圆度误差测量中逐次逼近滤波算法的研究

在测量油膜轴承锥套内部圆度误差过程中,由于内表面有许多油槽和油孔,测量过程中产生了大量无效数据.此外测量时环境噪声和工件表面润滑液等因素都可以产生无效数据.本文提出了逐次逼近滤波的算法进行数据预处理, 用处理后的数据进行最小二乘圆度计算,实践表明取得了良好的效果.     

圆度误差评定中最小区域圆法的计算机叠代算法

在圆度误差测量中，对误差的评定是重要的一环，目前国标中规定有4种评定方法，其中最小区域圆法为推荐使用的方法，在用计算机实现圆度测量的过程中，首先要解决的就是评定方法的算法，本文论述了一种最小区域圆法的计算机优化叠代算法，并给出了用C语言实现其算法后的结果。     

基于分割逼近法的圆半径测量

提出一种计算满足最小区域法的圆的半径测量的新方法——分割逼近法,通过对仿真实例的计算表明：其计算结果的精确度非常高,理论上可以获得全局最优解,即真实性;且该算法简单明了,收效速度快,在计算机上容易实现。     

基于高斯滤波下的粗糙度不确定度的计算

自由曲面的粗糙度的大小直接反映了表面加工质量的优劣.粗糙度的提取可以通过滤波过程来实现,本文选取高斯滤波来确定粗糙度评定中线,高斯滤波可以得到较为准确的粗糙度.本文将粗糙度评定中线根据波峰和波谷的位置在其临近部分分段模拟为二次曲线,最终分别得到波峰和波谷段的粗糙度评定中线的表达式.在此基础上,建立了关于粗糙度Rz的数学模型.随后采用"测量不确定度的标准指南"(GUM)来计算粗糙度的不确定度,并采用自适应蒙特卡罗方法(AMCM)来进行比较,得出了高斯滤波模型下通过GUM法来计算粗糙度不确定度是一种有效的方法.     

圆度误差评定与测量不确定度计算

为了更准确地评定圆度误差及测量不确定度,根据圆度特点,提出实数编码改进遗传算法求圆度误差最小区域解,基于蒙特卡洛法评定测量不确定度.通过对零件实测计算,结果表明采用实数编码的改进遗传算法不仅省去了重复的编码解码,而且算法简单、优化效率高,蒙特卡洛法计算不确定度与传统GUM方法相比不受直接测量量相关性的限制,而且受问题条件限制的影响小,使不确定度评定简单化.采用改进遗传算法和蒙特卡洛法能够更加准确高效地评定圆度误差和测量不确定度.     

圆度误差评定中最小区域圆法的计算机叠代算法

在圆度误差测量中,对误差的评定是重要的一环,目前国标中规定有4种评定方法,其中最小区域圆法为推荐使用的方法.在用计算机实现圆度测量的过程 中,首先要解决的就是评定方法的算法,本文论述了一种最小区域圆法的计算机优化叠代算法,并给出了用C 语言实现其算法后的结果.     

基于GHF高斯粒子滤波的检测前跟踪算法

针对粒子滤波存在粒子退化,会导致检测前跟踪(TBD)算法的检测和跟踪性能下降这一不足,提出了一种基于高斯-哈密顿滤波(GHF)高斯粒子滤波的TBD算法.该算法基于高斯粒子滤波,采用GHF算法构造的重要性密度函数采样连续出现粒子,考虑了最新的量测信息,采样粒子更逼近于真实的后验概率密度,克服了粒子退化问题.仿真结果表明:与基本TBD算法相比,所提出的TBD算法提高了对目标的检测和跟踪性能.     

基于三坐标测量机的圆度误差不确定度评估

为了实现圆度误差的不确定度准确评估,提出了一种在快速准确微分进化算法评定基础上的圆度误差蒙特卡洛(MCM)不确定度评估方法.针对最小区域圆圆度误差评定特点,提出了一种基于种群优化的微分进化算法用于圆度误差评定,并在此基础上利用蒙特卡洛方法进行圆度误差的不确定度评估.通过三坐标测量机对圆度零件的实测数据,给出了一个实例,以验证方法的可行性.分析了圆度误差的不确定度来源,给出了不确定度数值和95%置信概率下的不确定度包含区间,并与传统测量不确定度的表示指南评定方法(GUM)进行了比较.结果表明,蒙特卡洛不确定度比GUM方法的不确定度小0.3μm,包含区间也小于GUM.所提出的方法也适用于其他形状误差的评定与不确定度评估.     

