基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform, BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。     

复合纸板力学性能和应变率相关性测试与表征

为了研究复合纸板材料在不同应变率下的力学响应,利用万能材料试验机和高速率拉伸试验机进行了准静态和动态拉伸试验,同时利用高速摄像机和数字图像相关法(Digital image correlation,DIC)记录拉伸破坏过程和应变场。试验结果显示,纸板材料的拉伸力学性能和破坏机制具有明显的应变率相关性。随着应变率的增大,材料的拉伸强度显著增大,断裂应变在中应变率范围内也表现出明显的应变率效应。对比试验结果和3种应变率效应比表征模型的拟合结果,基于Cowper-Symonds表达式的表征模型,能够很好地描述纸板材料在中低应变率下的应变率效应。该模型对薄壁纸管能量吸收性能的模拟和理论研究,以及冲击防护结构设计提供了理论支撑。     

VC调用MATLAB的方法研究

VC与其它高级语言相比具有很高的编译效率,但在诸如图形、图像处理一类的应用中,当程序中涉及到对矩阵的处理、运算时,编程就变得异常的复杂,MATLAB在这些方面有独特的优势,在图形、图像处理应用中如何更好地利用MATLAB的功能,是人们一直试图解决的问题.以图形、图像处理为例,全面介绍了VC调用MATLAB的方法,并在文章的最后对这几种调用方法进行了分析比较.研究与实践表明:采用VC调用MATLAB的方法简化了编程步骤,不仅降低了编程难度,也较好的发挥了VC与MATLAB软件平台的整体优势.     

固体发动机CT图像的一种自动分割方法

在分析固体发动机CT图像结构特征和灰度分布的基础上,设计一种集边缘检测、数学形态学、多阈值分割于一体的自动分割方法。用此方法对含有缺陷的固体发动机CT图像实施分割,并利用光线投射体绘制算法对分割结果进行三维重构,经过与原发动机对照,重构结果精确地显示出缺陷的空间位置和分布,证明了所设计的分割方法达到了无损检测的工业标准。     

基于仿射变换的飞机图像的识别

 先基于细胞神经网络提取飞机图像轮廓,再用基于仿射变换方法对多种飞机的轮廓图像做不变特征的提取,把多种飞机的不变特征放在数据库中。进行飞机类型识别时先计算实时图像中飞机(目标) 的不变特征,然后与数据库中的每个不变特征做相关运算,即可识别飞机的型号。     

激光全息图像测量自动条纹计数

 在图像测最中,干涉条纹图像并不代表定最结果,而其中的各干涉条纹所具有的条纹级数则是精确测试计量的唯一重要依据。条纹图像判读的主要任务就是条纹计数,即经过识别对各条纹赋以条纹级数,使定性的条纹分布转化为定量的形式。 判读条纹图像有多种方法,如人工判读、机械扫描式判读和数字条纹图像判读处理。     

陶瓷材料超声无损检测进展

为了提高陶瓷材料超声检测的可靠性,近年来从陶瓷气孔率的检测、超声波在陶瓷材料中遇到缺陷的散射、瓷坯的检测、表面缺陷检测、陶瓷超声C扫描成像等方面展开了广泛而深入的研究,取得了很大进展。     

旋转机械状态参数图形识别的免疫-模糊形态学方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法.利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别.在600MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明所提出的方法可以获得较高的诊断精度.      

飞机发动机损伤图像的分割处理

在形态学边缘检测算子的基础上,综合应用了形态学中的腐蚀和膨胀,提出了一种改进的多尺度形态边缘检测算法,得到修正的边缘检测算子,减轻了图像边缘检测的模糊性,并有效降低了噪声对边缘检测的影响。通过实验得到噪声存在条件下较为理想的图像,验证了该算法的可行性和有效性。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。