基于结构纹理分解和多重网格的光流估计算法

分别针对光流计算对光照变化敏感以及运算复杂度高、迭代收敛缓慢的问题,使用一种基于ROF(Rudin-Osher-Fatemi)模型的结构纹理分解(STD)技术得到对光照变化不敏感的纹理图估计光流场,消除了光照变化产生的负面影响,并提出一种基于多重网格方法的分层处理策略.将光流计算的迭代过程分散在一系列粗细不同的网格上,在细网格上消除高频误差,在粗网格上消除低频误差,以达到加速收敛、提高光流计算速度的目的.实验结果表明,STD过程抑制了光照变化导致的负面影响,提高了光流估计精度.多重网格算法在保持优化精度的前提下,显著提高了光流计算的实时性.

环境激励下基于经验模式分解的结构模态参数识别方法

识别结构模态参数是结构健康监测和振动控制等研究及工程实践中的一个重要环节,同时也是前提和难点所在。提出基于经验模式分解(EMD)的环境激励结构模态参数识别的STD法、复指数法与ARMA法。3种方法采用EMD将结构环境振动响应原始信号分解成若干个基本模式分量(IMF),使每一个基本模式分量仅为结构的某一阶固有模态,采用相关系数法结合频谱分析挑选出真实IMF,进而分别用STD法、复指数法与ARMA法进行模态参数识别。四层钢框架模型环境振动试验分析结果表明,3种方法能有效地避免结构各阶模态之间的相互影响,能够更清晰更方便得到结构模态参数。采用基于奇异值差分谱进行去噪处理,使得识别结果更加准确。