基于像素概率模型的背景分割算法

背景分割的目的是提取出图像中感兴趣的前景区域,本文提出了一种基于像素概率模型的背景分割算法,该算法利用高斯混合模型描述每一被观察像素的近期色彩历史,根据分类原则确定当前帧中每一像素的类别,利用在线EM算法更新模型参数。实验结果表明,本文提出的算法可以鲁棒地分割出动态场景中的前景和背景。     

基于KMM与超像素的SAR海面暗斑分割算法

提出了一种基于K乘性模型(K multiplicative model , KMM)与超像素分割算法的无监督的SAR海面暗斑检测算法。KMM算法采用矩估计法进行参数估计,应用于海表面含暗斑的感兴趣区域（region of interest, ROI）检测。通过对感兴趣区域生成的超像素进行聚类来完成最终暗斑的边缘分割。在边缘回撤率、遗漏误差、交叉误差上有较大改善,机载SAR的平均误差率为10%,而TerraSAR的平均误差率低于2%。在计算效率上也有较大提高,平均0.53 s内可处理104个像素点。实验基于高分辨率L波段机载SAR数据以及TerraSAR X数据进行,实验结果表明该方法具有较强的鲁棒性以及较高的计算效率。     

基于SLIC超像素算法和密度聚类的TA2钛板表面缺陷定量化评估研究

由于边缘效应的影响,TA2钛板涡流C扫描图像中缺陷区域与背景区域混杂,边缘对比度低,难以实现缺陷区域定量化评估。针对以上问题,提出了一种基于简单线性代聚类(SLIC)超像素算法和密度聚类算法的涡流C扫描图像分割方法。首先对TA2钛板进行涡流无损检测,获得包含有TA2钛板表面缺陷的涡流C扫描图像;然后利用SLIC超像素算法将获得的C扫描图像预分割成若干小区域;最后通过密度聚类算法对预分割后的C扫描图像进行区域合并,得到受检测TA2钛板C扫描图像中的缺陷区域,通过对缺陷区域进行细化处理和轮廓跟踪可以得到TA2钛板缺陷区域的估计长度,实现对TA2钛板表面缺陷的定量化评估研究。实验结果表明,该方法能够有效地实现受检测的TA2钛板表面缺陷的可视化、定量化分析,与传统的图像分割方法相比分割效果更优、准确性更高。     

一种基于径向基函数动态阈值模型的机组状态监测方法

针对机组工况多变，参数变动范围较大，静态阈值监督方法采取调宽阈值大小的手段不能满足机组状态监测的要求，考虑到径向基函数(RBF)所特有的局部非线性函数逼近能力，提出了一种基于RBF的动态阈值评估模型。该模型在对工况正确辨识的基础上采用RBF网络对监督量的正常趋势值和相关阈值进行跟踪提取。从输入预处理、容噪措施、在线学习等几个方面对网络的建模策略进行了着重讨论，并给出了相应的监督流程。以某大型水轮发电机组冷却系统出水口温度为例对模型进行验证。与BP算法相比较，该评估模型辨识精度更高，监督结论更为可靠。     

基于动态聚类算法径向基函数网络的配电网线损计算

提出了基于径向基函数网络的计算配电网线损的实用方法。对有代表性的配电线路的线损与特征参数的样本数据，采用一种新的动态聚类算法进行聚类，来确定RBF网络的隐含层节点，不仅聚类速度快，而且隐含层节点数的优化提高了网络的利用效率。利用RBF网络强的拟合特性映射线损与特征参数之间复杂的非线性关系，使网络学习了配电线路在结构参数和运行参数变化时线损的趋势规律。以68条配电线路数据为例，仿真结果验证了文中提出的方法具有网络模型简单、学习速度快、线损计算精度高等优点。     

基于双区域演化水平集的图像分割方法

针对图像由于光照不均引起的灰度不均匀导致图像精确分割困难的问题,提出了一种双区域水平集演化(DRE)方法用于图像分割。双区域水平集演化方法介绍了局部区域控制项和矩形的初始化轮廓,能够快速地分割灰度不均匀图像,加快曲线演化速率。为进一步消除噪声对图像的影响,分割方法采用高斯滤波算子和卷积计算,特别是提出的方法使用一种新的隐含的惩罚能量函数作为正则化项,该项嵌入到水平集演化公式里,增加了曲线演化梯度流的约束的条件,影响水平集演化曲线向双边扩展,这样提高了图像轮廓划分的计算效率和精度。通过实验结果对比,提出的水平集演化算法能够较好地划分图像轮廓,得到精确的图像分割结果。     

