提高图像轮廓清晰度的快速插值放大方法

分析了当前主要的高清晰度图像插值放大方法,为实现快速放大而选择了基于图像轮廓插值改善清晰度的技术路线,并在已有算法的基础上开展了进一步的研究.提出了新的图像轮廓线光顺数值算法,对轮廓线划分的两类子区域提出了精度更高的插值算法.最后,以典型平面图形的图像和由3DMax生成的三维渲染图像为例对本文方法进行检验,与双线性插值结果的对比说明,该方法可以明显改善插值放大效果.     

气动系数插值在捕获轨迹试验中的应用

本文叙述气动系数插值在捕获轨迹试验中的交叉核对和轨迹计算中的应用。对外挂物在某一个新的位置上的某些量的误差进行核对,看其是否在允许的范围之内,称为“交叉核对”。交叉核对分为两种,一种是对位置本身的核对,另一种是对气动系数的核对。在轨迹计算的每一个步长中应用气动系数插值,可以使计算更加精细,轨迹更加光滑。本文对气动系数插值作了一些改进的尝试,提出将气动系数对时间的插值改为气动系数对线位移的插值,这仅是初步的尝试,有待进一步探索。     

试验数据处理中插值问题的解决方法

本文结合试验数据处理实际需要，论述了数据处理过程中插值问题的解决方法，即样条插值法。文中给出了相应的最佳转换公式，并结合试验分析了样条插值所带来的误差，证明完全满足试验要求。     

惯组中光纤陀螺温度漂移的二维插值建模研究

光纤陀螺对温度较为敏感,输出受温度及温度变化率影响严重,在实际工作中需要对温度漂移误差进行建模补偿。传统多项式拟合方法如最小二乘法,无法很好地满足精度要求。因此,首先对光纤陀螺工作原理与温度漂移误差产生原理进行分析,得出光纤陀螺温度漂移误差特性。利用传统多项式模型对不同温度下启动的光纤陀螺进行建模补偿,得到补偿后的精度并不理想。利用新的二维插值模型对上述试验重新进行建模补偿,结果表明二维插值模型明显优于多项式模型,光纤陀螺的零偏稳定性由补偿前的0.0153(°)/h提高到0.0051(°)/h,有利于工程上应用。     

一类二维样条插值函数的最佳误差估计

本文主要结果为下述定理。 定理:设x(uw)是矩形域上关于该矩形上均匀分割的二维双三次样条插值函数,且x(uw)满足条件(5),则x(uw)在矩形域R边界上的节点处的四阶混合偏导数有估计式: |S_(i,0)|≦|A[i,n—1]||ε_(n,0)| |B[i,n—2]||ε_(0,0)|=[0,-4,(-1)~2 4,…(-1)~i 4]/[0,-4,(-1)~2…(-1)~n 4]|ε_(n,0)| sum from h=i to n-2 (-1)~(k(k-2)-(i 1)(i-2))[0,-4,(-j)~2 4…(-1)~i 4]/[0,-4,(-1)~2 4,…(-1)~(k 1) 4][0,-4,(-1)~2 4,…,(-1)~(k 2)4] (-1)~(i(i 1)/2)/[0,-4,(-1)~2 4,…(-1)~n 4]|ε_(0,0)|其中等号成立的条件分别为: A[i,n—1] B[i,n—2] ε_(n0),ε_(00)>0 A[i,n—1] B[i,n—2] ε_(nm),ε_(0m)>0 其中 i=1,2,…,n—1. j=1,2 …,m—1.     

一类逆风ENO线方法的构造及其对Euler方程的应用

本文利用ENO(essentially-non-oscillatory)插值思想,对非线性双曲型守恒律=0提出了一类逆风ENO线方法,使用这种格式其计算量比C.Shu在文[6]中提出的通量分裂方法明显减少,进而同Runge-kutta时间离散相结合,提出了时空高精度差分格式。本文还把这类方法推广到方程组并用于计算Euler方程组的黎曼问题和拟一维喷管问题,得到了比较满意的数值结果。     

基于数字滤波的B-样条插值法在图像旋转中的应用

提出一种基于无限脉冲响应和有限脉冲响应数字滤波技术的快速 B-样条插值法 ,并将其应用于实时图像旋转处理中。为了优化旋转后的图像质量 ,本文采用 3次 B-样条对图像旋转后的像素点灰度值进行插值运算。另外 ,通过对传统图像旋转矩阵的分解 ,将图像在二维空间中的旋转运算分解成为三步在一维空间内平移运算 ,使插值运算在一维空间中完成 ,从而简化了图像旋转数据处理中的插值运算。最后 ,还提出了一种以硬件方法完成高阶图像插值运算实现图像旋转的新方法 ,并针对 2 5 6灰度级 ,2 5 6× 2 5 6像素的图像 ,设计出一个以 FPGA为核心的实时、高质量的硬件图像旋转系统。     

基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.     

基于Elman的荧光油膜厚度近效测量

为解决荧光油膜灰度与厚度现标定方法（微小高度装置法）存在采集工况复杂、标定周期较长等缺陷，提出了一种新的近效测量方法，该方法只需极少量标定数据，便可达到与现标定方法相近的效果。近效方法利用了Elman动态神经网络对小样本数据进行量程扩展并引入一维插值算法使扩展后的数据项平滑，对解算出的三维荧光油膜厚度数据采用二维插值算法进行二次平滑以求得完整的厚度分布图。经模拟试验结果显示，通过该近效方法进行厚度测量最终可以清晰、准确、定量地显示荧光油膜厚度分布，与目前广泛使用的微小高度装置法相比效果相近，在荧光油膜汇集处（较厚区域）误差最大不超过±2.5μm，在平滑适中及较薄区域误差不超过±2μm，达到荧光油膜厚度工程测量标准，为飞行器全局摩阻测量提供了一种新标定思路，具有一定的实际工程应用意义。     

抗离群值的鲁棒正则化贯序超限学习机

针对离群值环境下的在线学习问题,提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine,RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习,并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性;同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明,RR-OSELM具有较同类算法更好的鲁棒性和实用性,对于离群值环境下的在线建模与预测问题是积极有效的。