基于EVMD-LNMF的复合故障信号分离方法

非负矩阵分解算法(NMF)和变分模态分解算法(VMD)已用于复合故障信号的分离,但VMD算法过程中模态分量个数难以确定,且NMF算法由于缺少相关约束,对故障源相互耦合,特征信息微弱分解效果并不理想。为此提出了基于能量收敛因子为判据的变分模态分解算法(EVMD)与局部非负矩阵分解算法(LNMF)相结合的复合故障信号分离方法;构造了能量收敛因子,并以此为判断准则,自适应确定VMD算法中模态分量个数;将获得的模态分量重构组成模态矩阵,采用邻近特征值占优法获取LNMF算法中的最优分解维数;对模态分量作LNMF算法处理,突出局部特征信息,从而分离出耦合的多故障信号,提取故障特征信息。仿真及轴承复合故障实验结果表明:提出的基于EVMD-LNMF的信号分离方法,明显优于未改进的VMD-NMF方法,可以有效分离并提取出外圈与滚动体冲击性特征,实现了轴承的复合故障诊断。     

NSST域改进NMF的红外与可见光图像融合

针对红外与可见光图像融合时细节信息提取不充分、算法复杂度高等缺点,本文提出一种降低算法复杂度、丰富细节信息的基于非降采样剪切波变换(NSST)和非负矩阵分解(NMF)的红外与可见光图像融合算法。该方法根据NSST算法对源图像分别进行多尺度、多方向稀疏分解,分别得到低频部分和高频部分。对低频部分采用基于改进的NMF融合规则;对高频部分采用拉普拉斯能量和视觉敏感度系数相结合的融合规则。最后,对低频融合部分和高频融合部分执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合图像的清晰度,同时还可以缩短算法的运行时间。     

非负矩阵分解及其应用探讨

介绍非负矩阵分解(non-negative matrix factorization,NMF)的基本算法思想及其实现过程,并对其在一些重要领域内的应用现状进行概括归纳,最后提出NMF方法在图像处理方面存在的问题及其改进的趋势。     

双约束非负矩阵分解的复合故障信号分离方法

为了分离复合故障振动信号,提出了一种采用双约束非负矩阵分解算法的信号分离方法。首先对原始振动信号采用短时傅里叶变换,通过时频分布信息来描述信号的局部故障特征;其次在传统非负矩阵分解算法中引入β散度约束与行列式约束,构成双约束非负矩阵分解算法,利用双约束非负矩阵分解算法实现数据的降维,并从低维空间中分离出特征分量;然后通过特征分量重构出时域波形,同时提出加权峰值因子的影响参数筛选重构信号;最后将筛选出的分离信号进行包络频谱分析,提取故障特征。仿真及轴承复合故障实验结果表明:所提出的方法可以有效分离并提取出外圈与滚动体冲击性特征,实现了轴承的复合故障诊断。     

基于KVMD-PWVD与LNMF的内燃机振动谱图像识别诊断方法

为了直接对内燃机振动谱图像进行诊断识别,提出一种基于改进变分模态分解(VMD)、伪魏格纳时频分析(PWVD)与局部非负矩阵分解(LNMF)的内燃机振动谱图像识别诊断方法。该方法首先针对VMD分解过程中的层数选取问题,提出了一种中心频率筛选的VMD分解层数改进方法(KVMD),然后将内燃机振动信号利用KVMD分解成一组单分量模态信号,并对生成的各个单分量信号进行伪魏格纳分析处理后表征成振动谱图像;在此基础上,对生成的内燃机KVMD-PWVD振动谱图像分别采用非负矩阵分解(NMF)和LNMF形成编码矩阵,并采用最近邻分类器、朴素贝叶斯分类器和支持向量机对上述编码矩阵直接进行模式识别,以实现内燃机振动谱图像的自动诊断。最后,将该方法应用在内燃机故障诊断实例中,结果表明:该方法改进了传统图像模式识别中的特征参数方法,能有效诊断出内燃机气门间隙故障,三种分类器识别精度均大于93%,其中支持向量机的分类精度最高,达到99.8%,且采用LNMF形成的编码矩阵识别精度整体高于NMF,为内燃机振动诊断探索了一条新途径。     

一种改进NMF算法及其在人脸识别中的应用

为了提高非负矩阵分解(NMF)算法对光照、姿态等外部因素的鲁棒性,本文对传统的NMF进行改进,提出了一种改进的NMF方法.首先对NMF基图像进行判别分析,然后选择主要反应类内差异的基图像来构造子空间,最后在子空间上进行识别.通过Havard人脸库和Umist人脸库上的实验,结果表明,该方法能够对光照和姿态的变化具有一定的鲁棒性和较高的识别率,比传统的NMF方法和PCA等子空间分析法识别率提高了20%以上.     

