基于局部自相似性和奇异值分解的超采样图像细节增强

基于局部自相似性的图像超分辨率算法中存在面块或线条现象,导致图像纹理不自然,细节信息丢失严重,针对这个问题,文中提出了一种基于局部自相似性和奇异值阈值化的细节增强图像超分辨率算法.在通过轮廓模板插值得到初始超分辨率图像的基础上,利用奇异值分解及阈值化去噪提高局部自相似性提取高频信息的准确性,解决伪高频噪声成分造成的面块或线条痕迹.该细节增强超分辨率算法主要分为4个部分,即初始插值、块匹配搜索、奇异值阈值、细节合成.首先选取Pascal的轮廓模板插值算法得到初始超分辨率图像,该算法在保持插值图像整体轮廓和细节等方面都有着很好的效果优势.块匹配搜索部分,文中算法由初始超分辨率图像和原始低分辨率图像分别提供参考块和学习块,在单一尺度上进行匹配,更多地利用了原始图像的信息,复杂度也更低,即利用原始低分辨率图像的局部自相似性提供先验知识,进行块匹配学习,找到初始超分辨率图像块在原始低分辨率图像块中的最佳匹配块,提取出最佳匹配块的高频信息;然后利用奇异值分解将高频信息矩阵分解到两个正交子空间中,并选取合适的阈值对奇异值矩阵进行软阈值化处理,剔除高频成分中能量较小的伪高频噪声成分,得到更为准确的高频细节信息.最后为得到最终超分辨率图像,有效地实现超分辨率图像的细节增强,利用有效奇异值对应的奇异值矢量重构高频图像块矩阵,并在初始超分辨率图像上进行细节合成.合成过程中,选择中心对称的高斯函数对图像块进行加窗处理,以抑制分块重叠带来的重叠区影响.实验结果数据表明,文中算法不但能明显解决由于伪高频成分导致的面块或线条现象,重建出的图像纹理细节更真实丰富,纹理结构和边缘特征的清晰度和对比度较高,得到的高分辨率图像视觉效果也更好.而且文中算法具有较强的拓展性,可以对多种超采样算法进行细节增强,增强后的图像清晰度和边缘锐度明显得到提高,细节纹理信息更加丰富,客观指标也得到较大幅度的提高.

基于Beckhoff超采样技术的卷烟机重量控制系统

提出一种新颖的基于Beckhoff(倍福)PLC超采样技术的卷烟机重量控制系统,根据烟支重量控制原理设计了该系统的硬件架构及其实现方案。通过现场实验表明:该系统性能稳定,运行可靠,结构简单,便于扩展,具有较高的通用性与一致性,解决了现有的基于专用电路板的重量控制系统存在的诸多问题,对于提高生产稳定性,提升产品质量和精度具有重要意义。

基于轮廓模板和自学习的图像纹理增强超采样算法

提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法,有效地恢复了插值图像丢失的细节纹理,抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息,对轮廓模板插值图像的细节纹理进行了恢复.其中,为了弥补轮廓模板插值缺少先验知识的缺陷,将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优,匹配的过程中采用双匹配,相比较于全局搜索和小窗搜索,提高了效率并保证了匹配精度.此外,使用高斯模糊代替了传统提取高频信息的方法,简化了算法的复杂度,提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗,以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成,节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行,算法效率得到进一步优化.理论分析和实验结果表明,相比传统的基于插值、基于自学习的图像超分辨率方法,本文方法获得更好的实验结果,主观效果得到明显改善,有效地恢复了图像的纹理细节,提高了图像边缘锐度,避免了产生锯齿等人工效应,客观指标得到提高.

异构融合网络下超采样图像细节增强仿真

针对超采样图像缩放至较小程度分辨率降低,导致原始图片场景中的细节信息丢失等问题,提出了基于异构融合网络的超采样图像细节增强方法。在异构融合网络中,通过双三次插值法采集训练样本,建立一个奇异值算法模型稀疏表示超采样图像;通过差值算法得获取图像初始超分辨率,利用块匹配搜索匹配像素对应点,根据奇异值阈值算法找出匹配最佳的图像,对此做加窗处理后增强超采样图像细节。仿真结果表明,峰值信噪比较高,且结构相似度值接近于1,对图像有很好的细节增强效果。

超采样技术在烟支漏气检测中的应用

分析了ZJ112卷烟机漏气模拟量检测采用单片机处理存在的一些问题,提出了采用基于工业计算机(IPC)的超采样技术的解决方法.对烟支漏气检测模拟量的超采样技术进行了分析,给出了部分IPC超采样程序及数据处理方法.超采样技术在卷烟机额定速度下进行测试表明它能满足设计要求,具有良好的开放性、可扩展性,避免了原系统存在的不足.

