多关节测量臂是一种便携式的坐标测量设备, 它由一系列的旋转关节组成。为了提高多关节测量臂的测量精度和可重复性水平, 必须对其运动学参数进行校准。首先, 利用小生境的混沌优化算法提出了一种新的运动学校准方法以及一种混合目标的运动学校准函数, 它考虑了诸如单点测量实验、容积性测量实验等多种性能测量实验的实验结果, 然后, 采用Levenberg Marquardt(L-M)算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。实验结果表明: 使用NCOA算法校准后, 测量误差的标准差始终优于LMA算法, 并且校准前后多关节测量臂的测量精度提高了40倍。采用L-M算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。

研究了HMT(隐马尔科夫树)在变换域中进行图像降噪的应用.就不同复杂程度的图像、不同类型噪声、及用不同的变换域与传统方法进行比较,得到结论:变换域中的方法比在非变换域中的传统方法优越,HMT在小波域和DCT域有着近似的效果,在高斯白噪声下HMT方法是最有效的,在相关噪声下,降噪效果与图像纹理的复杂度及噪声的强度有关.

提出一种估计图像噪声的方法,该方法用混合高斯概率密度模型拟合图像的小波系数中最高频率子带的直方图,用EM算法估计模型的参数,选取其中最小的标准方差作为图像噪声标准方差.用该方法能准确地估计图像高斯噪声的标准方差,尤其当图像的噪声比较弱时,该方法比传统方法更准确.