基于多层次视觉语义特征融合的图像检索算法

目的为了解决低层特征与中层语义属性间出现的语义鸿沟,以及在将低层特征转化为语义属性的过程中易丢失信息,从而会降低检索精度等问题,设计一种多层次视觉语义特征融合的图像检索算法。方法首先分别提取图像的3种中层特征(深度卷积神经网络(DCNN)特征、Fisher向量、稀疏编码空间金字塔匹配特征(SCSPM));其次,为了对3种特征进行有效融合,定义一种基于图的半监督学习模型,将提取的3个中层特征进行融合,形成一个多层次视觉语义特征,有效结合3种不同中层特征的互补信息,提高图像特征描述,从而降低检索算法中的语义鸿沟;最后,引入具有视觉特性与语义统一的距离函数,根据提取的多层次视觉语义特征来计算查询图像和训练图像的相似度量,完成图像检索任务。结果实验结果表明,与当前检索方法对比,文中算法具有更高的检索精度与效率。结论所提算法具有良好的检索准确度,在医疗、包装商标等领域具有一定的参考价值。     

基于深度学习耦合稀疏语义度量的商标检索算法

目的针对当前商标图像检索中的语义鸿沟问题,提出一种深度学习耦合稀疏语义度量的商标图像检索方案,有效抑制噪声干扰,降低冗余特征维数。方法首先,根据由卷积与池化组成的无监督学习机制,对输入商标图像进行多层特征提取,输出一维特征向量。随后,通过L2-支持向量机(L2-SVM)进行分类,利用特征向量进行训练,获得多级联特征。然后,根据商标图像的多级联特征和用户标签信息的异构数据结构,设计一种稀疏语义度量方法进行相似检索,减少语义鸿沟。此外,引入一种混合范数作为相似度量的稀疏约束,以抑制原始输入空间中的冗余特征维数和噪声,优化检索结果。结果实验表明,与当前流行的商标检索方案相比,所提算法具有更高的检索精度,其输出的结果中仅有1幅无关图像。结论该方案具有较高的检索精度和较强的鲁棒性,在商标检测、商标保护等方面中具有良好的应用价值。     

基于双级特征提取与度量的图像检索算法

目的 针对单一低层特征在语义属性中的信息易丢失,导致其对图像描述能力不强,使其检索精度不佳的问题,结合颜色矩（CM）、角径向变换描述符（ART）和边缘直方图（EH）等3种特征,定义一种双级特征提取与度量的图像检索方案。方法 首先,将图像转换为HSV色彩空间,并将其分割为若干个非重叠子图像,通通过计算每个子图像的均值、标准差和偏斜度来表征CM;再利用Euclidean距离,对查询图像和数据库图像的CM进行提取与度量,将输出的检索结果标记为一个图像集。随后,提取查询图像与图像集中每个目标的ART和EH特征;利用Euclidean距离分别度量查询图像与图像集中目标的ART与EH的相似性;最后,对ART与EH的加权组合,输出相似性最高的检索图像。结果 实验表明,与当前常见的检索算法比较,文中算法具有更高的检索精度,表现出更优异的Precision-Recall曲线。结论 所提算法具有良好的检索准确度,在信息处理、包装商标等领域具有一定的参考价值。     

基于图非负矩阵分解的图像配准

本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法.首先利用图像特征构造了无向权图的非负权矩阵,通过非负矩阵分解得到了包含原始图像全部特征的特征基图像;然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代,既能反映图的结构特征信息,又能提高图像的匹配率;最后在特征基向量空间找到了两图...     

改进的Kullback-Leibler复非负矩阵分解语音增强算法

针对单通道非负矩阵分解语音增强算法忽略相位信息的问题，提出了一种改进的Kullback-Leibler复非负矩阵分解的语音增强算法。该算法考虑到传统非负矩阵分解算法在复频域中增强语音时目标函数的影响，构建了一种适用于复频域的Kullback-Leibler散度下的目标函数，同时采用频谱一致性约束相位谱补偿算法，使其重构出的语音数据相位谱得到进一步的调制。实验结果表明，对于不同的非平稳噪声，所提出的算法在不同信噪比下均取得了较好的语音增强效果，尤其在低信噪比条件下（0 dB以下）语音增强效果较为明显，性能评估指标的增量较高，较好地克服了由传统相位谱补偿算法造成的信源失真率较低的缺点，进一步减少失真，抑制背景噪声，实现语音增强。     