基于稀疏超采样的时间性反走样算法

针对时间性反走样算法在处理帧间复用时,若场景中有较多高频颜色区域或精细模型会造成重影、模糊、闪烁及子像素细节丢失的问题,提出了基于稀疏超采样的时间性反走样算法。基本思想是,在时间性反走样算法的基础上,对于无法复用历史帧像素,重新引入空间域的超采样,利用剔除算法以避免不必要的绘制开销,实现对场景的稀疏超采样。实验结果表明,该算法能够得到与超采样算法媲美的反走样效果,并具有更高的渲染效率,有效避免重影、模糊、闪烁及子像素细节丢失的问题。

基于超采样技术的液压泵测试台数据采集控制系统

本文介绍一种基于超采样技术的液压泵测试台数据采集控制系统,用于测试液压泵的长时间连续工作性能,包括液压系统主要测试部件介绍、超采样技术原理及应用、数据采集控制系统介绍、测试台的应用及其效果。该系统应用PLC超采样模块实现高频率的数据采集,通过模块化设计和PLC语言编程实现,简化了系统设计和提升了系统可升级扩展性,在实际应用中取得良好效果,并具有推广应用意义。

基于降方差采样策略的随机重构法

在随机重构法的采样过程中,每个结构特征需要的采样数量是不相等且变化的。为了将拉丁超立方采样用于降低随机重构模型的方差,基于随机重构法采样过程的特征和拉丁超立方采样原理,提出了适用于随机重构法的新型拉丁超立方采样方法,探究了在多种分子数量设定情况下应用该方法对随机重构模型的方差和精度的影响。结果表明,应用该方法能够显著降低随机重构模型的方差,提高模型的精度,在分子数量为1000~50000范围内,新模型的标准差相较传统模型降低了71.36%~74.53%,目标函数值降低了1.69%~13.82%。综合模型精度和模拟过程的运算开销,选择4000~6000作为新模型最优的分子数量设定。

采用拉丁超立方采样的电力系统概率潮流计算方法

与简单随机采样相结合的蒙特卡罗(Monte Carlo)模拟法只有在采样规模足够大时才能得到高精度的计算结果,计算量较大。文中提出了用拉丁超立方采样和Gram-Schmidt序列正交化方法改善采样值对输入随机变量的分布空间的覆盖程度、提高采样效率的计算方法,并应用于概率潮流计算中。IEEE14节点系统和IEEE118节点系统的算例验证了该方法的有效性。与传统方法相比,文中所述方法可以降低采样规模,更有效地估计输出随机变量的统计参数和概率分布,同时保留蒙特卡罗模拟法的优点,在处理相同随机变量的一系列随机问题时可以显著降低计算量。

基于扩展拉丁超立方采样的电力系统概率潮流计算

概率潮流分析中,拉丁超立方采样(Latin hypercubesampling,LHS)算法比简单蒙特卡罗仿真(Monte Carlosimulation,MCS)的效率要高,但是传统LHS(conventionalLHS,CLHS)算法采样数必须事先确定并且固定。针对现有CLHS技术的不足,提出了扩展拉丁超立方采样算法(Extended LHS,ELHS)并应用于概率潮流计算。扩展方法根据已有的N点LHS采样构造2N点LHS采样并保证扩展前后的相关性相近,在增加采样数的同时保留已有的潮流计算结果。由于采样数无法事先确定,因此提出了以扩展前后估计值变化量的相对值作为ELHS的实用化收敛判据。采用MCS、CLHS和ELHS方法分别对IEEE 30节点和IEEE 118节点系统进行概率潮流分析,所提出的方法能够在保证计算精度的前提下获得ELHS在不同采样数下的收敛趋势。算例结果证明了所提方法的高效性、精确性和易扩展性。

基于多项式正态变换和拉丁超立方采样的概率潮流计算方法

概率潮流(probabilistic load flow,PLF)计算是电力系统稳态运行分析的重要工具。针对大多数现有PLF计算方法要求已知输入随机变量的概率分布函数,而其概率分布函数难以准确建模这一问题,提出一种基于多项式正态变换和拉丁超立方采样的PLF计算方法。该方法根据输入随机变量的数字特征,通过多项式正态变换技术建立其概率分布模型,进而由基于拉丁超立方采样的蒙特卡罗仿真法得到系统节点电压和支路潮流的数字特征及其概率分布曲线。采用IEEE 30节点和IEEE 118节点系统对所提方法的有效性进行了验证。仿真结果表明:所提方法是有效的,该方法不仅具有计算速度快、精度高和稳健性好的优点,还能灵活处理输入随机变量间的相关性,具有较好的工程实用价值。

基于拉丁超立方采样技术的半不变量法随机潮流计算

新能源发电的兴起加剧了电力系统运行中的不确定性和关联性,传统潮流计算方法无法适应新环境下电网分析和评估的要求。提出一种可考虑输入变量相关性的基于拉丁超立方采样技术的半不变量法随机潮流计算方法。该算法综合了模拟法精度高、适用性广和半不变量法计算速度快的优点,采用分段线性化潮流模型减小截断误差,并通过Cholesky分解解决了半不变量法只能处理独立变量的难题。对IEEE 30和IEEE 118节点系统的测试验证了所提方法的准确性、快速性和实用性。

