注意力增强的视觉Transformer图像检索算法

基于深度哈希的图像检索方法往往利用卷积和池化技术去提取图像局部信息,并且需要不断加深网络层次来获得全局长依赖关系,这些方法一般具有较高的复杂度和计算量。本文提出了一种注意力增强的视觉Transformer图像检索算法,算法使用预训练的视觉Transformer作为基准模型,提升模型收敛速度,通过对骨干网络的改进和哈希函数的设计,实现了高效的图像检索。一方面,本文设计了一个注意力增强模块,来捕获输入特征图的局部显著信息和视觉细节,学习相应的权重以突出重要特征,并增强输入到Transformer编码器的图像特征的表征力。另一方面,为了提高图像检索的效率,设计了一种对比哈希损失函数,生成具有判别力的二进制哈希码,从而降低了内存需求与计算复杂度。在CIFAR-10和NUS-WIDE数据集上的实验结果表明,本文提出的方法,在两个不同数据集上使用不同哈希码长度的平均精度均值达到了96.8%和86.8%,性能超过多种经典的深度哈希算法和其他两种基于Transformer架构的图像检索算法。     

基于栈式自动编码的图像哈希算法

随着网络图像的快速发展,在大型图像检索系统中哈希算法成为近似最近邻查询算法的研究重点。本文提出一种基于深度模型的哈希算法—深度哈希。通过深度卷积神经网络提取的图像高维全局特征,用栈式自动编码器对特征进行无监督学习得到二进制哈希编码,利用图像标签语义相似性对栈式自动编码器的参数进行微调,最后用汉明距离来计算图像的相似性。本文提出的深度哈希在图像检索中取得了较好的结果。     

一种迭代滤波快速图像修复算法

为了充分利用图像局部区域信息来加快信息有效扩散及克服现有算法对图像纹理细节保护不足,提出了一种迭代滤波快速图像修复改进算法。该算法从破损区域由外向内取得一组有先后次序的待修复点,通过自适应选择其高斯掩膜领域,充分汲取已知（完好）区域信息,利用领域点等值线方向信息及远近距离来调整高斯核权系数,以准确控制滤波过程中的平滑强度;实验表明,与同类算法相比,该算法在同等迭代修复次数下,图像纹理更加清晰,峰值信噪比提高,具有较好的图像修复效果。     

基于DCT的PCA人脸识别系统研究

人脸识别是一种重要的生物特征识别技术。本文提出了一种基于DCT的PCA的特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。     

基于图像可视属性的检索系统的设计与研究

给出了一种基于图像可视属性的检索系统的模型,并利用非负矩阵分解(NMF)的新的相关反馈方法完成系统的逐步检索达到定位到目标的任务,实验结果表明该系统性能较好,可以用于通用图像的检索中.     

一种Transformer引导 YOLOv5对高空吊钩违规操作识别

为了降低高空作业意外事故发生的风险,高空吊钩作业违规检测识别并及时告警显得十分重要.针对高空 吊钩目标小以及图像目标模糊等问题,现有的基于 YOLOv５的目标检测方法存在误检测率高、效率低等问题,为此 采用一种 Transformer模块来引导 YOLOv5对高空吊钩违规操作检测的算法.首先,在 Backbone中添加 Transformer 模块有效捕获全局信息和目标图像的上下文内容信息,有利于捕获复杂背景干扰下目标的特征信息;其次在 Neck中 使用 BiFPN 模块,能有效挖掘小目标图像内容信息及深层图像语义信息;最后使用SIoU损失函数,可以更准确定位 目标框的位置信息.     

一种AAM模型的MRI医学图像分割算法

提出了一种主动外观模型的MRI医学图像分割的算法。针对主动外观模型中PCA方法对数据细节描述能力的不足,用ICA代替PCA同时进行形状和纹理模型建模,形成基于独立分量分析的改进型主动外观模型。并且在模型中引入了检测到的点与模型点之间的误差的约束项,并提出了平均长度约束项的概念,将它增加到模型中.通过对不同MRI医学图像的实验表明,改进的AAM模型分割的精度和效率都有较大程度的提高。     

基于非负矩阵分解和相关向量机的短期负荷预测

为了能够进一步提高电力系统负荷预测的准确性,提出了一种基于非负矩阵分解（nonnegative matrix factoriza-tion, NMF）和相关向量机,（relevant vector machine, RVM）的短期负荷预测方法。此方法通过利用NMF对输入样本进行分解,得到低维的非负映射矩阵,将该低维矩阵输入到相关向量机进行训练预测。仿真结果表明,预测效果有明显的改善,而所提出的NMF—RVM模型较之单一的RVM模型具有更高的预测精度。     

