轴结构优化设计数学模型中。借助有限元软件可获得不同主轴尺寸下的各项性能指标,利用人工神经网络(ANN)实现主轴各项性能指标的近似分析,并采用遗传算法(GA)实现了性能指标为设计变量隐式表达下的机床主轴结构优化设计。     

基于神经网络技术的机械产品设计专家系统的研究

就神经网络技术与专家系统相结合的新型智能系统──混合型专家系统的设计方法及其在机械产品设计中的应用进行了研究。     

基于遗传算法的机床主轴动态特性优化设计

机床主轴的设计除了要考虑其强度和刚度外,尚须考虑其动态特性。机床主轴的动态特性设计可归结为特征值反问题的求解。本文研究了基于人工神经网络和遗传算法的机床主轴动态特性结构优化设计的求解方法,利用人工神经网络实现机床主轴动态特性的近似分析,借助遗传算法实现给定固有频率下的最小重量设计。计算结果表明了该方法的有效性。     

基于空间自适应和正则化技术的盲目图像复原

在原非负支撑域递归逆滤波（NAS-RIF）算法基础上,本文提出一种基于空间自适应和正则化技术的改进算法。在代价函数中,引入两项空间自适应的加权项,分别用来确保图像复原的逼真和平滑,自适应加权项需根据观察图像的局部特性和噪声方差求得。并加入正则化项,以达到抑制噪声的目的。本文提出了根据观察图像来估计噪声方差的方法,因而不需要知道噪声方差的先验条件。在求解中,采用共轭梯度算法来进行求解。对不同背景和不同信噪比的图像进行了仿真实验。结果表明：改进后的算法比原来的算法复原效果更好。     

基于机器学习的回流焊焊点形貌预测

提出一种基于机器学习预测回流焊焊点形貌的方法,通过该方法建立一个针对钽电容回流焊焊点形貌的预测模型,该模型为现有实验方式提供了新的思路。通过峰值温度、降温速率和焊膏厚度3种影响因素以及焊点厚度、焊点宽度和焊料爬高3种评价焊点形貌的评价标准,分别基于BPNN和LightGBM算法建立钽电容回流焊焊点形貌预测模型。对比实验证明,通过LightGBM算法建立的预测模型优于通过BPNN建立的预测模型,并通过实际测试帮助实验人员减少实验次数,节约大量时间成本。