-
题名基于贝叶斯匹配追踪的SAR图像重构
被引量：3
- 1
-
-
作者
徐建平
皮亦鸣
-
机构
电子科技大学电子工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2012年第7期2722-2724,2736,共4页
-
基金
中央高校基础研究基金资助项目(ZYGX2009Z005)
国家自然科学基金资助项目(60772143)
-
文摘
结合稀疏贝叶斯学习和压缩感知(CS)理论,提出了一种基于贝叶斯匹配追踪的SAR图像重构的新方法。该方法将SAR图像的重构过程看做是一个线性回归问题,而待重建的图像是该回归模型中的未知权值参数。利用高斯混合参数对未知权值参数赋予确定的先验条件概率分布,用于限制权值参数的稀疏性。该方法能够得到重建图像所需要的一组具有较高后验概率密度的模型,从而实现图像在最小均方误差(MMSE)意义下的重构;对于高斯混合模型中参数未知的情况,可以采用基于EM的最大似然估计方法估计。实验结果表明,基于贝叶斯匹配追踪的SAR图像重构方法能够获得精确的重建图像,并且能够有效地保持图像的细节特征。
-
关键词
压缩感知
SAR图像
高斯混合参数
贝叶斯
EM
-
Keywords
compressive sensing（CS）
SAR image
Gaussian mixture parameter
Bayesian
EM
-
分类号
TN95
[电子电信—信号与信息处理]
-
-
题名基于示教学习和自适应力控制的机器人装配研究
被引量：6
- 2
-
-
作者
陈鹏飞
赵鑫
赵欢
-
机构
华中科技大学数字制造装备与技术国家重点实验室
-
出处
《机电工程》
CAS
北大核心
2020年第5期559-564,571,共7页
-
基金
国家重点研发计划项目(2017YFB1301501)。
-
文摘
针对柔性自动化领域的机器人装配问题,对示教学习和自适应力控制等方面进行了研究,对初始位置变化时示教搜孔、插孔时降低接触力矩波动速度和误差的策略进行了归纳,提出了利用示教学习对搜孔轨迹泛化和模糊自适应阻抗控制插孔的方法。首先根据是否与孔产生接触力将示教任务分为两段;接着利用了任务参数化的高斯混合模型(TP-GMM)训练并泛化第一段轨迹;最终和原示教的第二段轨迹组合为新的搜孔轨迹;采用了六自由度阻抗控制使得机器人具有柔顺性,再利用了模糊自适应策略调节阻抗控制中Z轴期望接触力,利用UR机器人对方形孔进行了装配试验验证。研究结果表明:所提出的策略在新的初始位置,仍能绕过障碍物并生成新的搜孔轨迹,无需再次示教;调节期望接触力相比其不变时,绕X轴方向力矩波动速度低,且波动误差减小了30%。
-
关键词
机器人装配
示教学习
模糊自适应阻抗控制
任务参数化高斯混合模型
力矩误差
-
Keywords
robotic assembly
learning from demonstration
fuzzy adaptive impedance control
task-parameterized Gaussian mixture model(TP-GMM)
torque error
-
分类号
TH161.7
[机械工程—机械制造及自动化]
TP242.2
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名序列颅脑CT图像颅腔内结构自动化提取及分割
被引量：1
- 3
-
-
作者
江少锋
陈武凡
冯前进
杨素华
-
机构
南方医科大学医学图像重点实验室
南昌航空大学电子信息学院江西南昌
南昌航空大学电子信息学院
-
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2007年第12期1805-1808,共4页
-
基金
973国家重点基础研究发展规划资助项目(2003CB716101)
国家自然科学基金(30730036)
-
文摘
目的自动化提取和分割序列颅脑CT图像颅腔内结构。方法本研究首先利用颅脑CT的解剖学结构,基于区域生长法和形态学方法提取出序列颅脑CT颅腔内结构。然后针对应用EM(期望最大化)算法分割图像时,初始值选取难点,提出了一种改进的基于参数受限高斯混合模型的EM分割算法,实现了对颅内结构的有效分割。结果实验结果表明,该算法能够实现从颅底到颅顶的所有CT图像颅腔内结构的计算机自动化提取和分割,结果准确。结论本文算法在绝大多数情况下是有效的。
-
关键词
区域生长
颅脑CT分割
参数受限的高斯混合模型
EM算法
-
Keywords
region growing
image segmentation
cerebral computed tomography
EM algorithm
parameter-limited GMM
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
