无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法

为了解决工业机器人打磨的作业柔顺性不足问题,设计了机器人柔顺浮动打磨力控末端执行器.为了解决无先验模型曲面工件的机器人打磨轨迹自适应性较差的问题,提出无先验模型曲面的机器人打磨主动自适应在线轨迹预测方法.该方法根据打磨工具与工件的接触状态预测曲面法线方向,以有向进给平面与曲面切平面的截交线作为进给导向,自适应在线预测机器人打磨系统末端执行器的位姿,使末端执行器主轴轴线实时主动跟踪曲面法线,实现对无先验模型曲面工件的机器人打磨轨迹的主动自适应在线预测.通过仿真分析和实验验证了所提出方法的有效性,最大综合位置预测误差与曲面法线跟踪误差分别为0.506 mm和4.912°.所提出方法可以为无先验模型曲面工件的机器人打磨提供在线轨迹预测.

基于暗原色先验模型的Retinex算法

现有雾天图像增强的Retinex算法采用固定滤波器,无法适应多种景深和雾化程度的情况.对此,本文提出一种基于暗原色先验模型的Retinex算法.暗原色先验模型反映了雾天图像中雾的分布与景深信息.受此启发,根据局部区域暗原色值设计一种尺度可变滤波器,针对不同景深和雾化区域采用不同尺度的滤波器估算雾天图像的照度分量,实现对雾天图像的增强.分别使用主观观察和客观数据分析方法,将本文算法与HE算法、固定尺度MSR算法进行对比,本文算法在细节增强以及图像整体效果上均优于HE算法和固定尺度MSR算法.

基于先验模型约束的最小二乘逆时偏移方法

由于反演问题的不适定性,最小二乘逆时偏移(LSRTM)收敛速度缓慢,甚至陷入局部极值,无法收敛。另一方面,由于观测系统及地层吸收衰减的影响,往往造成地下照明盲区,LSRTM无法恢复照明盲区的构造。为此,通过测井数据构建先验反射系数模型,将其作为正则化项加入LSRTM约束反演过程,发展了基于先验模型约束的最小二乘逆时偏移算法(RLSRTM),并通过动态的正则化参数及对正则化项的预处理改善了约束效果。在实现算法的基础上对稀疏Marmousi模型进行了成像测试,计算结果表明:(1)常规LSRTM能够压制逆时偏移(RTM)结果中的成像噪声,补偿深部反射同相轴能量,但是对于照明不均匀现象的补偿效果有限,并且照明盲区的构造信息无法恢复;(2)正则化项预处理RLSRTM能够进一步恢复LSRTM照明补偿不足区域的构造信息,尤其对深部的背斜构造边界及其他地层刻画得更加清楚,也可以恢复部分照明盲区的构造信息;(3)无正则化项预处理RLSRTM的部分构造边界模糊,甚至出现假构造。因此正则化项梯度预处理RLSRTM能够加快收敛速度,改善弱照明及照明盲区的成像分辨率和保幅性,可以保证反演结果稳定,防止在反射率模型中引入极值,相比LSRTM,RLSRTM对低信噪比炮记录具有更好的适应性。

基于局部先验模型的单目视频人体运动跟踪

在基于模型的单目视频人体运动跟踪中,视频图像信息往往不足以恢复人体姿态,通常需要加入对姿态的先验约束才能得到合理的解.为了有效地刻画人体运动过程的时变动态特征,提出局部先验模型,其中包括局部动态过程和局部姿态分布密度,通过在样本空间中检索出相似姿态的集合,并利用该集合学习模型参数来比较精确地刻画人体的运动规律.实验结果表明,与全局动态模型相比,局部先验模型有效地克服了肢体自遮挡和肢体混淆等问题,取得了更好的跟踪结果.

基于先验模型和区域生长的乳腺图像钙化点检测

早期乳腺癌的一个重要特征就是钙化点,快速准确地找出乳腺图像中的钙化点是成功诊断的第一步。提出了一种先验模板和区域生长的钙化点快速检测方法。根据钙化点检测的临床经验,选用一直径为0.5mm的模板找出乳腺图像中的局部峰值点。以这些峰值点为初始种子点,进行区域生长;计算每个区域的面积、平均灰度、对比度,保留满足钙化点特征的区域。根据先验知识,对生长获得的钙化点是否成簇进行判别,保留成簇的微钙化点。实验表明,该算法实现了乳腺图像中钙化点的快速自动检测,提高了医生诊断的正确性。

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题。基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法。在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像。实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊。

