基于自适应变尺度形态学滤波的冲击提取方法

针对在强背景噪声下,往复机械振动信号中冲击的次数及位置信息难以准确辨识的问题,提出一种结合总体经验模态分解（ensemble empirical mode decomposition,简称EEMD）和自适应变尺度形态学滤波器（adaptive variable scale morphological filter,简称AVSMF）的冲击特征提取方法。通过对信号进行EEMD,由峭度、相关系数指标筛选出隐含冲击成分的本征模态分量（intrinsic mode function,简称IMF）,并根据各阶IMF的波形尺度与极值点幅值分布特性,为IMF中每个采样点选择合适的元素宽度进行级联式形态学滤波,实现冲击特征提取。针对信号中冲击成分难以精确定位的问题,提出一种自适应峰值相位检测算法。50次重复仿真实验结果表明,该算法具有较高的精度与稳定性。通过对一台闪蒸气双作用往复式压缩机的低压缸中体加速度信号进行冲击检测,验证了所提算法进行故障早期诊断有效性与准确性。     

高精度尺度不变特征点匹配方法及其应用

在基于局部特征点匹配的目标检测与定位系统中,匹配点和误匹配点的数量直接影响定位精度。为降低特征点误匹配率并保证匹配过程中有足够的匹配点数,提出了一种改进的尺度不变特征点匹配方法。分析常用特征点匹配方法中匹配结果随判断阈值变化的问题,利用循环,采用变步长的方式获取匹配图像自适应双阈值。在此基础上,利用高阈值对应的稀疏精确匹配结果建立匹配图像间的几何变换约束模型并建立约束准则,用以滤除低阈值对应的密集匹配结果中的误匹配。实验结果表明,与现有方法相比,所提方法可明显提高匹配精度,从而增强目标的检测与定位性能。     

视觉SLAM中图像特征点提取与匹配算法研究

在视觉SLAM(visual Simultaneous Localization And Mapping,v SLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。     

局部二维特征点马氏距离匹配方法

在融合具有尺度、旋转不变性、快速性和鲁棒性特点的SIFT算法和SURF算法的基础上,对基于传统局部二维特征点的欧氏距离匹配方法做了改进。采用基于马氏距离仿射不变性匹配方法,用RANSAC方法剔除误匹配点,取得了更稳健的匹配效果。分别对Open SIFT和Open CV的SURF代码进行马氏距离匹配改进,证明了基于Open CV的SURF马氏距离匹配的优越性。试验结果表明该方法更具可行性和鲁棒性。     

图象特征点提取及匹配算法

针对图像特征提取与匹配的适应性和准确性的问题,本文提出将尺度不变特征变换算法应用到图像特征点提取与匹配。算法首先采用SIFT提取图象的特征点及其描述,然后采用基于置信度的匹配算法进行特征点的匹配。通过对不同光照条件、焦距、拍摄角度的图像进行特征点的提取及匹配,实验结果表明,本文算法对图像的平移、旋转和仿射变换具有很好的适应性和准确性,可以进一步应用到图像识别,图像重建等领域。     

多尺度特征自适应融合的气动控制阀故障诊断

气动控制阀作为过程工业典型的终端执行机构,由于故障发生率高、故障类型繁多,导致故障识别难度大,且故障后果严重,因此对其进行智能的故障检测和诊断具有重要的实际意义。 本文提出了一种多尺度特征自适应融合网络用于气动控制阀故障诊断。 首先,搭建了融合自注意力机制的多尺度特征提取网络自动提取信号的空间特征和细节特征。 然后,设计了权重自适应特征融合网络对多尺度特征加权融合,提高模型对故障特征的表征能力。 最后,由长短时记忆神经网络和 SoftMax 函数实现特征识别和故障分类。 实验结果表明,该模型在 DAMADICS 阀门基准实验平台上的平均检测准确率达到 96. 82% ,均高于其他对比模型。 与最近发表文献中的检测结果对比发现,本文开发的模型在可检测的故障数量和检测准确率方面也具有一定的优势,并且通过实验验证了模型的检测性能。     

