基于机器视觉的触点零件在线检测系统研究

为了实现对触点零件的外观形貌质量检测,研究并提出了一种适用于机器视觉检测技术的触点类零件在线检测算法。针对触点零件几何及纹理缺陷的检测要求,设计了独特的算法流程。根据触点类零件的几何缺陷对零件图像提取了5种几何特征,针对零件图像的纹理缺陷,采用灰度共生矩阵的方法提取4种零件纹理特征,检测算法分步、有针对性的对触点进行几何及纹理缺陷的检测。文中对特征提取算法的有效性与常规的特征提取算法进行了对比试验,试验表明提出的算法流程较为简单实用,并能准确高效地识别出目前触点零件中存在的主要质量缺陷。系统基本满足触点零件在线检测的准确性及实时性要求。     

基于GLCM和LBP的局部放电灰度图像特征提取

针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。     

基于机器视觉的肝癌超声图像特征信息提取

提出了识别肝癌超声图像的一种特征提取。采用将共生矩阵和多分辨率提取分形特征方法结合，提取空间灰度独立矩阵、灰度差分统计、Laws纹理能舒度量、傅立叶能量谱等特征来实现肝癌超声图像的识别。实验证明，这种有效的特征提取对超声正常肝和肝癌图像具有较高的分类正确率，对缺乏病理专家的医院和远程医疗信息系统中的应用提供了坚实的理论基础。     

数字图像的纹理特征提取与分类研究

本文提出了一种基于Gabor小波和灰度共生矩阵进行数字图像特征提并与支持向量机模型相结合的纹理分类算法。首先分别利用Gabor变换和灰度共生矩阵提取数字图像的特征,进而利用支持向量机算法实现图像的训练和分类。实验结果表明,与传统的分类方法相比,这种通过Gabor小波和灰度共生矩阵得到数字图像的特征并与支持向量机相结合的方法能有效地提高分类正确率。     

基于灰度共生矩阵纹理特征的输电导线识别

分析了输电线路图像的特点,利用图像的灰度共生矩阵纹理特征,对导线的提取进行了研究。首先,选取合适的窗口大小分析输电图像的灰度共生矩阵纹理特征,选取分辨率较高的特征进行导线提取;其次,利用上述纹理特征遍历整幅图像提取导线;最后,利用图像区域分割技术去除图像中非导线区域的像素点,并且利用最小二乘法拟合得到完整的输电导线。     

基于打印墨粉纹理分析的打印文件检验研究

打印文件检验在公共安全领域有着重要的作用。研究了基于打印墨粉图像分析的计算机打印文件检验,以快速鉴别打印文件的源打印机。鉴别过程包括打印墨粉堆积图像采集,图像预处理,特征提取和匹配。用自行设计的装置采集打印文件图像,经过打印墨粉图像归一化构造纹理图像,利用灰度共生矩阵和频谱方法对不同打印文件中的打印墨粉堆积纹理进行匹配,来进行打印文件的源打印机认定。在有45台激光打印机的数据库中测试本文方法,效果良好,证明了本文方法的有效性。     

基于灰度共生矩阵的动脉斑块图像特征分析

针对动脉斑块超声波图像纹理特征的复杂性,研究基于灰度共生矩阵的斑块特征提取方法。利用图像像素点灰度在空间的分布规律提取动脉斑块超声波图像纹理特征信息,经比较分析选取能量、相关、熵和惯性这4种聚类效果较好的特征值,并对特征值数据进行归一化处理,再经过基于径向基核函数的支持向量机进行分类。结果表明可以获得较好的分类效果,验证了该方法的有效性和可行性。识别动脉硬化斑块类型,能为辅助临床诊断提供客观参考依据。     

LBP和GLCM融合的织物组织结构分类

为实现织物组织结构的自动分类,提出一种基于局部二进制模式(LBP)与灰度共生矩阵(GLCM)相结合的织物组织分类算法。首先,采用中值滤波、双峰高斯函数规定化等算法对织物图像进行预处理,滤除图像噪声并提高对比度。进而用局部二进制模式和灰度共生矩阵两种方法获取图像的局部及全局纹理特征信息。最后,利用基于Levenberg-Marquardt(L-M)算法的BP神经网络分类器对特征向量进行训练和测试,实现对3种基本组织(平纹、斜纹和缎纹组织)的自动分类。实验结果表明,基于L-M算法的BP神经网络具有较快的训练速度能够对织物组织结构进行准确有效的分类。此外,与灰度共生矩阵和局部二进制模式方法进行对比,两者融合的特征信息能得到最好的分类结果(99.33%)。     

