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.     

基于局部统计特性的滤波算法

提出一种基于局部统计特性的新的滤波算法,可用于去除图像中混合噪音(高斯噪音和一致脉冲噪音),称之为线性局部混合噪音滤波器(简记为LLMF).该滤波器有机地结合了局部滤波算法和线性滤波算法,它采用局部邻域偏差判断像素的相似性,从而提高了对高斯成分的去噪能力.对纯高斯、纯脉冲以及它们的混合噪音都有较好的去噪效果.从实验结果可见,使用LLMF滤波器,图像的视觉效果、峰值信噪比、均方误差均优于同类混合滤波器.     

一种基于曲线波的改进自交叉双边滤波方法

针对图像中的高斯型随机噪声去除问题,提出一种改进的自交叉双边滤波算法.带噪图像首先通过预滤波器得到预降噪图像,令其作为参考图像计算灰度测度权重,再在原始带噪图像上运用交叉双边滤波得到最终去噪结果.预滤波器采用曲线波阈值去噪,并以图像子块间相似度代替原始双边滤波器中的单点像素间相似度计算灰度测度权重.仿真实验结果表明,该算法能很好地克服双边滤波和曲线波阈值去噪算法在噪声去除和伪像抑制方面的内在缺陷,进一步提高图像峰值信噪比(PSNR).     

基于多项式插值的定时恢复内插算法

经典的数字调相信号的定时恢复算法中,接收端定时误差矫正主要采用对内插滤波器逼近的方法来实现,这往往会将插值误差通过滤波后平均到定时输出中.提出一种基于时域多项式插值的定时误差矫正算法,通过选取最佳定时位置附近的采样点来构成插值模型,根据Lagrange插值算法或Newton插值算法得出表示信号时域波形的连续多项式函数解析式,取出该最佳定时点处的函数值作为定时恢复的输出,针对输出表达式的多项式特性以及差商和差分的关系对其进行类似Farrow结构的改进,以降低计算复杂度.对该算法在高斯信道下进行仿真,结果表明,所提出的时域样点插值法比内插滤波器逼近法的星座点收敛得更小,且收敛速度更快.     

容积粒子滤波算法及其应用

针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3.     

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.     

基于机器视觉的不规则形状超薄热管宽度测量方法

为实现不规则形状超薄热管宽度测量自动化,提出一种基于机器视觉的中轴线梯度角逐像素宽度测量算法。首先采用Canny算法获取像素边缘,并进一步使用改进二次插值法提取亚像素边缘;然后利用细化算法提取边缘内封闭区域中轴线并适当裁剪;接着使用形态学膨胀与高斯滤波构造中轴线区域边缘,计算梯度角,并借助双侧均值滤波逼近真实梯度角的光滑变化;最后沿梯度角两侧搜索亚像素边缘点,边缘点对距离即为所测宽度。文中算法解决了常规测量算法无法确定不规则形变轮廓对应宽度测量点和高次过渡曲线区域无法测量的问题,实现了在轴线方向密集测量宽度,最大程度逼近真实边缘宽度分布。实验结果表明,测量对象宽度在10 mm以内时,文中算法的测量不确定度为±0.026 mm,能很好地适应超薄热管的不规则外形,实现稳定可靠、高精度的自动化测量。     

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.     

基于H_∞一致性滤波的分布式语音信号增强

针对传感器网络中的语音信号增强问题,提出一种基于信号频域稀疏性的分布式估计方法.通过为每个传感器节点设计一个滤波器融合网络中各节点的测量数据,使每个节点都能给出满意的信号恢复.首先,借助经典H∞滤波理论和伪测量技术建立集中式l1-正规化H∞滤波算法,再将高通一致性滤波器嵌入到l1-正规化H∞滤波的信息形式中建立分布式滤波算法,使网络中的所有节点滤波器可以逐渐逼近集中式滤波器的性能,并且估计误差满足预先设定的H∞性能约束.最后,通过一个仿真验证了所提方法的有效性和实用性.     

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.     

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。     

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。