A general non-local denoising model using multi-kernel-induced measures

Noises are inevitably introduced in digital image acquisition processes, and thus image denoising is still a hot research problem. Different from local methods operating on local regions of images, the non-local methods utilize non-local information (even the whole image) to accomplish image denoising. Due to their superior performance, the non-local methods have recently drawn more and more attention in the image denoising community. However, these methods generally do not work well in handling complicated noises with different levels and types. Inspired by the fact in machine learning field that multi-kernel methods are more robust and effective in tackling complex problems than single-kernel ones, we establish a general non-local denoising model based on multi-kernel-induced measures (GNLMKIM for short), which provides us a platform to analyze some existing and design new filters. With the help of GNLMKIM, we reinterpret two well-known non-local filters in the united view and extend them to their novel multi-kernel counterparts. The comprehensive experiments indicate that these novel filters achieve encouraging denoising results in both visual effect and PSNR index.     

Centroid index: Cluster level similarity measure

In clustering algorithm, one of the main challenges is to solve the global allocation of the clusters instead of just local tuning of the partition borders. Despite this, all external cluster validity indexes calculate only point-level differences of two partitions without any direct information about how similar their cluster-level structures are. In this paper, we introduce a cluster level index called centroid index. The measure is intuitive, simple to implement, fast to compute and applicable in case of model mismatch as well. To a certain extent, we expect it to generalize other clustering models beyond the centroid-based k-means as well.     

双质体振动机的应用——浅谈解决橡胶后处理装置地基振动的方法

以降低合成橡胶生产厂后处理装置各种振动机造成的地基振动为目的,对双质体振动机的隔振效能进行了定量分析。通过生产实践,总结了单质体振动机、非平衡型双质体振动机和对称平衡型双质体振动机的优缺点,给出了后者的设计计算数据。经综合分析和生产考核,认为采用对称平衡型双质体振动机是降低地基振、降低噪音、延长振动机的运转周期和使用寿命的最佳方法。     

基于循环检测的气动退化图像混合域去噪算法

气动退化图像中存在先验信息未知以及噪声成分复杂不易进行滤波处理的问题,为此,提出一种气动退化图像混合域去噪算法。设计针对高斯噪声、泊松噪声、固定值脉冲噪声和随机值脉冲噪声的混合检测方法,使用改进的滤波方法在空域去除固定值脉冲噪声和随机值脉冲噪声,进行非下采样轮廓波变换多层分解,在变换域使用阈值方法去除高斯噪声和泊松噪声。进行噪声循环检测,设定迭代停止条件控制算法循环从而实现算法自适应。仿真实验结果表明,该算法的噪声检测性能和滤波性能较好,图像细节信息得到正确恢复。同时,算法复杂度较低,实时性较好,可满足气动退化图像去噪处理的需要。     

面向图像局部重建的梯度分析

在基于场方向导数的图像局部区域重建过程中,梯度计算对图像边缘的重建效果有很大影响。分析选择单向计算梯度分量的必要性,提出梯度计算的就近原则,对参与梯度分量单向计算的相邻点设置优先级,将缺损点与已知点之间的边缘特征反映在已知点的梯度中,进而影响重建过程,从而实现对图像中边缘特征的重建。实验结果表明,采用该梯度计算模式能有效改善对图像边缘特征的重建效果。     

基于颜色矩的图像检索算法研究

为克服基于文字的图像检索技术对大型图像数据库实施困难、描述不完整等弊端,对RGB颜色矩和Munsell颜色矩进行研究,RGB颜色矩只适用于简单图像,Munsell颜色矩无法判断图片具体信息。为此,采用信息融合技术进行检索判断层的融合,选择多颜色空间融合颜色矩,在分析传统融合算法基础上,提出一种改进融合算法NewcombMNZ。实验结果表明,该算法能提高检索精准度和排序值,对噪声具有良好的鲁棒性,且能减少检索性能较差的特征对融合结果的影响,适用于特征数量较少的情况。     

液氯离心泵的气蚀与防治

分析了影响液氯离心泵气蚀的两种参数：允许吸上真空度、气蚀余量。提出了泵气蚀的防治措施：提高离心泵基础设计质量，在实际使用中应采用高分子聚合材料涂覆，并进行补焊、补气。     

视觉传感网中基于二次规划的图像压缩感知

为降低视觉传感网络中图像压缩感知算法的计算复杂度,提出一种基于二次规划的网络图像恢复算法。该算法将压缩感知重构中的欠定线性方程组求解问题,转化为有界约束二次规划问题,在此基础上结合阿米霍步长准则,设计一种压缩感知图像恢复算法,通过求解二次规划问题对网络图像数据进行恢复。理论分析和仿真结果表明,与传统图像压缩感知算法相比,该算法可减少约1/3的图像数据恢复运算时间,且图像重构质量提高3 dB~6 dB,有效提高了视觉传感器网络图像恢复算法的实时性。     

基于不可分小波分解的图像配准方法

张量积小波强调的是图像中水平和垂直方向的高频信息,而不可分小波具有各向同性,可以提取图像中各个方向的边缘,能获得比较完整的图像轮廓,将这种特点应用于图像配准时,能准确定位图像仿射不变点的位置。为此,提出一种通过求取不可分小波分解后的高频子图像配准参数来配准原图像的方法,把图像的配准问题转化为其不可分小波分解后的高频子图像配准问题。从不可分小波分解的快速算法理论出发,证明该配准方法的正确性。构造一组四通道不可分小波滤波器组,在此基础上给出配准的方法和步骤。实验结果表明,该方法具有较好的配准效果,其求取图像配准参数的运算量比直接求取原图像配准参数运算量的1/4还少,与基于张量积小波分解的图像配准方法相比,具有较高的配准精度。     

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。