尺度方向自适应Mean Shift跟踪方法

经典核窗口宽度固定的mean shift跟踪算法不能很好地对尺寸逐渐增大的目标进行有效地跟踪。一些改进的mean shift算法虽然在一定程度上解决目标缩放这个问题,但是对于目标旋转仍然无能为力。在分析尺度空间理论和mean shift 跟踪算法的基础上,提出了一种尺度方向自适应mean shift跟踪算法。实验表明,对于初始帧,本文算法可以较为准确地获得目标最佳描述椭圆;对于后续帧图像,本文的新跟踪算法可以较好地适应目标旋转缩放等复杂运动。     

自适应特征尺度分解方法及其应用

针对局部特征尺度分解（LCD）存在的模态混叠问题和其在均值曲线定义方面存在的不足,在对LCD方法研究的基础上,充分借鉴经验模态分解（EMD）和LCD等此类基于筛分的信号分解方法的思路,定义了一种新的瞬时频率具有物理意义的单分量信号--内禀致密尺度分量（ICC）,并提出了一种新的自适应信号分解方法--自适应特征尺度分解（ACD）方法。同时,给出了ICC分量评价准则,通过对ACD每阶筛分中由不同均值曲线和致密系数取值得到的一组不同的分解分量进行对比,选取最优分量作为该阶筛分的ICC分量,从而保障最终分解效果优于LCD方法分解效果。对仿真信号的分析结果证实了ACD方法的分解效果优于EMD、LCD、总体平均经验模态分解（EEMD）和自主致密局部特征尺度分解（ACLCD）方法的分解效果;对实验数据的分析结果验证了ACD的有效性,从而为旋转机械故障诊断提供了一种新的方法。     

基于多尺度分析的逆向工程截面线特征分割

为解决基于截面线特征重构中,初等曲线特征元和次要曲线特征元的分割问题,提出一种将多尺度分析与特征识别相结合的逆向工程特征分割方法.采用曲率尺度空间,实现截面线的多尺度分析和特征检测;利用相对转角法,实现单尺度特征融合;基于多尺度间信息传递和融合的多尺度特征融合算法获得多尺度特征集成.用多尺度曲率分析代替传统单一尺度逆向工程截面线分析,保证了特征分割结果,以及与基于特征设计和建模的特征元的一致性.合成复合曲线和实际扫描截面线的实例表明,提出的方法可以有效地实现逆向工程截面线多尺度特征分割.     

角点检测方法研究

角点是图像的一个重要局部特征,它决定了图像中目标的形状,因此在图像匹配、目标描述与识别及运动估计、目标跟踪等领域,角点提取都具有重要的意义.根据实现方法的不同可将角点检测分为基于边缘特征的角点检测、基于灰度图像的角点检测、基于二值图像的角点检测和数学形态学4类.详细阐述了这几种角点检测方法,并对不同方法逐一进行归纳分析,在最后指出了今后角点检测技术的研究方向和发展趋势.     

三维颅骨特征点的自动标定

提出了颅骨特征点的全自动标定方法,该方法利用分区统计可变模型及模型相似性匹配的方法来标定颅骨特征点。首先,对颅骨分区样本进行统计建模;利用统计模型的形变控制生成基准模型和生成模型,并建立基准模型和生成模型间的映射关系。然后,定义了模型之间相似性。最后,利用模型相似度和映射关系,间接得到待测模型的特征点。实验结果表明:该方法定位眼眶模型特征点的位置平均误差值为3.232 5pixel;当距离阈值为10pixel(模型大小的3%)时,有90%的特征点的位置准确率达到100%。与现有方法相比,本文方法标定的颅骨特征点的准确度和精确度都更高,并且可以标定颅骨模型平滑区域的特征点。     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.     

散乱点云谷脊特征提取

利用微分"化曲为直"的本质特性和离散计算方法,提出了一种基于局部重建的散乱点云谷脊特征提取算法。首先,利用离散Laplacian算子对点进行增强,通过阈值过滤标记潜在谷脊点。然后,在每个潜在谷脊点的局部邻域内构建紧附于潜在曲面、能反映该点局部几何特征信息的三角网格。最后,根据Weingarten映射的性质,估算潜在谷脊点的主曲率和主方向;将邻域大小作为尺度参数,利用简单直观的离散计算方法及线性插值方法,多尺度地判定一点是否为主方向上的曲率极值点,从而提取谷脊特征。实验结果表明:当点云规模为10 375个,谷脊点规模为1 129个时,执行时间仅为97.39ms;当点云规模达327 853个,谷脊点规模达到105 482个时,执行时间为3 956.12ms。该方法简单、稳定,避免了传统的利用拟合曲面再逼近微分量方法中由于曲面拟合带来的高时间代价,能快速有效地提取散乱点的云谷脊特征。     