基于像素注意力特征融合的城市街景语义分割算法研究

针对城市街景数据集中存在小目标和大量长条形状物体,分割难度大,虽然目前编码解码结构的网络能细化分割结果,但大多数都没有充分利用空间和上下文信息,因此本文提出一种基于像素注意力特征融合的语义分割算法。首先以ResNet50作为骨干网络,利用空洞空间卷积池化金字塔和条状池化进行初步特征融合,获得多尺度特征的同时规避无用信息;然后利用像素融合注意力模块,聚合上下文信息并恢复空间信息,最后利用注意力特征细化模块消除冗余信息。该算法在CamVid数据集上进行实验,结果表明该算法在验证集上能达到75.22%的mIoU,在测试集上也能达到67.21%。相比于DeepLabv3+网络分别提升了2.51%和2.86%。     

基于改进LCCP的堆叠物体分割算法

局部凸连接生长算法（LCCP）存在超体素跨越物体边界,未能利用区域隐含凹凸信息的缺陷,为了改进以上缺陷导致的分割精确度低、物体粘连的问题,提出了结合连通域分割的改进算法。首先采用深度自适应超像素分割法（DASP）根据深度信息和法向量角度将图片划分为超像素;其次根据超像素的法向量夹角判定邻接超像素的凹凸性,合并所有凸连接超像素形成初步结果;最后使用基于超像素的距离变换以及分水岭生长分割方法,把面积较大的凹连通域,快速分割成多个凸区域。在IC-BIN数据集进行分割验证,结果表明平均分割精度（AP）相比于LCCP和约束平面切割法（CPC）分别提升25%和35%,显著改善了欠分割问题。     

基于近似动态规划的建筑能量管理系统日内优化调度方法

为了维持建筑内部温度和应对随机量的波动,提出了一种建筑能量管理系统的日内优化调度方法。首先考虑建筑围护结构热平衡关系,得出与室温相关的人体舒适度函数,并以经济性最优为目标建立了建筑能量管理系统日内调度优化模型。然后提出近似动态规划(ADP)与模型预测控制(MPC)相结合的求解方法,采用历史数据作为训练集以应对新能源出力和温度、辐照等大量不确定性因素,将离线训练得到的分段线性函数作为日内调度的未来值函数。最后,算例分析表明所提出的MPC-ADP算法可以通过不断迭代得到近似最优的日内调度方案,并大幅提升人体舒适度。     

基于改进数据流在线分割的超短期负荷预测

为同时提高超短期负荷预测的实时性和准确性,应对现代电力系统对实时负荷预测的更高要求,提出一种基于改进数据流在线分割的超短期负荷预测方法。该方法根据负荷发展的时间趋势,利用数据流实时处理技术进行超短期预测,然后结合蕴含天气因素和负荷周期特性作用的短期负荷预测结果,对分割点的实时预测结果进行修正;其快速分段预测能力,避免了重复建模,提高了预测速度;对分割点的实时修正处理有效地增加了历史信息利用率,降低了分割点误差,使预测精度稳定在一个较高的水平。采用实际负荷数据检验该预测模型的有效性,结果表明,基于该模型的预测精度和速度均优于几种常规超短期预测算法,同时降低了拐点预测误差,在天气突变时也具有稳定的适应性。     

基于径向基函数神经网络识别的电力系统动态参数获取新途径

借助计算机视觉替代人工进行巡视,通过图像识别获取的电网动态参数与门限值进行比较是评判电网运行状态的一种新途径。其中仪表图像的自动识别是获取动态参数的关键环节,该文提取了图像中颗粒目标的长度比、紧密性和简单度3个特征不变量,应用RBFNN实现了表盘关键元素的自动分类。通过对指针式仪表图像的识别实验,证明了输入RBFNN的特征不变量在仪表元素识别中是稳定的,对噪声不敏感,引入图像识别技术可大大优化电力系统运行状态的监测过程。     

基于径向基神经网络的输电线路动态容量在线预测

在线预测输电线路的动态热容量,合理安排负荷高峰时期运行方式和调度管理,对输电线路的安全和经济运行具有重要意义,同时也对确定风电等间歇式可再生能源的接入容量提供技术支持.为此,提出了利用径向基神经网络实现线路动态容量的在线预测方法.该方法首先利用径向基神经网络进行风速和日照辐射温度的在线学习和预测,基于IEEE 738标准进行输电线路动态容量的在线短期预测.利用典型的夏季和冬季实测数据进行动态容量预测后发现,预测未来1、2、4 h的动态容量的最大相对误差分别在10%、20%、40%以内.将短期的负荷预测与该方法结合起来,可为电力紧张地区和负荷高峰时期的智能调度提供决策支持.     