口令强度评估的分级先验模型研究

拒绝用户设置弱口令是系统信息安全防护的一种重要手段。针对完整口令集设计并实现了一个不同于基于规则的先验口令检验器的口令分级先验组合模型。利用马尔可夫模型,结合影响口令强度的长度、频次、首字母等相关因素,设计了有效的口令强度评估函数,并根据强度值分布设置阈值对全口令集进行合理分级,并将结果导入布鲁姆过滤器中,以在保证分级口令自身安全的同时,减少口令先验检索的时耗。多口令库实验结果表明:口令强度评价结果合理,分级结果在先验口令检测方面具有较好的适用性。

图像复原中边缘保持与稀疏先验模型的选择

考虑了广义高斯分布和马尔科夫随机场两类随机图像模型,提出相应的图像复原目标函数。分析了这两类模型在图像复原中的边缘保持性能,给出了它们具有边缘保持能力所需的条件。根据稀疏型先验的理论,指出在一定条件下这两类先验模型对图像具有稀疏表示特性,因此可以用于图像超分辨率复原处理。说明了边缘保持和稀疏先验之间的关系,为复原中图像先验模型的选择提供了参考。仿真实验表明,合理选择图像的先验模型,可以显著提高图像复原效果。

基于贝叶斯神经网络先验模型的图像去噪研究

基于小波系数先验模型的图像处理方法是现代图像处理技术的重要理论框架之一。针对传统的高斯型或拉普拉斯型先验模型的统计描述精度缺陷,本文提出利用贝叶斯(Bayesian)神经网络模型对图像小波系数的统计特性进行精确建模,结合现代粒子(或Montel Carlo:MC)采样技术——Gibbs采样进行模型参数的估计,并重点考察了各尺度下的正交小波系数先验信息的建模过程,最后利用先验模型图像处理框架,实现图像的噪声抑制。仿真模拟结果表明:一方面,基于贝叶斯神经网络的小波先验模型建模准确,较好地描述了各尺度小波系数的先验信息;另一方面,从图像去噪性能来看,基于建议先验模型的图像质量在客观指标和主观视觉上都有显著的提高。

贝叶斯估计器先验模型参数的迭代感知方法

充分利用先验信息是提高统计推断性能的有效途径之一。贝叶斯估计的先验信息模型参数必须在设计阶段确定下来,与待探测环境模型参数之间必然存在不一致性,从而有可能导致估计质量的下降。该文首先给出了基于估计性能的先验模型参数感知的一般性框架。基于该框架,针对白高斯噪声中直流信号的贝叶斯估计器,分析了先验失配条件下的估计性能,给出了一种先验模型参数迭代感知的算法。利用计算机仿真分析了该估计器性能对先验模型参数的敏感性和稳健性,分析了不同条件下的迭代感知过程。计算机仿真结果表明,该文给出的迭代感知方法建立了从估计性能到先验模型参数的反馈,通过估计器与待探测场景的多次交互,可以使得先验模型与当前场景模型匹配。

基于自适应约束正则HL-MRF先验模型的MAP超分辨率重建

针对Huber-MRF先验模型对图像高频噪声抑制能力较差,而Gauss-MRF先验模型对图像高频过度惩罚的问题,提出了一种改进的自适应约束正则HL-MRF先验模型。该模型将Huber边缘惩罚低频函数与Lorentzian边缘惩罚高频函数相结合,对低频进行线性约束的同时对高频实现平滑惩罚;并采用自适应约束方法确定正则化参数,从而得到最优的参数解。与基于Gauss-MRF先验模型和Huber-MRF先验模型的超分辨率算法相比,HL-MRF先验模型获得的超分辨率重建图像在峰值信噪比(PSNR)和细节方面都有一定程度的提高,在抑制高频噪声、避免图像细节被过度平滑方面具有一定的优势。

多先验形状模型变分水平集建筑物检测

提出了针对城市遥感影像中建筑物目标分割的一种新的方法。该方法在简化Mumford-Shah模型的水平集方法(Chan-Vese模型方法)的基础上,加入建筑物先验形状模型信息,并引入标记函数来动态选择先验形状,最后通过推演新的模型更好地实现了多个建筑物目标的分割。

基于TV-泊松奇异积分联合先验模型的图像重构

目的针对当前图像重构算法容易产生过渡平滑图像纹理区域,使复原图像丢失大量纹理,降低重构图像视觉质量等缺陷,提出TV-泊松奇异积分联合先验模型耦合贝叶斯推理的图像重构算法。方法引入配分函数,结合TV函数,构造TV图像先验。定义泊松奇异积分先验,并将其嵌入到TV先验中,设计一种联合先验模型,控制图像纹理平滑度。基于高阶统计量技术,完善图像退化模型,并耦合先验模型,生成重构图像的最大后验估计MAP。引入优化最小原则,求解MAP,完成贝叶斯推理,获取重构图像。对文中算法复原图像纹理的关键参数进行优化,并研究分析该算法的用户响应。结果与当前图像重构算法相比,文中算法的复原视觉质量更高,能够较好地平衡噪声与纹理。在图像退化程度较大时,文中算法具有良好的用户响应。结论文中算法能够较好地同步保持图像边缘与纹理。