基于FAST特征提取的指静脉识别

现有的指静脉识别方法通常以包含静脉分布的灰度图为对象进行算法设计。但由于采集装置的局限性,光照强度的不确定性,手指血管周围组织的复杂性等,原始图像即使经过图像预处理过程,得到的灰度图中依然会存在不规则的阴影和非静脉特征,这可能使得被提取出的静脉特征不具有很好的代表性和区分性,从而降低识别结果的准确性。因此,本文提出以包含指静脉分布的二值图为对象进行算法设计,从而在识别过程中尽可能减少非静脉因素的干扰。在特征提取上采用了适于二值图特征点检测的加速分割测试特征提取算法,提取出静脉纹理边缘中符合要求的像素点作为特征点,进而对检测到的特征点进行向量化描述。同时为了提高匹配的精度,提出了基于圆形邻域的匹配算法,使用加权匹配距离描述图像之间的相似程度。采用山东大学公开的手指静脉数据库进行算法性能测试,平均识别率为0.993,等误率为0.0196。上述结果证明了算法的有效性,为指静脉识别算法设计提供了新的思路。     

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明:与KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比,本算法匹配正确率更高,分别为PSIFT的2~10倍,ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。     

数字摄影测量中特征点的提取方法研究

数字摄影测量中自动检测与提取相片中的特征点是关键的第一步.本文以最为著名的Harris角点提取法为基础进行研究,以1幅角点特征显著的电话机图片为实验样品,用Matlab软件编程对算法进行验证.通过实验,提出了改进的角点提取方法,避免了原始Harris方法中选择经验常数k的不确定性和随意性的缺陷,使角点提取更为可靠.本文用同一幅相片检验2种不同算法对图像的角点进行提取的效果,可以看出改进后的方法准确度达90%以上.作为应用的示例,对相机标定图案进行了角点提取.     

一种图像边缘特征提取算法

边缘作为一个重要特征是图像目标检测中基础而又困难的一个问题.用常规方法进行边缘检测时,噪声会影响到边缘特征提取的准确性.为了减小噪声对图像边缘特征的影响,改善边缘特征的定位精度,本文提出了一种新的图像边缘特征提取算法.该方法利用小波变换天生的多尺度特性,对小波变换各尺度下的细节图像用互能量交叉的方法进行噪声抑制和边缘识别.最后作了实例验证.     

基于局部特征提取的目标自动识别

提出一种基于局部特征提取的目标识别方法,用于自动识别不同尺度,视角和照度条件下的目标.首先,建立图像的尺度空间;结合海森矩阵和Harris算法提取局部特征点,计算该特征区域的方向和灰度梯度及方向;统计出每块子区域的标准灰度梯度直方图,得到128维的特征向量.然后,基于主成分分析的降维算法来降低特征向量的维数,加快识别的计算速度.最后,采用特征空间分类器增加目标识别的速度.实验结果表明:基于局部特征提取的目标识别达到了较高的识别率,在视角、尺度和照度变化下的识别率分别为61.9％,80.5％和84.4％,平均识别时间为130.9 ms.与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,本算法不仅在不同的视角,目标尺度及照度条件下具有较高识别率,而且识别速度比SIFT方法高.     

变速器新产品故障特征提取与分类方法

针对汽车变速箱原始故障特征向量维数过高导致的检测效率低、准确率低的问题,提出一种基于阶次分析理论的特征提取方法和基于遗传算法—反向传播神经网络的特征选择与分类方法。首先运用阶次分析理论提取变速器的阶次域特征,与时域特征共同组成特征向量集;然后将类内类间距离比与惩罚系数之和作为目标函数值,利用遗传搜索策略对特征向量集进行特征选择,得到特征子集;最后用反向传播神经网络算法进行故障分类,得到检测结果,并通过实验验证了所提出方法的有效性。