CT和信息缺失CBCT图像变形配准方法研究

研究一种应用于自适应放射治疗中的CT和信息缺失锥形束CT(cone-beam CT,CBCT)图像的图像变形配准方法。通过构建及求解联合迭代重建与配准的能量函数,将CBCT全部投影图像信息以迭代前向投影与反投影的形式融入变形配准模型,同时完成CT与CBCT在投影域和图像域的匹配。分别利用5套临床头颈部肿瘤病人图像模拟CBCT截断和1套胸腹部肿瘤病人图像数据对算法进行了验证,实验结果表明,该方法能有效、精确完成CT和信息缺失CBCT图像之间的变形配准。图像变形配准是自适应放疗中的关键技术,对于减少放疗分次间病人的CBCT受照剂量以及提高放射治疗计划重设计精度具有较好的临床应用价值。     

基于差分进化算法的多模态医学图像融合

针对现有多模态医学图像融合方法间的优点不易综合的问题,提出一种基于差分进化算法的多模态医学图像融合.分别利用ISH和小波变换方法产生初始图像,利用差分进化算法来优化由图像定量评价指标构成的目标函数,从而获取视觉效果较好,清晰度较好和信息量丰富的融合图像.实验结果和评价参数表明,提算法在平均梯度、熵等表示细节信息和融合质量的等定量指标上比基于小波变换和ISH变换图像融合算法提高了30％和2.5％以上,有效地结合基于小波变换和ISH变换两种不同融合方法的优点.     

ARP在低压变电站自动化系统中的实现及应用

采用以太网技术已成为低压变电站自动化系统通信方式的发展趋势，而低压变电站自动化系统的间隔层设备硬件平台配置较低，难以引入实时操作系统及其TCP／IP协议栈。地址解析协议（ARP）是TCP／IP协议栈的基本协议。文中分析了ARP，研究其在低硬件配置平台上的实现方法，提出使用哈希表形式的ARP信息表，组织管理IP单播地址和对应的以太网媒体访问控制（MAC）地址的映射，给出了哈希表的哈希函数和利用ARP监测网络故障的方法。     

基于SIFT和NMF-SVD的NSCT域抗几何攻击水印算法

为了进一步提高水印算法的鲁棒性,提出了一种在无下采样Contourlet变换(non-subsampled contourlet transform,NSCT)域中利用尺度不变特征变换(scale-invariant feature transform,SIFT)特征点进行几何攻击校正,并结合非负矩阵分解(non-negative matrix factorization,NMF)和奇异值分解(singular value decomposition,SVD)的图像抗几何攻击水印算法。该算法首先对RGB宿主图像进行两层NSCT并分别提取低频部分的红色分量和蓝色分量;然后充分利用非负矩阵的线性无关性和稀疏性以及奇异矩阵的稳定性,对蓝色低频分量进行水印的嵌入;最后利用红色低频分量的SIFT特征点信息对宿主图像进行几何攻击校正,恢复水印的同步信息后再提取水印。大量的实验结果表明,该算法在保证不可感知性的前提下,对于常规图像处理具有更好的鲁棒性能,并能有效地抵抗各类几何攻击和组合攻击。     

基于HOG特征的步态能量图身份识别算法

由于步态能量图像(GEI)是对二值轮廓图像序列相加求平均,然而,二值轮廓图像只能捕获人体轮廓的边界信息,人体的内部边界信息会被完全的丢弃掉,基于GEI算法的缺陷,提出了一种基于人体目标图像的方向梯度直方图(HOG)特征的GEI识别算法,此算法不仅能捕获人体轮廓的边界信息,而且还能提取人体重合的边界信息.获取人体目标图像的HOG特征的步态能量图,首先使用视频前景分割算法提取人体目标图像,然后提取图像序列中每帧人体目标图像的HOG特征;最后对图像序列中的每帧HOG特征图像相加求平均.在此基础上,依据GEI和HOG的思想,又实现了对传统步态能量图、二值轮廓图像序列、人体目标图像步态能量图进行HOG特征提取及直接构建人体目标图像步态能量图特征的表示,从而提出了 4种拓展的能量图构建方法,并针对这5种算法与经典的GEI算法利用CASIA步态数据库进行了实验分析对比,实验结果表明算法效果良好.     

基于主元分析的关联规则挖掘及在电厂中的应用

针对目前火电厂厂级监控信息系统(SIS)的海量数据没有得到充分开发和利用的现状,提出了基于主元分析(PCA)的相似关联规则数据挖掘方法,并讨论了其在电厂中参数相关性分析和异常数据检验等方面的应用.通过.NET平台,读取火电厂SIS中实时数据库PI的历史数据,然后将数据在MATLAB环境下进行主元分析,寻找相似关联测点.通过对某600 Mw机组数据进行挖掘,表明了该挖掘方法能针对某具体机组运行状况,准确快速地寻找具有较高相似关联规则的参数,从而利用这些关联参数进行多方面的实际应用,并取得很好的效果.     

