针对K-奇异值分解(sigular value decomposition,SVD)算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增...针对K-奇异值分解(sigular value decomposition,SVD)算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。展开更多
针对车轮动态弯曲疲劳试验建立了汽车车轮静态加载有限元模型。它可以反映出车轮在静态加载条件下的高应力区域及其Von M ises应力值。对车轮进行静态加载试验结果与有限元计算结果吻合得较好,验证了有限元方法的有效性。通过与动态弯...针对车轮动态弯曲疲劳试验建立了汽车车轮静态加载有限元模型。它可以反映出车轮在静态加载条件下的高应力区域及其Von M ises应力值。对车轮进行静态加载试验结果与有限元计算结果吻合得较好,验证了有限元方法的有效性。通过与动态弯曲疲劳试验的比较,验证了静态试验中的应力集中区域即为疲劳试验中车轮开裂的区域。通过改进车轮结构设计来降低应力集中区域的应力值,可以有效提高车轮寿命。静态有限元分析对于进行这样的改进设计具有重要的指导作用。展开更多
文摘针对K-奇异值分解(sigular value decomposition,SVD)算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。
文摘针对车轮动态弯曲疲劳试验建立了汽车车轮静态加载有限元模型。它可以反映出车轮在静态加载条件下的高应力区域及其Von M ises应力值。对车轮进行静态加载试验结果与有限元计算结果吻合得较好,验证了有限元方法的有效性。通过与动态弯曲疲劳试验的比较,验证了静态试验中的应力集中区域即为疲劳试验中车轮开裂的区域。通过改进车轮结构设计来降低应力集中区域的应力值,可以有效提高车轮寿命。静态有限元分析对于进行这样的改进设计具有重要的指导作用。
