电器标签分类的SVM方法研究

SVM是图像识别与分类中的重要方法。对家电标签图像的自动分类问题进行研究,设计了图像采集、预处理、特征提取、特征向量分类整套算法流程。对除噪后的标签图片,利用标签矩形边框这一信息校正因标签拍摄角度而引起的畸变。选取校正后标签图像的HSV统计直方图、ASM能量、逆差矩、对比度和自相关性5项参数构成特征向量对图片进行描述。采用决策树+SVM分类器的结构对特征向量进行分类,最终获取标签图像所属类别。实验结果表明,决策树+SVM结构在训练样本个数极少的条件下,仍能完成模型训练,并以一定的准确率快速完成目标图像的分类工作。     

基于轮廓波变换和局部二元模式的齿轮箱故障分类方法研究

针对实际工况中难于提取齿轮箱故障特征的问题,根据轮廓波变换的全局纹理和局部二元模式的局部纹理特性,提出了一种基于振动信号时频图像的故障特征提取方法。首先,利用小波变换将振动信号变换到时频域并得到其时频灰度图像;然后,对该灰度图像进行轮廓波变换,得到低频和高频子带部分,提取低频子带的均值和标准差以及高频子带各层的能量均值作为一部分特征向量;同时,对该时频灰度图像进行局部二元模式的特征值提取并得到另一部分特征向量,将两部分特征向量进行组合连接得到最终的特征向量;最后,利用支持向量机对齿轮箱不同程度故障进行分类测试,实验结果表明了该方法的有效性,为机械设备的模式识别提供了一种方法。     

基于二维Gabor变换和粒子群优化BP网络的人脸表情识别

研究了使用二维Gabor小波变换和DCT离散余弦变换实现人脸特征提取并使用BP神经网络进行表情分类识别的方法。首先,将人脸图像经过归一化预处理,然后经过二维Gabor变换生成不同尺度和方向下的特征向量,为了降低其维数,使用DCT离散余弦变换对其进行压缩,提取最终的表情特征向量。为了提高BP神经网络对表情的分类精度和减少训练时间,使用改进的粒子群算法PSO来优化BP神经网络的各权值和阀值。仿真结果表明:使用Gabor小波变换并经DCT进行压缩后得到的特征向量,在经过粒子群优化的BP神经网络进行训练后,能有效地实现对其进行分类,具有较其他方法较高的识别率。     

基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

基于火焰图像的回转窑烧成状态识别方法研究

烧成带状态的准确识别是回转窑烧结过程中最为关键的一环.给出了一种新颖的基于火焰图像的烧成状态识别方法.首先,基于一种新颖的设计方法得到的压缩Gabor滤波器组作为预处理阶段,增强具有不同纹理特性的物料区域和火焰区域的可分性.然后,对预处理后的火焰图像采用主成分分析寻找特征火焰图像,通过关联每幅火焰图像与特征火焰图像提取火焰图像的全局特征向量,最终经由概率神经元网络分类器对特征向量进行分类识别.实验结果表明了该方法的有效性.     

基于机器视觉的装配动作自动分割与识别

在对装配作业人员进行动作分析的过程中,动作的识别和记录一般通过手工操作完成,这种方法不仅工作量大,而且效率低。为解决该问题,提出了一种新的基于机器视觉的装配动作自动分割与识别方法。首先利用基于内容的动态关键帧提取技术提取视频流中的关键帧,实现动作的自动分割;然后提取感兴趣区域的尺度不变局部特征点,据此得出关键帧的特征向量;最后,基于支持向量机构建特征向量分类器对动作进行分类。装配线上样本视频的实验结果表明,所提方法达到了96%的正确识别率。     

英语科技文体中名词作代称特点剖析

提出了一种基于强化学习技术的数字X光乳腺图象自动分割方法。该方法由分割模块和学习模块组成:分割模块利用区域生长算法并结合平滑滤波和形态学滤波分割乳腺图象;学习模块将分割结果作为反馈,利用强化学习技术自动学习不同图象特征的最优分割参数。该方法通过训练可以适应于各种类型的数字X光乳腺图象,从而不必对不同类型乳腺图象进行繁琐易错的手工参数调整。定量实验结果表明,该方法对几类数字X光乳腺图象有很好的分割精度。与以前提出的方法相比,该方法对不同类型乳腺图象具有更好的适应性。     

动静脉血管自动分类方法及其管径测量

视网膜动静脉管径以及动静脉比值可以反映高血压患者脑卒中发病的风险,因此对视网膜血管直径的量化分析有助于病情的风险评估和防治工作。提出了一种视网膜动静脉自动分类和血管直径的自动测量方法。首先,对视网膜血管网络进行分割,并获取中心线;其次选取了不同颜色空间中的不同通道分量,提出了基于中心线像素和血管像素的特征向量、血管宽度和中心光反射的特征向量,采用K均值聚类实现感兴趣测量区域内动静脉的自动分类;最后统计血管横截面的灰度曲线分布,利用高斯曲线进行拟合,根据半高度全宽获取动静脉宽度。分别对REVIEW和DRIVE数据库进行实验,验证了本方法的有效性。     