捷联惯导初始对准的超球体采样SRUKF算法

平淡卡尔曼滤波(UKF)在捷联惯导系统静基座大方位失准角初始对准中计算量大,且滤波数值不稳定.针对这一问题,该文将超球体采样策略与平方根UKF(SRUKF)算法相结合,提出一种改进的SRUKF算法.该算法在保证其滤波精度和UKF算法相当的前提下,通过引入超球体采样减少了采样点数,提高了计算速度.并以协方差阵的平方根矩阵代替协方差阵参加递推运算,减少了计算机舍入误差,提高了滤波数值稳定性.仿真结果表明,该算法在保证初始对准滤波精度的前提下降低了计算量,提高了滤波性能.

基于拉丁超立方采样的含风电小干扰稳定概率分析

针对电力系统小干扰稳定性研究存在许多不确定因素,如风力发电的间歇性、线路参数变化等影响系统稳定性的问题,笔者在已有分析此问题方法基础上,提出了一种采样方法——拉丁超立方采样,处理输入随机变量相关性。通过与随机采样的蒙特卡洛法相比,验证了该方法精度高和计算量小的优点。应用此方法对含有大规模风电场的2个算例进行分析,结果是拉丁超立方采样未做任何约束条件,输出结果能够真实地反映系统运行特性。

传输型光学遥感器超模式斜采样新方法研究

文章简要介绍了超模式和斜模式采样的概念,结合超模式采样技术和斜模式采样技术,提出 了一种新的传输型光学遥感器的采样方法,即超模式斜采样,该方法充分发挥了超模式和斜模式采样的优 点,在图像信噪比保持不变的情况下,地面采样间距大大缩短,遥感图像的空间分辨率可以大大提高。

SINS静基座初始对准的超球体采样STFUKF算法

初始对准是实现惯性导航高精度的一项关键技术。无迹滤波(UKF)在SINS系统静基座大方位失准角初始对准中计算量大,在不精确或错误的噪声统计情况下,收敛速度变慢,估计精度下降,甚至滤波发散。针对这一问题,将超球体采样与强跟踪无迹滤波(STFUKF)算法相结合,提高了运算速度和对准精度。利用SINS的非线性误差模型,通过数字仿真将卡尔曼滤波、UKF和STFUKF的性能进行比较,证明该方法具有精度高、抗干扰性好、跟踪能力强的特点。

超模式采样在资源红外相机中的应用研究

介绍了超模式采样的研究背景和成像概念 ,在此基础上提出了超模式采样应用于资源红外相机B9谱段的方案 ,设计了资源红外相机B9谱段的超模式采样探测器焦平面组件 ,并就工程实现设计了实验原理图和相关的实验步骤。

超模式斜采样遥感图像超分辨复原方法

超模式斜采样成像技术通过将两排探测器阵列倾斜成像提高相机空间分辨率。由于不满足香农采样定理,图像中出现混叠。为了降低混叠对遥感图像超分辨复原的影响,文章提出了一种结合最佳倒易晶胞的超分辨复原方法。该方法根据超模式斜采样频域对偶网格建立相应的混叠模型,通过权重函数衡量噪声和混叠在频谱中的分布,得到噪声、混叠最小最佳倒易晶胞;并基于Huber-MRF(Markov Random Field)图像先验模型建立了耦合最佳倒易晶胞的MAP(Maximum a Posterior)超分辨复原模型。实验表明,该方法降低了超模式斜采样成像中混叠对复原的影响,获得了良好的超分辨复原效果。

基于超球体单形采样的BS-UKF算法在单站无源目标跟踪中的应用

根据单站无源目标定位跟踪模型,提出了一种基于超球体采样策略的BS-UKF(backward-smoothing unscent-ed Kalman filter)算法,并将其应用于单站无源目标跟踪。仿真分析表明,与标准比例采样的UKF(unscented kalmanfilter)和基于超球体单形采样的UKF相比,该算法在滤波精度上有显著的提高,在时间复杂度上有一定的增加,适合用于对定位精度要求较高的情况。

EIV模型参数求解的超球体单行采样法

EIV模型实际上是一种非线性模型,其参数估值是有偏的。引入可以使参数解达到二阶精度的超球体单行采样法,通过特定的采样策略近似非线性函数的概率密度分布,无需计算非线性函数的Jacobi矩阵和Hessen矩阵。在一定程度上降低了求非线性函数达到二阶精度的参数解的难度。通过算例表明,该方法可以得到比TLS迭代方法更为合理的结果,验证了本文方法的可行性和有效性。