共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
根据织物检测的实际情况需要,提出了基于差分盒算法的改进算法,在使用Brodatz纹理库样本的前提下,分别在盒子高度确定、盒子总数统计以及网格中盒子数量确定3个方面进行改进,在算法时间和精度两项上,对经典差分盒算法和改进算法进行了比较,对比得出了改进算法的时效性;还应用了改进差分盒算法对3种常见纹理的疵点织物进行了计算,以确认疵点织物,并验证了改进差分盒算法;实验通过检出率、误检率、漏检率和检测精度4个检测精度参数表明,改进的差分盒算法可以有效地区分疵点织物和正常织物,该方法具有很强的实用性。 相似文献
4.
建立了被动多轴差分吸收光谱层析系统,实现烟羽气体的时空浓度分布测量,分别采用传统的同步迭代重建算法(SIRT)和改进的SIRT对测量数据进行了重建分析,克服了一些实际测试中不能获
取大量投影数据或投影分布不均匀、存在噪声的问题,精确地重建出大气痕量气体的二维空间分布.在不同的模型及评价指标下,通过数值模拟对两种重建算法的效果进行比较,改变改进的SIRT算法中的松弛因子,在5500次的迭代过程中,指标d从0.435降到了0.044,指标r从0.376降到了0.044,改进的SIRT算法具有更好的重建效果.外场重建试验中成功重建了大气痕量气体的二维空间. 相似文献
5.
提出了一种新的算法—高阶辛时域有限差分法(SFDTD(3,4):symplectic finite-difference time-domain)求解含时薛定谔方程.在时间上采用三阶辛积分格式离散,空间上采用四阶精度的同位差分格式离散,建立了求解含时薛定谔方程的高阶离散辛框架;探讨了高阶辛算法的稳定性及数值色散性.通过理论上的分析及数值算例表明:当空间采用高阶同位差分格式时,辛积分可提高算法的稳定度;SFDTD(3,4)法和FDTD(2,4)法较传统的FDTD(2,2)法数值色散性明显改善.对二维量子阱和谐振子的仿真结果表明:SFDTD(3,4)法较传统的FDTD(2,2)法及高阶FDTD(2,4)法有着更好的计算精度和收敛性,且SFDTD(3,4)法能够保持量子系统的能量守恒,适用于长时间仿真. 相似文献
6.
提出了一种新的算法一高阶辛时域有限差分法(SFDTD(3,4):symplectic finite—difference time-domain)求解含时薛定谔方程.在时间上采用三阶辛积分格式离散,空间上采用四阶精度的同位差分格式离散,建立了求解含时薛定谔方程的高阶离散辛框架;探讨了高阶辛算法的稳定性及数值色散性.通过理论上的分析及数值算例表明:当空间采用高阶同位差分格式时,辛积分可提高算法的稳定度;SFDTD(3,4)法和FDTD(2,4)法较传统的FDTD(2,2)法数值色散性明显改善.对二维量子阱和谐振子的仿真结果表明:SFDTD(3,4)法较传统的FDTD(2,2)法及高阶FDTD(2,4)法有着更好的计算精度和收敛性,且SFDTD(3,4)法能够保持量子系统的能量守恒,适用于长时间仿真. 相似文献
7.
8.
9.
提出了一种新的算法——高阶辛时域有限差分法(SFDTD(3, 4): symplectic finite-difference time-domain)求解含时薛定谔方程.在时间上采用三阶辛积分格式离散, 空间上采用四阶精度的同位差分格式离散, 建立了求解含时薛定谔方程的高阶离散辛框架;探讨了高阶辛算法的稳定性及数值色散性.通过理论上的分析及数值算例表明:当空间采用高阶同位差分格式时, 辛积分可提高算法的稳定度;SFDTD(3, 4)法和FDTD(2, 4)法较传统的FDTD(2, 2)法数值色散性明显改善.对二维量子阱和谐振子的仿真结果表明: SFDTD(3, 4)法较传统的FDTD(2, 2)法及高阶FDTD(2, 4)法有着更好的计算精度和收敛性, 且SFDTD(3, 4)法能够保持量子系统的能量守恒, 适用于长时间仿真. 相似文献
10.
针对多光谱图像存储和传输安全性问题,提出一种将混沌思想、小波变换和KL(karhunen-loeve)变换相结合的多光谱图像压缩加密算法。首先,采用K-means聚类方案将多光谱图像聚类为通用像素,通过选择合适的K值使算法的性能最优,同时便于后续处理;然后对通用像素进行二维离散9/7小波变换,对变换后的系数进行Arnold变换以及加密处理,消除多光谱图像大部分空间冗余,减少压缩过程中的块效应;之后对产生的小波系数进行改进的KL变换,消除残余空间冗余和光谱冗余;最后采用差分脉冲滤波器对系数进行编码,并采用Tent映射对码流进行混淆扩散加密。通过实验可知,本算法的信息熵达到11.794 3(选取12位多光谱图像),信息熵更接近最大值12,优于现有算法,可以更好的隐藏原图特征;该算法的像素变化率(NPCR)和归一化平均变化强度(UACI)分别为99.81%和34.19,优于现有的其他算法,本算法可以更好的抵御差分攻击;输出比特流变化率保持在47.62%~47.71%之间,密文比特流变化率保持在47.45%~47.52%,本算法具有较好的密钥敏感性;在压缩比为4∶1~32∶1范围内,系统PSNR在42 dB以上,具有很高的压缩性能。在4∶1~32∶1范围内,本压缩算法达到很高的峰值信噪比,优于现有的压缩算法,在正常工作压缩比为16∶1时,比现有压缩算法的信噪比提高了0.64 dB以上。为进一步验证算法在高压缩比情况下的压缩性能,该研究测试了压缩比为128∶1时系统的信噪比为31.28,此时,重建后的图像较为清晰,优于现有算法1 dB以上。可见,该算法可行,且特别适合对压缩比要求较高的场合,并在频谱保真方面具有较好的效果。 相似文献