废旧铅酸蓄电池的X射线图像识别分类研究

为提高废旧铅酸蓄电池回收效率和金属回收质量,提出采用自动化手段分类废旧铅酸蓄电池。针对该识别分类问题,首先将主成分分析法、线性判别分析法应用于废旧铅酸蓄电池的X射线图像的特征提取。通过支持向量机对提取的训练集图像特征向量进行训练,分别对测试集的图像数据进行分类实验,并对比了不同数量的训练集和不同特征空间维度下各种方法的识别率。实验结果表明,主成分分析法、线性判别分析法可用于废旧铅酸蓄电池X射线图像的识别,并且随着训练集与测试集样本量的增加,二次线性判别分析法表现出较为稳定的识别率。     

平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法

受目标和背景的大小比例、噪声或者随机细节等因素影响,灰度图像的灰度直方图可能呈现出无峰、单峰、双峰或者多峰模式。为了在统一框架内处理这4种不同直方图模式下的自动阈值选择问题,提出了一种平稳小波域多尺度乘积下的指数Renyi熵自动阈值选择方法。该方法首先利用平稳小波对原始图像进行水平、垂直和对角方向的多尺度变换,再对各个方向的高频子带进行多尺度乘积运算构造出融合图像;然后通过内外轮廓图像对融合图像进行采样重构一维直方图;最后计算重构直方图所对应的指数Renyi熵,并取最大值对应的阈值作为最终分割阈值。提出的方法与4种自动阈值分割方法、2种聚类分割方法以及2种活动轮廓分割方法进行了比较。在16幅合成图像和50幅真实世界图像上的实验结果表明：在合成图像集中,相比于分割精度第2的方法,平均马修斯相关系数提高了41.2%;在真实世界图像集中,相比于分割精度第二的方法,平均马修斯相关系数提高了20.8%。提出的方法具有更稳健的分割适应性,且在分割精度方面明显优于其他8个分割方法。     

Underwater cable detection in the images using edge classification based on texture information

In this paper, a new approach is proposed for detection of an underwater cable, which makes an Autonomous Underwater Vehicle (AUV) capable for automatic tracking. In this approach instead of traditional image segmentation, first, edges of the images are extracted. Then they are classified using Multilayer Perceptron (MLP) neural network and Support Vector Machine (SVM) using texture information. Then the edge points belonged to the background information are removed and the remaining ones are used for the next processes. Finally, the filtered edges are repaired by morphological operators and are fed into the Hough transform for cable detection. Some texture information methods are used for feature extraction but the results confirm that the 2D Fourier transform in combination with MLP network is the best method for edge classification in this environment. Hough transform, is used in two strategies, which in the first one, the whole information of the edges in the image, are used for line detection, and in the second approach because of curve like shape of the cable, a center part of the image, is used for line detection. In the experiments, many different scenes was used for testing the cable detection algorithm, which first method, resulted to good accuracy but the second one, provided better recognition rate for the cable detection task.     

分阶式双渐开线齿轮加工新方法

对近年来提出的新型齿轮——分阶式双渐开线齿轮,建立了其齿廓形成的新型几何模型,进而提出了一种经济、简便的加工方法——正交双向联动变位法,并进行了计算机仿真加工试验;结果表明,提出的新方法是正确、可行的。其最大的特点就是利用常规齿轮滚刀实现其加工,从而大大降低了制造成本,缩短了制造周期。     

汽车换挡杆操纵力反馈舒适度测评方法

基于汽车换挡杆的操纵力反馈特性,提出主客观结合的换挡杆操控舒适性测评方法,以弥补主观评价的不足。分析汽车换挡杆操纵力反馈随操纵位移的变化特征以及驾驶者的个体差异,分别针对选挡、进挡和退挡过程提取相对力反馈极值和相对操纵刚度作为客观测评指标;利用粒子群优化算法(PSO)对前向反馈(BP)神经网络进行改进,从而建立面向换挡杆操纵力反馈舒适性的PSO-BP神经网络测评模型,用以表征客观指标集与主观评分之间的映射关系;最后,以普通轿车上应用较多的手动变速器为例,利用在操控试验中获取的48组样本数据对模型进行训练和检验。结果表明,应用该方法取得了较为准确、稳定的测评效果,能够为汽车变速器操控舒适性优化设计提供指导。     

核函数主元分析及其在齿轮故障诊断中的应用

提出了基于核函数主元分析的齿轮故障诊断方法。该方法通过计算齿轮振动信号原始特征空间的内积核函数来实现原始特征空间到高维特征空间的非线性映射。通过对高维特征数据作主元分析,得到原始特征的非线性主元,以所选的非线性主元作为特征子空间对齿轮工作状态进行分类识别。用齿轮在正常状态、裂纹状态和断齿状态下的试验数据对该方法进行了检验,比较了主元分析与核函数主元分析的分类效果。结果表明,核函数主元分析能有效的检测裂纹故障的出现,正确区分不同的故障模式,更适于提取故障信号的非线性特征。     

