基于正则化方法的图像盲去模糊

针对标准化稀疏先验的正则化方法估计复杂模糊核时的不准确性,引入图像的预处理,提出了一种图像盲去模糊的新方法。该方法将图像盲去模糊分为三个步骤:利用双边滤波器和冲击滤波器对图像进行预处理,使得图像的噪声降低、边缘突出,有利于模糊核的估计;对预处理后的图像,利用基于标准化稀疏先验的正则化方法估计模糊核;根据估计出的模糊核利用TV正则化方法对图像进行非盲去卷积。采用快速迭代收缩阈值算法和快速总变分图像复原算法分别求解模糊核估计模型和图像非盲去卷积模型。实验结果表明,针对单幅模糊图像,该方法可以估计出准确的模糊核,对噪声具有鲁棒性,并且提高了图像复原速度,具有较好的图像恢复效果。

伪随机脉冲先验值对低轨卫星简化动力学定轨精度的影响

低轨卫星简化动力学定轨中引入伪随机脉冲可有效提高定轨精度,但伪随机脉冲先验值（时间间隔、先验标准差）会影响伪随机脉冲估值大小,进而影响定轨精度。基于GRACE（Gravity Recovery and Climate Experiment）卫星轨道分析伪随机脉冲先验值对单天解简化动力学定轨精度的影响,实验表明,时间间隔从240min减至6min,先验标准差从1×10^-4 mm/s增至1×10^-1 mm/s,伪随机脉冲总的估值大小由1×10^-2mm/s增至1×10^-1 mm/s,定轨精度从几十cm提高到2cm;当先验标准差大于1×10^-1mm/s,继续增加先验标准差,伪随机脉冲估值不变,定轨精度不再提高。因此,对于单天解轨道,时间间隔减小至6min,先验标准差增至1×10^-1 mm/s,伪随机脉冲估值增大,定轨精度提高;继续增大先验标准差,伪随机脉冲估值不变,定轨精度不再提高。利用不同高度的Swarm卫星验证了该结论的有效性。

基于特征分析的智能制造生成线目标工件在线识别研究

在大型智能制造业的生产线中,需要对目标工件位实时监控并快速反应,以提高生产质量与效率;但是当前主要是依靠大量人力实时监控,其效率较低。对此,提出了基于图像处理与特征分析的工件目标识别算法。首先基于Aforge.Net图像处理库中阈值分割函数和Blob查找函数处理采集的目标图像,并识别出定位区域。然后依据工件图像的灰度水平差异,计算区域的平均灰度值和方差,进行特征提取与分析。最后基于先验标准,联合提取特征,对区域目标进行判断识别,完成对工件到位情况的监控。实验结果显示:与当前在线目标识别技术相比,识别算法具有更高的准确性。