基于蛇优化算法的Otsu图像分割方法

Otsu算法是图像处理中运用广泛的图像分割方法,尽管有着计算简单、准确的特性,但因为需要进行穷举运算,所以计算效率不高。为提高图像分割的实时性,引入了蛇优化算法(SO)对Otsu进行了优化,创建了基于蛇优化算法的Otsu图像分割方法(SO-Otsu)。在该算法中,利用蛇优化算法来模拟蛇的特性进行最佳阈值的寻找,以降低迭代时间,提升计算速度。在仿真实验中,利用经典的Lena、Peppers、Goldhill、Cameraman图片进行测试,与基于果蝇优化算法的Otsu方法(FOA-Otsu)和基于麻雀搜索算法的Otsu方法(SSA-Otsu)进行对比。并通过计算峰值信噪比(PSNR)、结构相似性(SSIM)、特征相似性(FSIM)和计算时间作为评价指标结果进行评估。结果表明,与其他算法相比,算法计算效率高、分割细节效果好且综合分割性能优异,为提高图像分割的计算效率提供了一种理想的工具。     

基于凸优化平滑动态窗口法的运动规划方法

针对煤矿井下路面崎岖,传统动态窗口法生成的角速度与线速度序列波动频繁无法控制机器人正常运动的问题,提出 了一种基于凸优化平滑动态窗口法生成的角速度与线速度的运动规划方法。 首先使用动态窗口法生成一组角速度线速度序 列,然后基于此序列构建目标函数利用凸优化求得最优解,达到去除原序列中的噪声的目的,实现对机器人的运动控制,求得的 最优解即为平滑后的角速度线速度序列;最后使用 MATLAB 进行仿真,验证不同地图下凸优化的平滑效果,并且与均值滤波和 VMD 重构信号进行对比。 结果表明,与对比算法相比,凸优化处理后的动态窗口法的角速度和线速度序列平滑效果最好,平均 绝对误差最小为 0. 005 6、0. 001 8,平滑了信号同时又保留了其特征。     

基于动态规划的分布式电源优化配置

电源规划是电力系统中非常重要的规划。本论文在分析平顺绿色能源资源条件、电力负荷需求的基础上,根据当地实际情况,应用动态规划的优化方法结合各种约束条件,得到分布式电源的规划方案。     

基于 FEF-DeepLabV3+的电力金具锈蚀分割方法

金具锈蚀在输电线路航拍图像中细节丰富且分布不规律,为克服分割检测过程中局部信息丢失、精度低和速度慢等问题,提出基于DeepLabV3+的金具锈蚀语义分割模型。替换其主干网络为轻量化改进MobileNetV3网络加快运算速度,并提出自适应特征金字塔(adaptive feature pyramid, AFP)结构融合多尺度。结合FRN层提出特征融合空洞空间金字塔池化(feature fusion atrous spatial pyramid pooling, FEF-ASPP)结构,能够在加强像素间联系的同时不降低分辨率。最后优化损失函数,提高算子的有效性。实验表明,mIoU和mPA分别达到了87.15%、96.64%,相较于原模型提高了3.09%、4.29%。参数量仅为原模型的48%,推理时间仅为15.94 ms,降低了对设备算力的要求,实现高效高精度、轻量化的输电设备锈蚀缺陷分割检测。     

基于 VGG-Net 的 X 射线全脊柱冠状面图像分割方法

在计算机辅助脊柱图像分析和疾病诊断应用中,从X 射线脊柱图像中自动分割脊柱和椎骨是一个关键且具有挑战性 的问题。为进一步提升脊柱图像分割精度,提出一种基于 VGG-Net 改进的模型。首先,将 VGG16 网络去掉了后面的全连接 层,用作 U-Net 的特征提取网络;其次,为了增强图像的细节信息,在特征提取网络引入小波分解模块;最后,在上采样网络中 设计了一种逐像素相减的自空间注意力模块(SUB-SSAM) 机制,进一步提高网络模型识别关键特征的能力。实验结果表明, 改进后的模型相较于原VGG-Net 模型在平均交并比(mloU) 上提高了2.39%、召回率(recall)提高了0.96%、准确率(accura- cy)提高了1.31%,训练的该网络模型可以定位到每一块椎骨,准确分割椎体区域。     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。