基于机器视觉的齿轮图像拼接方法研究

基于机器视觉的测量技术现在已经相当成熟,但目前使用机器视觉进行工业零件测量的多为小尺寸零件,对于超出工业相机有效物距的零件的测量较少。应用图像拼接方法,将拍摄到的单个齿轮的多个图像拼接成一个完整的齿轮图像,以便后续进行齿轮的测量。在图像拼接过程中,将SURF特征点检测与FREAK特征描述子相结合,节省了特征匹配的时间,提高了拼接速度;使用两次BFMatcher(暴力匹配)及对称性验证,提高了特征匹配点的质量;对特征匹配点进行多次筛选,保证了变换矩阵的准确性;去除变换矩阵中的缩放和剪切动作,保证了图像只进行刚性变换;采用加权图像融合方法,保证了图像的无缝拼接。经实验和误差分析,结果表明该齿轮拼接技术方法速度快、精度高。     

基于DRGAN和支持向量机的合成孔径雷达图像目标识别

为解决SAR图像目标识别中样本缺乏和方位角敏感问题,提出了一种基于DRGAN和SVM的SAR图像目标识别算法。首先,采用多尺度分形特征对SAR图像进行增强,经过分割得到目标二值图像,基于Hu二阶矩估计目标的方位角。然后对估计得到的目标方位角进行量化编码,结合原始图像作为输入,对设计的DRGAN模型参数进行训练与优化。由于DRGAN中的深度生成模型将目标姿态与外观表示进行解耦设计,故可利用该模型将SAR图像样本变换到同一方位角区间。基于变换后的训练样本分别提取归一化灰度特征,利用SVM训练分类器。采用MSTAR数据集在多个不同操作条件下对提出的算法进行测试,实验结果表明,在带变体的标准操作条件下,能够达到97.97%的分类精度,优于部分基于CNN模型的分类精度,在4种扩展操作条件下的分类精度分别为97.83%,91.77%,97.11%和97.04%,均优于传统方法的分类精度。在SAR图像目标方位角估计存在一定误差的情况下,训练得到的GAN模型作为SAR图像目标旋转估计器,能够使得在不进行复杂样本预处理的前提下,仍然取得较高的SAR图像目标识别精度。     

电控机械自动变速系统超速挡换挡规律研究

以长安SC7130轿车为设计对象,建立了电控机械自动变速汽车的最佳动力性换挡规律。在此基础上,针对超速挡时动力性换挡规律出现的换挡错误,从而导致汽车最高车速无法实现,以及部分油门开度下出现换挡循环的问题进行了研究,建立了修正后含超速挡的最佳动力性换挡控制规律。该换挡规律已在仿真和台架实验中进行了验证,并应用于SC7130实验样车的开发研究中。     

A two-step feature selection method for monitoring tool wear and its application to the coroning process

Coroning is a complex and multi-directional gear finishing process involving metal removal of gear teeth surface, and condition monitoring has not been applied to this process. In order to capture the progress of wear, an acoustic emission (AE) sensor is used, but the large data size of AE requires extensive dimension reduction and feature selection. The conventional method of averaging to reduce the data size may have the risk of losing information as higher frequencies are filtered off. A two-step feature selection method is implemented using class mean scatter criterion and modified relevance/redundancy analysis. This method results in feature dimension reduction and enhances classification performance. It involves first ranking candidate features by calculating their separability. Features which are correlated are then combined to reduce dimensions without averaging. Application of this two-step feature selection technique enables coroning tool wear to be monitored with a classification rate of 98.3 % compared to 94.1 % using conventional feature selection.     

基于LCD和KNNCH分类算法的齿轮故障诊断方法

提出了一种基于局部特征尺度分解(LCD)和核最近邻凸包（KNNCH）分类算法的齿轮故障诊断方法。该方法采用LCD对齿轮原始振动信号进行分解得到若干内禀尺度分量(ISC),然后提取包含主要信息的ISC分量的能量作为特征向量输入到KNNCH分类器,根据其输出结果来判断齿轮的工作状态。实验分析结果表明,所提出的方法能有效地提取齿轮故障特征信息,而且在小样本的情况下仍能准确地对齿轮的工作状态进行识别。同时,与支持向量机(SVM)算法的对比分析结果表明,KNNCH算法能取得与SVM算法相当或更高的正确识别率。     

基于多模态信息融合的图像情感标注方法

随着互联网中图像资源的不断增长,情感作为图像的一个重要语义,是人们检索和选择图像的重要依据,因此对于图像进行情感标注显得至关重要。结合脑电信号(EEG)和图像内容,提出了一种基于多模态信息融合的图像情感标注方法。首先,提取EEG频域特征及图像特征(颜色及纹理);其次,结合两者特征信息,基于两种融合策略(特征层和决策层),构建支持向量机分类模型,进行图像情感识别与标注。为了评估方法的有效性,使用国际情绪图片系统公共数据集进行了实验验证。结果表明,提出的多模态信息融合图像情感标注方法优于单独使用EEG或图像内容的标注方法。此外,该成果有助于缩小低层视觉特征和高层情感语义之间的语义鸿沟。