改进的基于二维直方图的最大模糊熵分割方法

针对基于一维直方图的传统模糊熵算法对噪声敏感的问题,提出了一种新的基于二维直方图的最大模糊熵图像分割算法。新算法根据中心像素与邻域均值之间的关系划出二维灰度直方图中的有效区域,并考虑了图像的空间信息,将二维灰度直方图中像素的邻域均值的隶属度与中心像素隶属度相结合,得出新的隶属度计算方法,然后通过最大化模糊熵函数来确定图像的最优分割阈值。通过对实际图像的分割实验,表明了本文算法具有良好的去噪和图像细节保持能力。     

基于Sobel算子的亚像素边缘检测方法

提出了一种基于Sobel算子的亚像素边缘检测方法。此种方法先由Sobel算子确定图像边缘的大致位置，然后用三次样条插值函数对灰度边缘图进行内插计算，使目标边缘定位达到亚像素级。对插值后的灰度边缘图，利用最大类间方差法确定阈值提取边缘。实验表明，该方法能精确定位目标边缘，优于传统的边缘检测方法。     

基于低密度粒子图像叠加的Micro-PIV速度场测量

提出了一种基于低密度粒子图像的微流体粒子图像全场测速技术.经过背景噪声去除、阈值过滤、图像增强等图像预处理过程,获得了高质量的低密度荧光示踪粒子图像.对100对图像进行图像叠加处理,得到了满足互相关算法求解二维速度场的高密度叠加粒子图像.针对宽度为250μm,深60μm的长直微通道开展了覆盖全场不同流体层平面的二维速度测量,并利用多个流体平面的二维速度场实现了微通道内全场速度的构建.研究结果表明:由于图像叠加法去除了像径大但灰度低的背景粒子图像,采用互相关分析能够准确获得分层二维速度场,所构建的全场速度场正确反映了长直微通道内流流场特征.     

瞬态浓度场的熵与混沌特征实验研究

为了探讨瞬态浓度场的熵特征及其是否具有混沌特征,利用基于数字图像处理技术和光学粒子散射理论的瞬态浓度场光学测量系统,获得了浓度场的二维时间和空间湍流信息,运用这些信息首次定量分析了瞬态浓度场的混沌特征,首次提出了浓度场信息熵理论及其非线性度量方法并进行了定量计算。运用实验数据时间序列计算了信息熵以及信息熵和浓度脉动时间序列的嵌入维数、关联维数、Kolmogorov熵和最大Lyapunov指数。结果表明,瞬态浓度场具有低维混沌特征,其脉动信息熵时间序列也是混沌的。     

基于最大熵的自动确定多阈值方法

针对图像多阈值分割中,人为给定而非自适应确定图像分类个数的缺点,结合一种基于最大熵的多阈值快速算法,同时考虑阈值及图像分类个数的影响,提出了自适应确定分类个数的判据。该算法不仅能够快速确定阈值,同时可以确定分割图像的分类个数。实验结果表明,该算法效果理想。     

基于图像处理的低速横流中液体射流轨迹提取方法研究

为研究低速横流条件下不同工况液体射流破碎的轨迹特征和影响因素，采用高速摄像仪拍摄射流破碎图像，结合图像处理技术提出针对低速横流情况下液体射流破碎弯曲轨迹的提取方法。该方法首先采用直方图均衡化对灰度化后的原始图像进行增强处理，然后利用最佳直方图熵法（KSW法）及传统遗传算法对图像进行二阈值分割，最后结合Sobel算子和凸包算法对射流轮廓进行检测提取以获得射流轨迹的数据点集。对不同工况下典型射流破碎模式的轨迹提取及非线性拟合结果表明，所提出的方法能够准确提取液体射流轨迹，实现低速横流作用下不同破碎模式的轨迹提取，并且通过非线性拟合得到的射流破碎经验公式可以准确预测射流弯曲轨迹。     

腔内混合态原子系统中辐射场的N次方压缩

应用熵最大原理，研究了腔内二能级混合态系统场振幅的高阶压缩效应，结果表明，在腔场的弱激发下，只有初始布居几率为纯态或紧靠纯度的状态下才可出现压缩，而偏离纯态较大的混合态则不存在压缩。     

