基于约束抽样H ough变换的圆轮廓快速检测技术

针对Hough变换进行圆轮廓测量存在的问题,提出了一种新的Hough变换圆轮廓检测方法.该方法综合利用图像本身灰度信息和梯度信息,对图像空间的抽样进行约束与优化,减小参数的累加数目,得出图像空间中属于目标的轮廓点;并根据目标本身的性质进一步搜索,去除伪轮廓点;采用了“多对一”映射与并行算法来提高检测速度.实验结果证明应用本方法对于对比度低、有噪声污染的图像同样可以检测出真实轮廓,定位不确定度<0.15像素,运算速度是传统随机Hough变换的2倍.

约束抽样Hough变换的光纤端面精确定位

为提高经光纤传输后光束方向的稳定性,提出了一种新的光纤端面精确定位方法。该方法针对光纤端面光能量中强模间噪声干扰的特点建立了约束抽样Hough变换,可实现对噪声的去除和对轮廓的准确提取,并根据轮廓的特征把特征点分为基元类和噪声类,对两类点分别进行约束抽样Hough变换,可显著减少存储所需要的内存空间,有效抑制噪声对轮廓的干扰,准确得到属于轮廓的特征点。根据各特征点对轮廓的贡献,采用弦长加权拟合法对轮廓点进行处理,从而得到轮廓的中心位置。实验结果表明,该方法对光纤端面的定位不确定度优于0.2 pixel,成像物镜放大倍数为10时,定位不确定度优于0.4μm。

一种改进的约束域拉丁方抽样算法及工程应用

提出一种改进的约束域拉丁方抽样算法(ICD-LHS)。该算法分为2个阶段:第一阶段利用聚类算法获取满足约束条件的样本特征点;第二阶段通过差分进化算法优化样本点位置,得到满足约束条件的均匀分布样本点。选取3个标准测试函数,将该算法与传统抽样算法进行对比,结果表明:ICD-LHS算法具有较好的均匀性及通用性。最后,以汽车防撞梁截面形状的样本抽样为典型案例,利用ICD-LHS算法产生指定数量的、并在不规则设计区域内满足制造约束条件的防撞梁截面样本,该截面样本具有较好的均匀性,对后续的截面优化设计具有指导意义。

基于约束边界抽样的起重机金属结构可靠性优化

针对全区域Kriging代理模型的起重机金属结构可靠性优化设计,为保证优化结果的正确性仍需较多高保真样本从而造成计算成本偏高、计算效率偏低的问题,提出了基于约束边界抽样的Kriging代理模型的起重机金属结构可靠性优化设计,根据抽样规则只在约束边界区域内抽取较多高保真样本,提高约束边界区域Kriging代理模型的拟合精度,减少构建非约束边界区域高精度代理模型所造成的时间消耗。通过实例验证:基于边界取样的Kriging代理模型的起重机金属结构可靠性优化与全约束域Kriging代理模型的可靠性优化设计相比,在取得同样优化结果的情况下,计算成本大约可节省78%,可见边界取样法在基于代理模型的可靠性优化设计中可以在保持良好准确性的同时大幅提高设计效率。