空间目标图像的非凸稀疏正则化波后复原

现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术,效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点,提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数值计算过程中,根据交替方向乘数法将复原模型分解为两个子问题,对凸优化子问题采用快速傅里叶变换求解,对非凸优化子问题采用固定点迭代方法求解。文中设计了非凸稀疏正则化空间目标图像波后复原的完整算法流程,并针对模拟图像和真实空间目标图像进行了对比验证。结果显示:相对于最近的流行算法,提出方法的最大峰值信噪比提高了2dB,最大平均结构相似度提高了0.17,最大信息熵提高了3.85,图像清晰度提高了2.65。     

Besov空间下迭代全变差正则化的图像恢复模型

在Besov空间下,提出了一种用于图像恢复领域的迭代全变差正则化模型。通过使用一个加权的参数序列,给出了一个迭代正则化的变分问题,这个变分问题实际上是一个小波软硬阈值结合的迭代程序。给出了新模型的停止标准和一些好的性质,如单调性和收敛性等。数值实验表明与传统去噪方法相比,新方法不仅能较好地恢复图像,而且收敛速度较快。     

基于近红外体散射数据的气溶胶尺度谱正则化反演方法

基于0.86 um 波段气溶胶的体散射数据,提出了一种新的尺度谱反演方法。根据大气气溶胶尺度谱特征,将尺度谱函数n(r)分解为趋势变化函数H(r)和细节变化函数(r),并构造了一组新的基函数对(r) 进行参数化逼近,然后严格照Mie 散射理论,采用Tikhonov 正则化对尺度谱函数进行了反演。采用城市型、乡村型和海洋型气溶胶的尺度谱实测数据进行反演仿真,结果表明,在粒径0.2~10 um 区间、噪声不大于50%的条件下,实际与反演的尺度谱曲线相关系数高于0.98,表现出良好的抗噪声能力;针对小尺寸段(r0.2 um)反演结果的不稳定性,提出了小尺寸段的荣格分布修正法与细模态参数补偿法,模拟结果表明,两种方法对尺度谱修正效果较理想,在0.1~10 um 区间,实际与反演尺度谱曲线相关系数大于0.97。与基于遗传算法的尺度谱反演方法相比,该方法效率高,耗时短,且对尺度谱函数细节变化特征反演较好。     

基于BP神经网络的旋风分离器分割粒径模化与预测

为精确建立分割粒径与旋风分离器结构参数和操作参数之间的复杂映射关系,发展了基于数据驱动的BP神经网络（BPNN）的分割粒径模型。使用全局量纲分析,提出环形空间雷诺数、表征旋风分离器本体尺寸影响的量纲为1数和排气芯管插入深度尺寸比作为网络输入参数,表征空气动力等效分割粒径大小的量纲为1尺寸作为网络输出参数,分别确定了训练算法和隐含层神经元个数对BPNN分割粒径模型预测精度的影响。结果表明：贝叶斯正则化算法优于L-M算法和拟牛顿算法,并在隐含层神经元个数为7时达到最优预测性能。与理论模型、半经验模型和多元回归模型进行比较,结果表明,贝叶斯正则化BPNN分割粒径模型展现出了较好的预测能力和泛化性能,模型预测的均方误差为0.136、决定系数为0.975。     

基于贝叶斯正则化神经网络虚拟企业敏捷性评价

高敏捷性是虚拟企业适应不断变化的市场必备的素质,如何对它进行准确评价是虚拟企业运行中的重要问题,针对此问题先对虚拟企业及其盟员敏捷性之间的关系分析,然后提出在已知虚拟企业盟员敏捷性的基础上用贝叶斯正则化神经网络来计算虚拟企业的敏捷性,最后通过仿真试验测试了该方法的可行性。实验结果证明与非正则化神经网络相比,贝叶斯正则化神经网络的泛化能力强,评价数据结果稳定。该方法可用于各种规模的虚拟企业评价。     

