数字图像光照不均匀校正及Matlab实现

为了更好地进行光照不均匀图像校正,提出了一种在Matlab平台上实现基于概率的光照不均匀图像校正算法.实验结果分析表明,本文算法与经典算法相比,具有更强的抗噪能力,得到了更好的校正效果.     

煤粉灰分成渣特性对高炉喷吹煤粉性能的影响

通过FactSage热力学分析软件对喷吹煤粉灰组分的成渣特性进行预测,并且对直吹管内煤粉及喷枪堵塞物取样,进行微观分析,得出以下结论:1)高炉喷吹煤粉结渣特性皆由碱性物质引起,并且与成渣四元系CaO-Al2O3-Si O2-MgO中的CaO含量正相关;2)为保证成渣特性温度在1 650℃,CaO含量在CaO-Al2O3-SiO2-MgO成渣四元系中不超过10%;3)尽可能在保证烟煤、瘦煤等变质程度较低煤粉的粒度74μm的情况下,减少2μm的微粒颗粒含量。     

基于非局部自相似性和低秩矩阵逼近的补全算法

针对传统矩阵补全算法在图像重建方面的不足,提出了一种基于非局部自相似性和低秩矩阵逼近（NL-LRMA）的补全算法。首先,通过相似性度量找到图像中局部块所对应的非局部相似块,并将相应灰度信息进行向量化,从而构建出非局部相似块矩阵;然后,针对所得相似矩阵的低秩性,对其进行低秩补全操作（LRMA）;最后,对补全结果进行重新组合,以达到恢复原始图像的目的。在灰度图像以及RGB图像上进行重建实验,结果表明：在经典数据集上,NL-LRMA算法要比原LRMA算法在平均峰值信噪比（PSNR）上高出4~7 dB;同时,新算法在视觉效果与PSNR值方面也明显优于迭代重加权核范数（IRNN）、加权核范数（WNNM）、LRMA等传统算法。总之,所提算法对传统算法在自然图像重建方面的不足进行了有效弥补,从而为图像重建提供了一种行之有效的解决方案。     

A Two-Step Regularization Framework for Non-Local Means

As an effective patch-based denoising method, non-local means （NLM） method achieves favorable denoising performance over its local counterparts and has drawn wide attention in image processing community. The in, plementation of NLM can formally be decomposed into two sequential steps, i.e., computing the weights and using the weights to compute the weighted means. In the first step, the weights can be obtained by solving a regularized optimization. And in the second step, the means can be obtained by solving a weighted least squares problem. Motivated by such observations, we establish a two-step regularization framework for NLM in this paper. Meanwhile, using the fl-amework, we reinterpret several non-local filters in the unified view. Further, taking the framework as a design platform, we develop a novel non-local median filter for removing salt-pepper noise with encouraging experimental results.     

基于模糊集的数字图像脉冲噪声滤除

模糊集理论是基于人的认知特性的,以模糊集理论为基础的图像处理算法具有较强的智能性和鲁棒性.本文使用隶属度对像素的污染程度进行刻画,从而得到一个基于模糊集的数字图像脉冲噪声滤波算法.与现有的一些经典算法相比,本文算法的滤波效果更好.最后通过实验仿真表明了该算法的可行性和有效性.     

数字图像直方图均衡化的自适应校正研究

本文介绍了数字图像直方图均衡化的基本理论;通过定义冗余灰度级和冗余区间,提出了一个数字图像的自适应校正算法,该算法完全保留了直方图均衡化的自动化特点,有利于实现真正意义上的人工智能;并通过实验仿真,对这种算法的可行性进行了验证。     

逐级特征降维与智能寻优的辛烷值预测模型

<正>在催化裂化汽油精制过程中,降低硫含量保持辛烷值,对提高汽油的动力经济性有着重要意义。但这一过程中涉及的操作变量较多,难以调控。本文借助相关性分析,稀疏PCA和神经网络对操作变量进行逐级降维,建立辛烷值损失预测模型,并采用遗传算法进行决策寻优。训练数据集上调控与预测结果充分表明了所建模型的合理性。由汽油燃烧产生的汽车尾气严重污染了大气环境,这对汽油清洁化提出了越来越高的要求。汽油清洁化的重点是在尽最大可能保持汽油中辛烷值的基础上降低其硫、烯烃含量^[1]。由于含硫和高硫原油占绝大多数,为满足汽油质量标准必须对其催化裂化获得的汽油进行精制处理。辛烷值是表示汽车发动机燃料(汽油)的抗爆性能好坏的一项重要指标。     

一个具有附益性及保序性算子的形态学非局部拓展

近年，形态学非局部拓展工作在图像处理领域受到众多关注.而附益性算子是经典形态学的最基本形式，也是形态学分析方法最重要的变换工具.为此，一些研究者就形态学非局部拓展中如何保持算子的附益性开展工作.本文从理论及实例两个方面说明，相关拓展工作为保持算子的附益性而丢失了保序性的不足；进一步，通过设计非局部权值的获取过程，并结合现有工作，本文提出了一个新的形态学非局部拓展，并定理证明了所得算子同时具备附益性及保序性两个重要性质；人工合成图像及自然图像上的仿真实验也表明了本文所提算法的有效性.     

小波的文本图像区分及其在文献信息数字化中的应用

目前,OCR技术对文本图像区域自动区分的效果还不够精确,进而影响了OCR技术在文献信息数字化过程中的工作效率.针对这一局限,提出了一种基于小波的文本图像区分方法.方法首先对扫描区域进行小波分解,然后使用分解系数构建分解能量,最后依据分解能量大小对文本图像进行自动区分.结果表明,该方法对文本图像的区分效果较好,减少了在使用OCR技术进行文献信息数字化时的人为干预,有利于提高文献信息数字化过程的自动化水平.最后通过实验仿真验证了该方法的有效性.     

图像超分中双三次插值的非局部拓展

因具备强大的细节刻画能力,双三次插值已成为图像超分中的常用算法.由于其借助在空间距离上与当前像素距离最近的16个像素构造插值基函数,故双三次插值本质上属于一种局部算法.这也意味着该算法的插值过程尚不能有效利用图像周期性(非局部性),从而致使其细节保持能力仍存在进一步提升空间.针对这一问题,通过对原插值基函数施加非局部权重修正,在一个更大范围内选取更多像素对当前像素的灰度值进行估计,实现了经典双三次插值算法的非局部拓展.在灰度图像和彩色图像两个不同场景上进行超分实验,主观视觉效果和客观量化指标均表明所提算法的有效性.