PCA和SVM在火焰监测中的应用研究

通过对火焰图像进行分析,提取火焰亮度、火焰面积、质心偏移距离和圆形度等7个特征量.然后基于主元分析技术,提出一种对燃烧火焰稳定性进行监视和诊断的方法,采用Hotelling T2和Q两个统计量对每一时刻的图像数据向量进行监测,检验是否超过各自的控制限,只要这两个统计量之一越限,则可判定燃烧出现异常.实验结果表明:该方法能够在线实时地、有效地识别、判断火焰的燃烧状态,并且将结果以Q图、Hotelling T2图和主元图的形式直观地表示出来;该文同时应用支持向量机方法分别对特征向量和原始图像数据进行识别分类,结果表明基于主元分析原理和支持向量机方法所得到的结果是一致的.     

基于感知哈希序列的电压暂降事件同源识别

针对现有方法未能充分利用电压采样值信息且对特殊录波情况适应性较差的问题,提出基于感知哈希序列相似性的电压暂降事件同源识别方法。首先,提出一种基于突变点检测和录波情况识别的暂降数据段提取方法,将对录波文件中暂降事件的识别转化为对完整和不完整暂降数据段的分别识别。其次,利用格拉姆角场(Gramian angular field, GAF)将提取后的暂降数据段从一维时间序列形式转化为二维图像,并利用感知哈希算法将其转化为哈希序列。然后,通过欧氏距离刻画相似性,并根据选取的阈值完成电压暂降同源识别。最后,利用IEEE30节点系统生成的仿真数据以及北京、福建地区的实测数据进行验证,证明了该方法具有识别精度高、适应性好等优势。     

基于主成分分析和最小二乘支持向量机的电力系统状态估计

电力系统状态估计在能量管理系统中起着非常重要的作用,作者提出了基于主成分分析和最小二乘支持向量机的状态估计方法。首先对由量测量组成的初始样本进行主成分分析,对初始样本进行数据压缩和特征提取,消除数据间的相关性,提取出包含初始样本足够信息的主成分,然后将提取出的主成分作为最小二乘支持向量机的输入,降低了样本空间的维数。算例结果表明了所提出方法能有效地提高电力系统状态估计的精度。     

基于PCA-SVM模型的中长期电力负荷预测

电力系统负荷预测模型可以分为单一指标模型和信息集(多指标)模型,为客观准确地对中长期负荷预测进行研究,就要避免重要信息的遗漏,尽可能多的考虑与其有关联的信息。针对信息集模型中的大量信息,通过主成分分析法把综合信息集简化为少数几个主成分,降低了数据的维数;引入核函数和对偶技巧对支持向量机算法进行改进,有效避免了维数灾难和目标函数不可微的问题。通过标准SVM和PCA-SVM模型仿真对比,验证PCA-SVM模型预测结果更为准确,所提方法具有一定的实用性和有效性。     

Single channel informed signal separation using artificial‐stereophonic mixtures and exemplar‐guided matrix factor deconvolution

In this paper, a method is proposed to tackle the problem of single channel audio separation. The proposed method leverages on the exemplar source is used to emulate the targeted speech signal. A multicomponent nonnegative matrix factor 2D deconvolution (NMF2D) is proposed to model the temporal and spectral changes and the number of spectral basis of the audio signals. The paper proposes an artificial auxiliary channel to imitate a pair of stereo mixture signals, which is termed as “artificial‐stereophonic mixtures.” The artificial‐stereophonic mixtures and the exemplar source are jointly used to guide the factorization process of the NMF2D. The factorization is adapted under a hybrid framework that combines the generalized expectation–maximization algorithm with multiplicative update adaptation. The proposed algorithm leads to fast and stable convergence and ensures the nonnegativity constraints of the solution are satisfied. Adaptive sparsity has also been introduced on each sparse parameter in the multicomponent NMF2D model when the exemplar deviates from the target signal. Experimental results have shown the competence of the proposed algorithms in comparison with other algorithms.     

CFRP/Al蜂窝结构缺陷红外热图特征的多结构形态学-PCNN识别

CFRP/Al蜂窝结构在制备和长期服役过程中易产生脱粘、分层、积水等缺陷,因此采用红外热波无损检测技术对其状态进行检测尤为重要.在采集CFRP/Al蜂窝结构缺陷红外热图像序列的过程中,存在着较大的背景噪声,容易产生对缺陷的检测效率低、对比度差等问题.为了提高缺陷检测效果,采用主成分分析算法对去除背景后的红外图像序列进行缺陷特征信息降维处理,有效滤除红外图像序列中的不均匀背景噪声.结合多结构形态学和脉冲耦合神经网络(PCNN)混合算法对缺陷区域进行图像增强和图像分割来提取缺陷区域.实验结果表明,采用上述方法,能够进一步地滤除红外图像的不均匀背景噪声,改善缺陷区域提取效果,有效提高缺陷检出率.