基于混合维云模型定性推理的调距桨螺距控制

云模型是采用期望值Ex，熵En和超熵He来描述定性概念的一种数学方法，它将定性概念所具有的模糊性、随机性有机地结合在一起，是实现定量与定性相互转换的一种新途径。文中阐述了定性概念的一维和二维云模型数学描述，提出了基于混合维云模型的混合推理方法、复杂控制规则的简化方法，设计了一种新型的智能控制器——云控制器，并将其应用于调距桨螺距控制过程中。仿真结果表明，该控制器简易、直观、控制性能良好、鲁棒性强，较常规模糊控制具有更好的控制品质。     

图象最大熵复原及其快速算法

图象最大熵复原是一种正性约束条件下的非线性图象复原方法。Ｂｕｒｇ法用于图象最大熵复原，只提出了一维解的结果，而未发表其推导过程。本文采用泛函极值求解方法推导出类似的一维解，并在此基础上提出了具有实用价值的快速算法。     

一种六维力传感器的新型布片和解耦方法

提出一种新型的六维力传感器的应变片布片和解耦方案，利用简单的轮幅式结构，采用二向应力片的原理，构成直接输出型六维力传感器。采用该种吊法和组桥方式，很好地解决了六维力传感器弹性体结构设计和应变片布片、组桥之间的矛盾，具有结构简单，直接解耦，易于标定和低成本的优点     

Threshold Selection Method Based on Reciprocal Gray Entropy and Artificial Bee Colony Optimization

Since the logarithmic form of Shannon entropy has the drawback of undefined value at zero points,and most existing threshold selection methods only depend on the probability information,ignoring the within-class uniformity of gray level,a method of reciprocal gray entropy threshold selection is proposed based on two-dimensional（2-D）histogram region oblique division and artificial bee colony（ABC）optimization.Firstly,the definition of reciprocal gray entropy is introduced.Then on the basis of one-dimensional（1-D）method,2-D threshold selection criterion function based on reciprocal gray entropy with histogram oblique division is derived.To accelerate the progress of searching the optimal threshold,the recently proposed ABC optimization algorithm is adopted.The proposed method not only avoids the undefined value points in Shannon entropy,but also achieves high accuracy and anti-noise performance due to reasonable 2-D histogram region division and the consideration of within-class uniformity of gray level.A large number of experimental results show that,compared with the maximum Shannon entropy method with 2-D histogram oblique division and the reciprocal entropy method with 2-D histogram oblique division based on niche chaotic mutation particle swarm optimization（NCPSO）,the proposed method can achieve better segmentation results and can satisfy the requirement of real-time processing.     

基于极点与极性的车辆分割及阴影处理方法

视频交通参数检测中的车辆分割需要准确地检测与车辆连在一起的阴影和车灯产生的亮斑。一般地，路面与车辆的图像在灰度结构上存在显著差异。本文推导了图像在光照变化情况下的一种灰度结构——极点与极性分布图，并提出了一个基于该分布图的车辆阴影与亮斑检测算法。该算法能够精确地检测车辆阴影，车灯照射产生的路面亮斑和因其他原因被误为车辆的路面。该方法使用对光照变化不敏感的灰度结构，阴影检测准确而稳定，计算量小。     

Ground-Based Cloud Using Exponential Entropy/Exponential Gray Entropy and UPSO

Objective and accurate classification model or method of cloud image is a prerequisite for accurate weather monitoring and forecast. Thus safety of aircraft taking off and landing and air flight can be guaranteed. Thresholding is a kind of simple and effective method of cloud classification. It can realize automated ground-based cloud detection and cloudage observation. The existing segmentation methods based on fixed threshold and single threshold cannot achieve good segmentation effect. Thus it is difficult to obtain the accurate result of cloud detection and cloudage observation. In view of the above-mentioned problems, multi-thresholding methods of ground-based cloud based on exponential entropy/exponential gray entropy and uniform searching particle swarm optimization （UPSO） are proposed. Exponential entropy and exponential gray entropy make up for the defects of undefined value and zero value in Shannon entropy. In addition, exponential gray entropy reflects the relative uniformity of gray levels within the cloud cluster and background cluster. Cloud regions and background regions of different gray level ranges can be distinguished more precisely using the multi-thresholding strategy. In order to reduce computational complexity of original exhaustive algorithm for multi-threshold selection, the UPSO algorithm is adopted. It can find the optimal thresholds quickly and accurately. As a result, the real-time processing of segmentation of groundbased cloud image can be realized. The experimental results show that, in comparison with the existing groundbased cloud image segmentation methods and multi-thresholding method based on maximum Shannon entropy, the proposed methods can extract the boundary shape, textures and details feature of cloud more clearly. Therefore, the accuracies of cloudage detection and morphology classification for ground-based cloud are both improved.     