基于智能图像处理技术的变电站GIS平台设计

在变电站中的GIS平台设计过程中,需要根据图像监控结果对各种电力设备进行GIS定位。利用传统的图像处理算法进行GIS平台设计,需要将变电站中的GIS图像与数据库中的特征GIS图像进行逐一比对。一旦变电站GIS图像数量巨大,将会造成匹配耗时增加,识别准确率降低。提出基于智能图像处理技术的变电站GIS平台设计方法。针对变电站GIS中的定位图像,利用二值分割方法进行分割,利用拉普拉斯卷积方法进行锐化处理,完成GIS图像的预处理:利用Gabor小波变换方法进行纹理特征提取,将处理结果进行矩阵变换处理,获得与特征GIS图像的特征点空间位置一致的图像,完成变电站GIS中各种图像的准确识别。实验结果表明,这种算法能够提高GIS图像识别的准确率,完成变电站GIS平台的设计。     

基于灰度-梯度共生矩阵的串联故障电弧特征

为了获取非线性负载回路中串联故障电弧的特征,利用自行研制的故障电弧实验系统开展了变频器和工控机负载条件下的串联故障电弧实验。提出一种基于灰度-梯度共生矩阵的特征提取方法。采用前向差分法对电流信号进行预处理,并利用小波包技术对差分信号进行分解、重构,将重构信号按频率高低依次放入二维数组;二维数组中同时刻各频段的能量归一化后,将其转换为0~255的灰度值图像,对灰度值图像进行Wiener滤波并采用Laplace算子进行锐化和加强处理,取频率高于1 562.5 Hz的图像求解灰度-梯度共生矩阵。通过计算共生矩阵的15种特征量,筛选得到工控机和变频器负载条件下串联故障电弧的特征向量。将获取的故障电弧特征向量输入到支持向量机进行故障电弧识别测试,验证了上述故障电弧特征提取方法的有效性。     

面向FPGA部署的CNN-SVM算法研究与实现

卷积神经网络-支持向量机(CNN-SVM)混合算法结合了CNN特征提取能力和SVM分类性能,在计算复杂度和解决小样本问题上具有一定优势,目前已在故障诊断、医学图像处理等领域得到了一定应用,同时,由于其计算复杂度较低,也引起了边缘计算领域的关注。针对边缘计算场景中对算法性能和功耗的要求,提出了一种面向FPGA平台的CNN-SVM算法优化与实现方法。首先,结合FPGA的架构特点,对CNN-SVM算法结构进行了硬件适应性优化,包括模型压缩和分类器核函数的选取。其次,采用了软硬件协同和高层次综合(HLS)设计方法,完成了CNN-SVM算法加速器的设计与实现。实验结果表明,在ZCU102上,加速器的FPS(frames per second)达到了18.33 K,计算速度为1.474 GMAC/s,相对于CPU平台四核Cortex-A57和Ryzen7 3700x分别实现了23.57和4.92倍加速,相对于Jetson Nano GPU和GTX750平台能耗比分别达到了33.24和50.27。     

基于灰度共生矩阵纹理特征的局部放电模式识别

传统的统计参数特征,因放电次数及放电相位分布等因素的影响,会出现无效信息,降低局部放电识别率。为了减少这些因素的影响,引入灰度共生矩阵纹理特征对局部放电进行模式识别。首先通过实验构造局部放电相位-放电量-放电次数(j-q-n)三维图谱,获得放电分布矩阵。其次计算其对应的灰度共生矩阵,并提取出相应纹理特征。最后利用聚类分析对不同放电缺陷进行了有效判别分类。实验结果表明:基于放电分布灰度共生矩阵的纹理特征可以有效辨识不同局部放电类型,为局部放电模式识别提供了一种新思路。     

