基于多尺度压缩感知的信号重构

压缩感知是近几年新兴的采样理论,它指出如果信号在某些基上是可压缩的,那么通过很少的观测即可获得信号的准确重构。当信号采用小波基并在压缩感知的基础上,提出了多尺度压缩感知,数值仿真结果表明多尺度压缩感知可以给出更好的重构效果。     

一种基于小波变换的红外图像对比度增强技术

将小波变换理论应用于红外图像处理 ,提出一种基于小波变换的红外图像对比度增强方法。对低对比度的红外图像施行小波变换 ,得到其多尺度梯度分布 ;合理地增强其在各个尺度上的梯度模值 ,直接扩大尺度空间图像的动态范围 ,既增强了图像的对比度 ,又控制了噪声。实验结果表明 ,与直方图均衡方法相比 ,此方法效果较佳     

雾化过程的多尺度仿真算法

提出了一种雾化过程多尺度仿真算法:对大块液团运动,采用流体体积法直接模拟;将与网格尺度相当或更小的液滴简化成粒子,采用一种基于虚网格的拉格朗日粒子法进行追踪;湍流运动采用了湍流动能单方程输运模型的大涡模拟。基于新算法开发了一套仿真程序,并对此程序进行了验证,对影响模型精度的重要参数进行了深入研究。采用该算法对单股射流的雾化过程进行了仿真,雾场的瞬态和统计特性分析表明,仿真结果与试验结果吻合较好。