小波的循环阈值去噪方法

在D.L.Donoho提出的多分辨分析小波阈值去噪方法的基础上,针对SAR图像的相干斑噪声现象,提出一种小波域SAR图像的循环阈值去噪法,通过估计的噪声标准差和滤除信号后的噪声标准差之间的循环迭代,得到最优阈值。并以峰值信噪比和平滑指数等作为评价指标,与传统的软阈值、硬阈值以及几种空域滤波方法进行了比较。仿真结果表明,提出的新的阈值去噪算法无论是峰值信噪比,还是主观质量都优于软阈值、硬阈值去噪算法和各种空域滤波方法。

基于EMST的平面点集Delaunay三角剖分

提出一种基于欧几里德最小支撑树(EMST)的平面点集Delaunay三角剖分算法。该算法使用线性时间的随机算法求出平面点集的EMST,逐次加入一边构成三角网络,按照最小角最大化的三角化准则,通过局部变换得到平面点集的Delaunay三角剖分。采用的随机化算法有效节省了寻找EMST的计算时间,提高了整个算法的效率。

基于最优小波包的SPIHT图像编码算法

提出了一种基于最优小波包的改进SPIHT图像编码算法。分析了各种代价函数的特点以及构建最优小波包基的算法。实验结果表明:基于最优小波包的SPIHT图像编码算法能自适应的量化小波包分解后的不同子带的系数,其峰值信噪比和重建图像质量均优于标准的SPIHT编码算法。

基于级联卷积网络的烟支外观检测系统

针对烟支在生产过程中可能出现的黑点、油渍、刺破、夹沫、褶皱、缺嘴、烟支长短不一等缺陷,提出一种基于深度学习的烟支图像对比分析方法。对烟支中的水松纸区域,基于级联卷积网络,搭建了一种满足现场需求的最佳权重分布的神经网络分类模型;对烟支中的卷烟纸区域,采用高低值的模型比对算法,两者相结合大幅提高了烟支检测的实时性和准确性;同时引入了多尺度的时空特征,利用图像序列实现了帧间前后烟支缺陷信息的关联标记,将剔除轮的烟支剔除率降低了约2/3。在自建烟支数据集的基础上,搭建的分类模型准确率较ResNet-18提高了8.64个百分点,较紧固件缺陷自动检测(ADDF)算法和自动织物缺陷检测(AFDD)算法提高了7个百分点以上。