基于粗集与FCM的快速图像分割的改进方法

借鉴神经网络里面竞争学习的思路,通过引入一个抑制因子,来提高最大隶属度的值,对应减小其它隶属度的值,以便达到更快的分类速度,同时实现既突出主要因素,又抑制次要因素的目的。提出了基于粗集与FCM的快速图像分割的改进方法。实验结果表明,该快速图像分割方法,对于被噪声污染的图像有较好的分割性能,粗集理论在处理不确定性信息方面有着独特的方式和相关信息提取能力,以及和其他智能方法的易融合性,使得粗糙集理论在图像处理领域有良好的应用前景。     

一种自适应改进曲率扩散超声图像滤波方法

针对图像尤其是医学超声图像的边缘模糊或者缺失对图像进一步处理带来的影响,同时由于传统改进曲率扩散方程无法自适应以及迭代时间长,本文提出了一种结合高斯滤波的参数自适应的改进曲率扩散方法,并且使用统计学中的绝对偏差中值自动调整梯度阈值参数。该方法能在保留改进曲率扩散方程去噪能力的同时有效地保留图像边缘细节信息,同时减少了滤波过程中的迭代次数,从时间复杂度的方面提高了方法的效率。另外,自适应梯度阈值的采用进一步提高了改进曲率扩散方程保留图像细节信息的能力。实验结果表明,结合高斯滤波的参数自适应改进曲率扩散方法继承了改进曲率扩散的优点,同时又减少了人工干预,提高了去噪效率。     

基于多尺度分析及图论归一化割的矿岩颗粒图像分割及应用

为了克服矿岩颗粒图像分割中的欠分割和过分割现象,基于矿岩颗粒图像的特性, 提出了一种结合多尺度分析与图论的矿岩颗粒图象分割算法。该算法首先利用图像多尺度变换缩小图像,以去噪和减少数据量,再利用改进的图论归一化割(Normalized Cut)算法来分割矿岩颗粒图像。对多种类型的矿岩颗粒图像进行了分割实验,并与阈值、分水岭,聚类分析及FCM等常用的分割方法进行了比较。实验结果证明:研究的算法对岩石颗粒图像具有优于其它分割算法的效果;新算法应用到了大型露天矿的爆堆中的岩石块度测量与分析, 效果令人满意。     

整车遥控距离测试方法的研究

目前关于整车的遥控测试尚无一个统一的方法,一些汽车厂大体只要求遥控距离,而对实际测试方法却没有明确,这就可能导致每次测试出来的结果不同。如果对测试方法做一个比较全面的分析,找出关键的测试因素,那么在实际测试过程中只要尽量去注意,我们就可以对一台整车的遥控性能做一个比较正确、全面的测试。     

小孔内表面在线检测装置设计

针对孔内壁表面上的砂眼、裂纹等疵病造成的精密零件安装调试困难问题,提出一种新型疵病检测系统。首先通过水平运动系统带动测头运动到待测小孔上方,测头固定不动,然后通过竖直运动系统带动测头并采用内窥镜的测量原理提取小孔内表面的图像,最后利用MATLAB进行图像处理。结果表明,此新型检测装置光学测头长为150mm,直径为14mm,能够实现内径为15~20mm,孔深100mm的细长孔内壁测量,并且能够标记孔内壁疵病的具体位置,测量准确且可操作性强。     

齿轮参数激光测量系统运动学分析与仿真

齿轮参数激光测量系统的运动平稳性和可靠性是保证测量精度的重要因素。为了了解该测量机构的运动特性,通过使用Solidworks软件对齿轮参数激光测量系统进行实体建模,采用D-H法对该测量系统各个运动关节建立了坐标系并进行了正运动学分析。利用MATLAB中Robotics Toolbox工具箱,对该测量机构建立了运动学模型并对其进行了运动学仿真,对运动关节进行了轨迹规划仿真。通过运动仿真结果,可以更加清楚地了解测量系统在测量过程中的运动过程,对轨迹规划的仿真验证了运动机构的可靠性和平稳性。     

基于偏振光检测的溶液浓度测量方法研究

为了克服旋转检偏片法测量旋光性溶液浓度存在的误差大、精度低等不足,提出了一种基于旋转波片的偏振光检测溶液浓度的测量方法。采用PIN光电二极管对带有溶液浓度信息的偏振光信号进行探测,经过光电变换后利用信号调理电路实现信号处理、采集等,并将数据通过串口传送到上位机,利用LabVIEW程序进行数据处理与显示。实验结果表明,基于旋转波片的偏振光检测溶液浓度的测量方法测量精度为0.6%。该测量方法能够减小测量误差、提高测量精度,并且用户界面友好、结果显示直观。     

多小波基的设计与地震图像并行融合实现

面向地震图像解释中的具体问题,开展图像融合算法研究,增强目标识别的准确性,提高对地震图像的解译能力.设计了一种具备对称性、短支撑性、二阶消失矩和正交性的高性能多小波基,提出了其并行融合算法实现.算法考虑了对配准误差的适应性问题,提高了图像空间频率.从实验结果来看,图像的整体和细节特征比单小波融合方法有较大的提高.通过将地震图像融合技术与并行程序设计相结合,在多核处理器下采用虚拟节点技术搭建多机并行图像融合平台.实验结果表明:针对多核系统的并行融合方法省去了并行处理的数据寻址时间,相比并行化前,算法执行时间随着节点数增加而减少,并且各并行操作更为规范、简洁,符合算法操作规则性强的实现特点.     

星图识别的一种扩充栅格算法

栅格算法作为一种鲁棒性好、识别率高的星图识别算法,要求星图中不少于6颗星才能进行正常的识别,限制了其在小视场或低星等敏感极限的星敏感器中的应用.针对这种情况,提出了星图识别的扩充栅格算法,该算法将扩充星图法与栅格算法结合,将视场进行有效地扩充,得到了更加丰富的星点信息,同时继承了栅格算法的优势,拥有比现有扩充星图法更强的噪声鲁棒性和更高的识别成功率.依据实际情况建立了仿真环境,并进行了大量实验,验证了算法的实时性和高识别率性能.结果表明:当应用于小视场星敏感器时,扩充栅格算法在位置噪声为1像素时的星图识别成功率大于97.4%,明显优于传统的扩充星图算法,同时其近邻星的识别成功率最高可达到86.7%,也明显优于传统栅格算法.扩充栅格算法更加适用于小视场或低星等敏感极限的星敏感器.