基于灰度级分组的X光行李图像增强改进方法

针对低对比度X光手提行李图像在机场安检中容易产生高虚警或高漏警的问题,提出了一种基于灰度级分组的X光行李图像增强改进方法。首先应用离散小波变换对低、高能图像进行融合,然后通过分频处理得到低、高频图像,再分别采用基本灰度级分组和可选择灰度级分组方法实现增强。将本文方法与基于灰度级分组的增强方法、传统的直方图均衡方法进行比较,实验结果表明,本文方法能够有效地改善图像质量,提高图像的清晰度。     

基于双摄像机的立体视觉图像预处理研究

针对立体图像对的亮度差异问题和图像噪声问题研究图像的强化处理,图像预处理主要完成图像对极线校正和图像质量增强.极线校正部分以对极几何为基础研究立体图像对的校正算法.图像质量增强部分主要研究了立体图像对特有的亮度差异问题,并提出了应用直方图均衡化来校正亮度的方法.之后本文对图像噪声进行了深入的分析,并针对立体图像特点使用均值滤波和Gauss滤波平滑图像.在实验中,验证了算法的可行性,取得了良好的应用效果.     

精品图书推荐

<正> 《"黑鹰"之路》是一部全面介绍"黑鹰"直升机的著作。作者作为"黑鹰"项目的主要负责人之一,铜鼓亲身经历,全面介绍了西科斯基公司如何参与"黑鹰"项目的竞争,如何通过修改设计满足军方要求,试飞过程中对"黑鹰"直升机进行的一系列设计修改,以及"黑鹰"直升机在美国军方和国际客户中的使用情况。《"黑鹰"之路》一书内容翔实,是了解"黑鹰"直升机难的的图书。     

利用偏振图像加权融合及CLAHE算法的水下成像方法

针对传统基于偏振差分原理的水下光学成像方法中目标退偏振特性差异引起的图像中局部反射光损失的问题,本文提出了基于偏振图像加权融合与限制对比度自适应直方图均衡（Contrast Limited Adaptive Histogram Equalization, CLAHE）算法的水下成像方法。一方面,将原始水下图像分解为偏振光强图像和非偏振光强图像,根据不同退偏振特性目标在两幅图像中的灰度值分布特点,设计相应的权重因子,对两幅图像进行加权融合。从而实现在压缩原始水下图像中散射光的同时,保留更多目标反射光,提升整体目标反射光在融合图像中所占的比例。另一方面,为了进一步提升融合图像的对比度,利用限制对比度自适应直方图均衡算法对融合图像进行处理。该算法能够在提升融合图像对比度的同时,有效避免图像噪声的放大。实验结果表明,相比于传统的偏振差分方法以及独立的直方图均衡化算法,本文提出的算法能够有效提升水下图像的清晰度和对比度。     

凸轮弹性连杆复合机构的动力学修改

本文以胶印机递纸机构为研究对象，该机构为一两自由度凸轮连杆复合机构。在建立该机构运动弹性动力学（ＫＥＤ）有限元分析模型和现场袂测固有频率的基础上，提出了一种利用实 固有频率数据修正复合机构有限元动力模型的方法。其基本思想是利用机构各个运动位置上的固有频率实测值与有限元模型的计算值之间的加权误差建立目标函数，然后利用优化方法使目标函数极小化，从而求出有限元模型参数的修正值。计算结果表明该方法是简便有     

TELEPHONICS自动化系统主机EEPROM配置修改一例

引言 TELEPHONICS自动化系统是在我国空管系统中应用较广泛的一套自动化处理系统,系统的主要硬件采用Sun微系统公司的工作站和服务器（Sun Blade 150和Sun Fire V240）,软件采用Solaris 8操作系统,和公司专门开发的自动化处理及显示软件。     

《中国航天》征稿简则

<正>《中国航天》是大型综合性权威航天期刊,入选国家期刊方阵,为国家双百期刊,同时也为中文核心期刊。《中国航天》由中国航天科技集团公司主管,中国航天系统科学与工程研究院(航天信息中心)主办,内容涵盖航天技术开发、空间科学研究、航天技术应用、航天人才培养、航天科普宣传和航天文化传播等方面。本刊为月刊,大16开,国内外公开发行。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,通过对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients, HOG）进行特征提取和支持向量机（Support vector machine, SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor, KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83.8%。