基于属性剖面和支持向量机的遥感图像检索

围绕形态学属性剖面和SVM分类算法相结合进行遥感图像特征匹配和检索展开研究,提出了基于属性剖面(attribute profiles,APs)和支持向量机(support vector machine,SVM)的遥感图像检索方法。首先,对遥感图像进行形态学属性滤波;接着对滤波后图像提取灰度特征和 Gabor纹理特征;最后,在提取的特征基础上,使用 SVM对候选图像进行预分类,判断待检索图像类别;再从该类别中根据距离度量选择相似度高的图像以完成检索。实验表明,所提方法具有较好的检索性能。     

基于颜色匹配和改进LBP的胶囊内镜视频缩减

针对胶囊内镜视频中存在大量的冗余图像,提出了一种基于颜色匹配和改进LBP的视频缩减算法。该算法首先将胶囊内镜图像转换到HSI空间并从中提取色彩信息,通过余弦角对相邻两帧的色彩信息进行相似性度量来实现颜色匹配。接着构建图像金字塔,用改进的LBP算子提取出多尺度的纹理特征,然后根据相邻两帧纹理统计的加权曼哈顿距离和纹理不同区域面积占全局的比例来进行纹理的相似性度量。最后采用级联分类器完成对图像的分类,将差异图像组建成精简视频从而实现视频缩减。实验结果表明,算法得到的召回率,准确率和综合性能指标分别达到了0.91,0.87和0.89,处理速度达0.055 s/帧。该算法与已有的算法相比,分类效果更好并且处理速度更快。     

D-S 理论多分类器融合的光学遥感图像多目标识别

光学遥感图像的多目标检测与识别一直是图像处理与分析领域的热点研究问题。针对多特征单一分类器决策级融合不能很好的利用特征与分类器的适应性,导致识别的准确率很难进一步提高的问题,提出了基于D-S证据理论的多特征多分类器决策级融合策略。首先提取了两种简单且具有平移、缩放不变性的特征;其次分别引入3种适应性较好的分类器进行分类;最后设计了两级的D-S证据理论的融合方案,并且在置信度函数计算的过程中引入表征分类器性能的混淆矩阵。该算法有效地解决了分类器输出的不确定性问题,进一步提高了光学遥感图像多目标分类识别的准确性。测试表明,对4种目标的识别率达到97.22%,验证了算法的有效性。     

基于双重滤波与锐化的遥感图像增强算法

为了解决遥感卫星影像普遍存在着亮度、对比度低的问题,提出了基于滤波与锐化的遥感图像增强算法。首先,根据线性运算中核矩阵像素权值特性,设计基于中值滤波与高斯滤波的图像滤波算子。然后,采用图像一阶导数逼近技术,计算图像强度梯度,并采用图像二阶导数计算梯度的散度,从而建立基于Sobel与Laplacian的图像锐化增强算子,以增强图像对比度。最后,基于非局部均值算法,完成图像去噪,实现遥感图像平滑增强的目的。实验测试结果表明,与当前遥感图像增强技术相比,本算法拥有更高的增强质量,更好地保留了图像的亮度与色度信息。     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。     

基于Catapult C的数字滤波算法快速实现

随着光学遥感相机视频数据实时处理算法复杂度的不断增加,直接使用硬件描述语言进行设计难度越来越大,急需引入一种新流程——通过EDA工具直接将高级语言描述转化为HDL语言描述的RTL代码.本设计选择Catapult C工具完成数字滤波算法从C语言到RTL的设计,最后验证经Catapult设计的RTL代码与C、MATLAB功能一致,经硬件实现后性能相当,设计速度比直接使用硬件描述语言快几倍到几十倍.     

基于增强滤波和特征聚类分析的导线隐患识别技术研究与应用

及时发现输电线路导线隐患是保障线路安全运行的关键,鉴于现有巡检图像处理过程中存在的不足,本研究在国内外已有研究成果的基础上进行了算法优化,提出了一种基于增强滤波和特征聚类分析的导线隐患识别算法。实验测试表明该算法对于线路巡检图像中的处理速度和识别准确率均优于传统算法,能够快速准确地实现导线提取和隐患的识别。由于该算法对硬件配置要求较低,能够在巡检现场完成对图像的分析和处理,具有较大的实用价值。