基于字典统计耦合归一化多重距离的图像检索算法

目的针对当前彩色图像检索技术容易受到色彩的干扰,使其鲁棒性不强等不足,提出一种字典统计耦合归一化多重距离的彩色图像检索算法。方法首先将图像量化并转换成一维信号,然后引入字典统计,将一维信号进行字典编码,并计算编码后的图像多样值,在归一化字典距离的基础上嵌入字典编码图像的多样值,从而定义归一化多重距离(NMD)的相似度量准则,利用NMD对查询图像与数据库图像的多样值进行比较与识别,搜索出与查询图像具有相同特征的最相似图像,完成目标检索。结果在COREL数据库的实验结果表明,相对于当前常用的检索技术,该检索算法具有更高的查准率和查全率,可对彩色图像完成精确检索,有效减低了色彩对检索性能的干扰。结论文中算法具有较好的检索精度,能够较好地用于医疗、商标等领域的目标检索。     

基于稀疏非负矩阵分解的低空声目标识别

借鉴人耳听觉原理和特征学习的优势,提出了梅尔(Mel)频率谱提取和稀疏非负矩阵分解相结合的方法用于低空飞行目标声信号识别。首先,以不同目标的Mel频率谱为特征矩阵,利用稀疏非负矩阵分解方法学习得到各自的模板矩阵;然后,利用按列合并后的模板矩阵对训练/测试样本进行特征分解获得编码系数,该系数可作为分类特征;最后,结合不同目标的特点,采用分频段特征提取和顺序二类分类的方法进行多目标分类,并与Mel频率倒谱系数进行性能比较。结果显示,无论在单类目标辨识还是在多类目标分类中,稀疏非负矩阵分解方法均取得了更好的效果。     

一种新的SIFT几何校正的抗几何攻击水印算法

目的为了提高抗几何攻击水印算法的鲁棒性,提出一种新的SIFT几何校正的抗几何攻击水印算法。方法利用尺度不变特征变换算法分别提取原始图像和受几何攻击图像的特征点,在水印提取前,将原始图像和受几何攻击图像进行特征点匹配,按照匹配的特征点对受几何的攻击图像进行几何校正。在水印嵌入过程中,结合奇异值分解(SVD)特征值的稳定性和非负矩阵分解(NMF)线性无关性来增强水印图像的鲁棒性。结果文中算法在剪切、JPEG、噪声等攻击下具有很好的鲁棒性,提取出来的水印图像NC值均大于0.98,在RST攻击下水印图像的NC值也能达到0.97以上。结论提出的抗几何攻击算法能有效的抵抗各类几何攻击,具有很好的鲁棒性。     

基于可分离字典的稀疏和低秩表示图像去噪

目的 为了有效去除图像中的椒盐噪声，提高图像质量。方法 文中将可分离字典和低秩表示结合，提出基于可分离字典的稀疏和低秩表示算法(SLRR–SD)。首先，使用可分离字典代替传统的过完备字典可分离字典可以对二维图像直接表示。其次，使用Frobenius范数对分离字典进行约束以挖掘字典内部的低秩性。此外，为了挖掘图像内部的稀疏结构，对表示系数使用稀疏约束进一步提升表示的有效性。结果 提出的算法在噪声强度为5%、10%、20%和30%下，PSNR/FSIM的平均值分别为32.736/0.975、29.769/0.957、29.295/0.951和26.768/0.921。结论 文中算法保留了相邻列之间的相关性，并且可分离字典优化过程也降低了计算负担。实验结果表明，该算法在保留原图像信息的同时能更好地完成去噪任务。     

Multi-focus image fusion based on the non-subsampled contourlet transform

In this paper, a new image fusion algorithm based on non-subsampled contourlet transform (NSCT) is proposed for the fusion of multi-focus images. The selection of different subband coefficients obtained by the NSCT decomposition is critical to image fusion. So, in this paper, firstly, original images are decomposed into different frequency subband coefficients by NSCT. Secondly, the selection of the low-frequency subband coefficients and the bandpass directional subband coefficients is discussed in detail. For the selection of the low-frequency subband coefficients, the non-negative matrix factorization (NMF) method is adopted. For the selection of bandpass directional subband coefficients, a regional cross-gradient method that selects the coefficients according to the minimum of the regional cross-gradient is proposed. Finally, the fused image is obtained by performing the inverse NSCT on the combined coefficients. The experimental results show that the proposed fusion algorithm can achieve significant results in getting a new image where all parts are sharp.