数字图像复原技术综述

数字图像复原的目的是将所观测到的退化图像恢复到退化前的原始图像,该恢复过程在很多图像处理应用中至关重要。近年来,图像复原技术虽已得到广泛研究,但仍有值得改进之处。为了使该领域的研究人员对当前各种图像复原方法有较全面的了解,在众多技术文献中选取了具有典型性的95篇来对各种图像复原方法进行分类综述。首先通过对复原技术问题的描述,揭示了复原技术的数学背景;其次以数字图像复原技术发展为主线,将复原方法归结为两大类进行详细讨论。一类是经典图像复原方法,另一类是现代图像复原方法。前者反应复原技术背景与发展过程,后者体现复原技术的发展趋势与面临的困难。最后,在总结全文的基础上,指出在今后进一步研究中值得关注的7项问题。     

碳纤维/环氧树脂复合材料动态拉伸试验研究与损伤分析

利用MTS试验机和分离式Hopkinson拉杆对2种碳纤维/环氧树脂(T300/epoxy)层合板试件[(45/-45)₄]_S和[(0/45/90/-45)₂]_S进行了准静态(应变率10-5~10-4 s-1)、中速(应变率10-1~101 s-1)和高速(应变率102~104 s-1)冲击拉伸试验。在热力学框架内建立了基于损伤能释放率的弹塑性动力损伤本构模型,用该损伤模型来分析试件的动态拉伸失效过程。模型中提出了3种基本损伤机制(纤维断裂、基体开裂及面内剪切)的演化规律,通过对损伤阈值黏性归一化的方法考虑了应变率对损伤演化的影响。编写了该模型有限元用户材料子程序,并模拟了拉伸试验过程,计算结果表明该模型能够较好地模拟碳纤维/环氧树脂层合板动态拉伸失效过程。     

TV正则化的双迭代RL湍流退化图像复原算法

RL算法是湍流退化图像复原的一类重要算法,但在迭代过程中存在噪声放大或过度平滑问题.围绕湍流退化图像复原问题对RL（Richardson-Lucy）算法及其改进方法进行研究：建立了一种短曝光成像探测湍流退化模型,并给出该模型中随机相位屏的数值模拟方法;推导了RL算法的基本原理和计算公式;为更好地从湍流退化图像中恢复目标,提出了TV正则化双迭代RL图像复原算法.改进算法引入总体变分约束,并对目标图像和点扩展函数采用内外循环双重迭代,充分利用了目标图像和点扩展函数的内在联系.仿真实验表明,算法能有效地保持了图像的细节信息,复原效果明显优于传统RL算法.     

强干扰条件下机场道面细小裂缝自动识别算法

针对机场道面裂缝极其细小,而基于深度相机的裂缝检测技术面临道面表观结构复杂和平台剧烈震动的双重强干扰的难题,提出了结合L2正则化与动态阈值贪心策略的道面主轮廓建模算法,并基于此实现了机场道面毫米级细小裂缝的精确检测。首先,设计了基于L2正则化约束的道面主轮廓模型估计方法,解决了因表观结构复杂而导致的道面主轮廓过拟合问题;其次,提出基于动态阈值的改进贪心算法,通过迭代去除异常点的方式抑制检测平台震动带来的噪声干扰;最后,基于构建的道面主轮廓模型,提取并融合多方向的机场道面主轮廓,并利用裂缝的深度与形态信息实现裂缝提取。通过在真实机场道面数据集上的测试结果表明,该算法能够精确地完成道面主轮廓重建和细小裂缝识别,且识别性能优于多种现有经典的裂缝检测算法。     

一种改进的NAS-RIF红外图像盲复原算法

针对军事目标红外图像信噪比低、NAS-RIF算法复原模糊图像时敏感于噪声的缺陷,提出一种基于Contourlet多尺度变换去噪和图像细节规整化的改进NAS-RIF盲复原算法。首先,通过Contourlet变换对图像进行去噪预处理;然后,利用最优阈值分割技术提取目标的可靠支持域,并引入规整化方法,在代价函数中添加目标边缘保持约束项,保存图像细节特征;最后,利用共轭梯度(CG)算法优化代价函数,以保持算法的收敛速度。两组实验的结果表明,针对信噪比较低的气动红外退化图像,与原始NAS-RIF方法相比,本文提出的改进算法具有更好的复原效果,算法的收敛速度基本保持不变。