基于主动形状模型实现医学图像中的物体(脊柱)定位

主动形状模型(ASM)通过把物体的形状模型及其相应的局部灰度表象模型有机结合以实现图像中的物体定位。在传统ASM中．对物体形状的灰度变化(局部灰度表象)的建模建立在一维采样与搜索方法的基础之上，故其定位准确性低且速度慢。本提出了一种在物体形状每一特征点周围的矩形邻域中使用二维采样与搜索技术．从而改进物体形状的局部灰度表象模型的方法。针对医学图像中的物体定位问题．本比较了基于这种改进的ASM模型和传统ASM模型对同一医学图像集中的脊柱定位能力。实验表明．基于这种改进的ASM模型能快速有效地对医学图像中的脊柱(物体)进行更准确的定位。     

用最大熵谱法估计大气湍流谱

最大熵谱分析方法是一种非线性的新的谱分析方法。其基本原理可浅近地解释为:对一个所考虑的时间系列,它的前 m 个自相关系数已知,要求构造其后的自相关系数,但不损失系列的熵即不损失其信息。实际的处理过程是:用自回归方法在最小二乘原则下对系列作最佳拟合,然后求拟合系列的理论谱。最大熵谱法不要求对原始系列的滤波和对粗谱的平滑整理。本文从实际应用的角度,简述了该方法的过程,介绍了编程计算的方法和步骤,并结合实例计算了几组大气湍流谱。文章认为最大熵谱分析方法是一种值得推广应用的优秀的谱分析方法。     

基于线性模型最优预测的高光谱图像压缩

高光谱图像取得较高的光谱分辨率对于分类和识别很有益.但与此同时也带来了巨大的数据量,使其压缩成为必需.传统的预测方法能够在一定程度上去除谱带之间的相关性,但其预测系数不能利用高光谱图像谱带间的信息进行自适应的调整,使得预测效果不是最优.本文建立了高光谱图像谱带间的线性模型,推导出在信噪比最优下的预测.该方法能够更好地降低预测后图像的熵值.实验表明,相对于传统方法重建的平均信噪比提高了4.606 4 dB.     

Loading Localization by Small-Diameter Optical Fiber Sensors

Structural health monitoring(SHM)in service has attracted increasing attention for years.Load localization on a structure is studied hereby.Two algorithms,i.e.,support vector machine(SVM)method and back propagation neural network(BPNN)algorithm,are proposed to identify the loading positions individually.The feasibility of the suggested methods is evaluated through an experimental program on a carbon fiber reinforced plastic laminate.The experimental tests involve in application of four optical fiber-based sensors for strain measurement at discrete points.The sensors are specially designed fiber Bragg grating(FBG)in small diameter.The small-diameter FBG sensors are arrayed in 2-D on the laminate surface.The testing results indicate that the loading position could be detected by the proposed method.Using SVM method,the 2-D FBG sensors can approximate the loading location with maximum error less than 14 mm.However,the maximum localization error could be limited to about 1 mm by applying the BPNN algorithm.It is mainly because the convergence conditions(mean square error)can be set in advance,while SVM cannot.     

航测法提取动态三维深度信息

目前提取三维信息,重建三维图像的研究很多,本文叙述的是仅用一台摄像机利用航测法来提取动态三维信息的方法。假设物体不动,移动摄像机。在移动摄像机前后,即在摄像机移动的相邻两点,可以得到模型的像片对,通过此像片对来实现同名点交会,求得未知点的三维深度信息。为此,首先要进行绝对定向,计算像片元素和确定各个坐标系。然后实现不依赖像片角定向元素的同名点空间交会;或实现利用对应轴系上的坐标进行空间交会。在此基础上,笔者充分利用先验条件和专家知识来确定飞机模型上的同名点,初步得到了飞机模型的轮廓侧视图。     

双平行线阵中基于Euler变换传播算子的二维DOA估计算法

考虑双平行线阵中非圆信号二维波达方向 (Direction of arrival,DOA) 估计问题,提出了一种基于Euler变换传播算子（Propagator method,PM）的二维DOA 估计算法。该算法利用非圆信号的特性,扩展了接收数据矩阵,使得角度估计性能优于二维PM算法。同时采用Euler变换把非圆PM算法中的复数运算转换为实数运算,降低计算复杂度,角度估计性能逼近非圆PM算法。该算法可以实现二维角度的自动配对,与传统PM算法相比,可同时估计出更多的信源。该算法的优越性均可在文中得到验证。