基于正态反高斯先验模型的小波去噪算法

提出了一种基于正态反高斯先验模型(NIG)的小波去噪算法.将小波系数建模为正态反高斯分布,利用矩估计法计算每个子带内的模型参数;在贝叶斯最大后验概率估计(MAP)准则下推导出与NIG模型相对应的阈值函数表达式,以此对图像进行去噪处理.实验结果表明:该算法与经典的阈值去噪算法相比,具有更好的信噪比和视觉效果.

基于暗原色先验模型的混合滤波图像去雾算法

基于暗原色先验模型去雾方法,提出混合滤波快速图像去雾算法.该算法在暗原色先验模型的基础上,对雾图的暗原色图像进行最大值滤波,继而求出透射率矩阵;利用最小值滤波估算透射率矩阵的下限值作为透射率的补偿值,再使用指导滤波修复透射率矩阵;利用小波变换方法对去雾后的图像进行滤波和平滑处理,有效改善了去雾图像的视觉效果.本算法有效解决了由于图像边缘估值失真导致的重建后去雾图像存在景深边缘处白色晕块和斑状奇异点的问题,以及带雾图像不同景深、景深边缘透射率的误差修复问题.

一种新的边界增强型图像先验模型

在各种超分辨率图像重构算法中,最大后验概率(Maximum a Posteriori,MAP)算法因其具有优异的重构性能而受到广泛关注。但由于目前在MAP算法中普遍采用的是平滑型图像先验模型,导致重构出来的图像边界不明锐,一些细节不清晰。本文提出了一种新的边界增强型图像先验模型。不同于已有的图像模型,新模型对图像中的非连续性不是进行惩罚,而是进行增强。实验结果表明,新模型能够获得优于平滑型图像先验模型的重构效果。

多视平均幅值SAR图像的拖尾Rayleigh先验模型的参数估计(英文)

本文提出了多视平均幅值合成孔径雷达(SAR)图像的拖尾Rayleigh先验模型的参数估计方法。首先,本文通过对数变换把SAR图像的乘性模型变为加性形式;其次,本文使用负数阶矩理论,推导出真实图像的对数变换的期望和方差;最后,本文基于斑点的对数变换的高斯近似,获得了斑点的对数变换的期望和方差。所提估计方法具有解析的表达式,便于实现。Monte Carlo仿真和真实SAR图像的参数估计实验表明,所提方法可以有效的从多视平均幅值SAR图像估计出拖尾Rayleigh先验模型的参数。

先验模型在载人飞船轨道返回泄压中的应用

载人飞船返回前为保证正常分离而采用了泄压的模式。分析返回泄压影响轨道的问题,建立相应的简化轨道泄压力经验模型,利用载人飞船返回前的测轨数据进行分析,得到了一致的泄压摄动加速度,并将该参数和模型应用于神舟十号载人飞船返回过程中。结果表明,飞船轨道预报至返回制动点的精度达到百米级,与以前的飞船返回过程相比有效提高了制动点的预报精度。

基于先验模型的全局线索选择感知编组算法

不同的感知编组(perceptual organization,PO)算法针对不同的全局线索,在使用中必须由人首先判定目标所满足的全局线索,之后选择相应的编组算法进行计算.本文提出基于先验模型的全局线索选择感知编组算法,可以从待选的多个全局线索中挑选出概率意义下最可能的线索作为编组依据.先验模型将场景的统计特性作为先验知识,以广义拉普拉斯分布作为样本的估计分布,通过后验概率和线索概率得到归一化信息量,以表达不同全局线索在编组过程中的重要程度.本文同时提出了编组种子的优先级排序算法,以加快计算速度.最后,以煤矿监控场景为例,说明了算法的计算过程,实验结果验证了算法的有效性.

先验模型选择对PS-DInSAR参数解算精度影响分析

研究了永久散射体雷达差分干涉测量(PS-DInSAR)技术观测方程的建立和参数求解方法,分析验证了观测方程建立过程中先验模型的正确选择对提高参数解算精度的重要影响,提出了用GPS辅助确定先验模型以改善参数解算精度的思路.最后,对进一步利用GPS提高PS-DInSAR测量精度进行了探讨,给出了一些有益结论.