針對目前采用的建立復(fù)雜的數(shù)學(xué)模型模擬高爐內(nèi)部煉鐵過程在實際生產(chǎn)中的實時性和可應(yīng)用性不強的問題,提出了一種基于壓縮感知的高爐料面圖像重建算法。該算法通過小波變換構(gòu)建稀疏矩陣和隨機高斯矩陣直接獲取部分料面圖像信息,再利用正交匹配追蹤算法重建原始的高爐料面圖像。仿真結(jié)果表明:本研究提出的圖像重建算法效果良好。 

【文章來源】：天津職業(yè)技術(shù)師范大學(xué)學(xué)報. 2020,30(02)

【文章頁數(shù)】：4 頁

【部分圖文】：

高爐料面圖像重建算法流程

6種典型的高爐料面圖像

壓縮感知觀測圖像

【參考文獻(xiàn)】：
期刊論文
[1]一種基于壓縮感知的全變分圖像去噪算法[J]. 劉澤鵬,陳媛媛.  測試技術(shù)學(xué)報. 2018(04)
[2]基于灰度共生矩陣的圖像自適應(yīng)分塊壓縮感知方法[J]. 杜秀麗,張薇,顧斌斌,陳波,邱少明.  計算機科學(xué). 2018(08)
[3]基于壓縮感知重構(gòu)算法和形態(tài)濾波的AMT近源干擾壓制（英文）[J]. 李廣,肖曉,湯井田,李晉,朱會杰,周聰,嚴(yán)發(fā)寶.  Applied Geophysics. 2017(04)
[4]基于近似消息傳遞的小波域圖像壓縮感知[J]. 程銀波,司菁菁.  燕山大學(xué)學(xué)報. 2017(06)
[5]基于CCD圖像傳感器的壓縮成像方法[J]. 張淑芳,朱彬華,李瑞.  激光與光電子學(xué)進(jìn)展. 2017(11)
[6]基于分?jǐn)?shù)階的多向微分算子的高爐料面輪廓自適應(yīng)檢測[J]. 蔣朝輝,吳巧群,桂衛(wèi)華,陽春華,謝永芳.  自動化學(xué)報. 2017(12)
[7]基于圖像處理的中心煤氣流分布識別方法[J]. 王正友.  計算機仿真. 2013(09)
[8]基于料面溫度場的高爐煤氣流分布識別方法[J]. 吳敏,王昌軍,安劍奇,何勇.  信息與控制. 2011(01)
[9]壓縮傳感綜述[J]. 李樹濤,魏丹.  自動化學(xué)報. 2009(11)



本文編號：3240188