一种快速高斯粒子滤波算法

为改善高斯粒子滤波(GPF)算法的实时性,研究了一种快速的GPF算法.在GPF的预测及更新步骤中用初始粒子群的线性变换取代高斯分布采样,以降低生成新粒子群所需时间,提高滤波算法的运行速度.对两种生成粒子群方法的复杂度及粒子群所代表的分布进行了分析,分析结果表明:线性变换法和高斯采样法生成的粒子群所代表的分布相同,且线性变换法的运行效率更高.将粒子滤波算法(PF),GPF算法及改进后的GPF算法分别应用于一维的一种离散时变非线性模型和二维的基于角度目标跟踪(BOT)模型,仿真结果表明:改进后GPF算法预测性能不变,速度得到了提高,生成1 000个粒子平均需时22 ms,比GPF算法减少了6 ms.     

基于Canny算子脑部CT边缘检测方法的研究

鉴于经典Canny算法在脑部CT图像应用中存在的问题和缺陷,在深入分析经典Canny算法执行步骤的基础上,提出了一种改进的边缘检测方法,即用中值滤波与高斯滤波相结合,替代传统Canny算子的单一高斯滤波;用迭代算法自动计算阈值,替代经验固定阈值。实验结果表明,改进方法比传统方法更具准确性与普适性,减少了边缘错检、漏检的情况。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分...     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。该算法的实验结果表明,不仅能滤出图像中高斯噪声和椒盐噪声的混合噪声,而且能较好地保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。     

一种改进的Canny边缘检测自适应算法

针对传统Canny算子在高斯平滑时,对图像边缘区域的影响,以及需要预先设定高低阈值的缺点,本文作者提出了一种新的Canny边缘检测自适应算法.首先,该算法根据高斯滤波原理和特征统计分析的方法来自适应地选择滤波函数、滤波窗口;然后,对梯度的求解采取增强中间像素影响力的方法来提高边缘检测的精度;最后,结合非最大抑制后的梯度幅值图和阈值分割的差分理念,提出了一种新的自适应算法来选择高低阈值.实验结果表明,该方法能够得到较好的边缘检测效果.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

离散余弦列率滤波器的设计及应用

为在信号滤波领域发挥离散余弦变换（ＤＣＴ）潜在的优良特性,提出了离散余弦列率滤波的时域卷积算法,引入一种新型的线性相位数字滤波器－离散余弦率滤波器（ＤＣＳＦ）导出了任意长度一维和二维ＤＣＳＦ的设计公式,讨论了这种滤波器在广义标量维纳滤波和倍频程于带滤波中的应用,实验结果表明,ＤＣＳＦ可实现无形波失真的良好滤波效果,ＤＣＳＦ滤波算法简单,其计算量（乘法和加法）仅为采用快速ＤＣＴ（ＦＣＴ）的算法的１／     

基于次序统计滤波器的阶跃边缘检测

在二值图像的边缘检测理论中,经典的方法是用固定的卷积核构成边缘检测算子,如Sobel算子,Prewitt算子,Kirsch算子和Roberts算子等。它们对数字图像边缘的复杂几何结构缺乏算法自适应性。现作者将随机滤波的思想引入边缘检测,用次序统计滤波器构造随机卷积核,从而引入一种新的随边缘检测算子,将OSF边缘算子,并分别对雷达图像和文本图像实施边缘检测。实验结果证明了OSF边缘算子的有效性。     

气门几何尺寸的多种边缘高精度检测

目前边缘检测算法只能检测水平边缘、垂直边缘,且检测精度低、处理速度慢、抗噪性能差;针对上述存在的缺陷,提出一种气门几何尺寸的多种边缘高精度尺寸检测算法。首先采用中值滤波和高斯滤波对气门采集图像进行预处理,然后针对不同的边缘使用不同检测算法实现图像边缘的像素级定位。在像素级边缘定位的基础上采用几何质心法亚像素边缘定位实现图像边缘的亚像素级精确定位。最后采用畸变校正技术对图像中边缘像素点的坐标进行校正,得到没有畸变情况下边缘像素点的理想坐标,根据像素当量计算得到气门的各个尺寸。通过在光学图像检测系统中的实际应用,证明提出的算法精确且稳定,满足高精度视觉检测的要求。     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中,用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。