基于GA-ELM的稀土混合溶液多组分含量预测

针对稀土萃取液中有颜色特征和无颜色特征的离子在共存工况下组分含量难以快速检测的问题,提出一种基于遗传算法(GA)-极限学习机(ELM)的多组分含量预测方法。确定稀土萃取槽体混合溶液图像特性和描述图像信息的H、S颜色特征分量,利用ELM速度快、泛化能力强的优点,建立基于颜色特征的多组分含量模型,鉴于传统ELM模型初始权值和阈值的随机性易影响模型性能,使用GA对初始值进行优化确定。基于CePr/Nd萃取溶液样本数据的实验结果表明,与ELM、BP、LSSVM以及GA-BP、PSO-ELM等算法相比,该方法具有较高的预测精度且稳定性较好,可为稀土萃取现场快速获取多组分含量值提供技术支撑。     

基于静态设定和动态补偿的铈镨/钕萃取过程药剂量优化控制

针对目前稀土铈镨/钕萃取生产过程人工控制导致生产指标波动大的问题,提出一种新的药剂量优化控制方法.首先针对入矿条件各参数的重要程度不一样,采用特征属性加权的案例推理方法确定药剂量（萃取量和洗涤量）预设定值;然后根据铈镨/钕稀土溶液颜色与组分含量密切相关的特点,采用最小二乘支持向量机（LS-SVM）建立基于稀土溶液颜色的组分含量软测量模型,再根据软测量得到的组分含量与目标组分含量的差值,采用模糊推理技术补偿药剂量预设定值,实现稀土萃取过程组分含量的动态优化控制.试验结果表明本文方法的有效性.     

基于时序图像深度学习的电熔镁炉异常工况诊断

超高温电熔镁炉（Fused magnesium furnace,FMF）生产炉况监测困难,易发生欠烧异常工况,不仅造成产品质量下降,也直接危害生产安全与人员安全.现有的人工巡检方式实时性差,容易发生漏报和误报,甚至导致铁制炉壳烧透、烧漏.针对该问题,本文采用视频信号,利用电熔镁炉欠烧工况的时空特征,即在炉壳表面出现的局部不规则高亮区域的空间特征,以及该高亮区域随时间呈现出亮度增强、面积变大的时序特征,提出一种基于卷积循环神经网络（Convolutional recurrent neural network,CRNN）的电熔镁炉异常工况诊断新方法.该方法包括图像序列一致性变换和时序残差图像提取预处理、基于卷积神经网络（Convolutional neural network,CNN）的空间特征提取、基于循环神经网络（Recurrent neural network,RNN）的时序特征提取、基于加权中值滤波的工况自动标记.最后采用实际的电熔镁炉炉壳的视频信号,进行了所提方法与现有的两种深度学习网络模型的实验比较研究,结果说明了所提方法的优越性.     

基于马尔科夫随机场的炉膛火焰图像分割

提出一种基于马尔科夫随机场模型的火焰图像分割算法。将由系统装置获取的原始火焰图像从RGB空间变换到HSV颜色空间,以提取颜色特征。分别对原始图像建立Potts标记场模型和有限正态混合观测场模型(FGMM),结合颜色特征,运用贝叶斯估计和ICM算法,计算最大后验概率(MAP),并完成图像分割。实验证明,该算法可以有效地分割炉膛火焰图像,为之后的工作奠定了基础。     

利用相关反馈技术的图像检索研究

介绍了一种支持语义的图像检索系统—PIcsearch（PICTURE Search），该系统获取图像低层特征（颜色）时采用基于区域的主颜色提取算法．综合考虑了图像的像素统计特征和空间位置信息同时节省存储空间和计算时间。提出了高级视觉特征的语义查询。在图像库上构建一个可扩展的语义网络，利用一种基于用户相关反馈的机器学习策略来改进这种语义网络，以解决低层特征向高层语义特征的过渡问题，使检索能够体现高层次语义属性。实验证明，PICsearch能有效通过人机协同工作，弥补了计算机理解能力的不足，提高了检索效率。     

一种新的基于颜色和空间特征的图像检索方法

提出了一种新的基于颜色和空间特征的图像检索方法。首先提取色调不变量作为图像的颜色特征,然后设计了图像状态矩阵来描述图像的形状信息和空间位置信息,在进行相似检索时,采用 Guassian模型对不同子特征间的距离进行了归一化处理。试验表明利用该算法提取的图像的颜色和空间特征在进行图像检索时效果显著。     

Lab颜色空间中基于动态聚类的颜色分级

对现有的动态聚类算法进行改进,提出一种Lab颜色空间中基于兴趣点动态聚类分析的颜色分级方法.在考虑视觉监测实时性和计算准确性的基础上,通过色适应变换和对比敏感度函数滤波,补偿人眼视觉系统的空间混合效果,采用基于兴趣点的动态聚类分析提取颜色特征,根据视觉容差、彩度和色度的依赖关系,确定色差度量方法,采用最小分类器进行颜色分级.实验结果表明,该方法的平均色差仅为2 36,分类计算的时间范围为500 ms～700 ms.     

基于颜色和纹理的皮肤检测方法

提出一种新的基于颜色和纹理特征的皮肤检测方法，应用JSEG算法将图像分割成任意形状的相似图像区域集，然后从中提取颜色特征和纹理特征，最后应用高斯混合模型（Gaussian Mixture Model，GMM），并根据一定的判断准则（综合考虑颜色特征和纹理特征）进行皮肤和非皮肤区域分类．     

Haar型LBP纹理特征的行人检测研究

针对行人检测中直接在灰度图像下提取局部二元模式（Local Binary Pattern,LBP）特征受噪声影响大导致检测率低的问题,提出了基于HSV颜色空间提取改进型Haar型LBP（IHLBP）特征的方法。首先将图像由RGB颜色空间转化到HVS颜色空间,然后对HSV图像的H、S、V空间分别提取IHLBP特征,最后将3个IHLBP特征归一化后串接为一个特征向量,得到最终的IHLBP特征。在INRIA Person数据集上采用支持向量机（Support Vector Machine,SVM）作为分类器进行测试。实验结果表明,该方法能有效地提高识别率,可达98.5%。相比于HOG特征、HPG-LBP特征和WLD-LBP特征具有更好的实验效果。     

基于帧间动态和纹理特征的邮轮舱室火焰识别

火焰探测是火灾探测和监测系统中的一项重要任务。论文提出了船舶火灾探测中火焰的动态和纹理分析方法。火焰最初是根据多尺度颜色空间中的颜色强度分割的,称为候选火焰区域。从候选火焰区域中提取动态和纹理特征,通过混合纹理描述符获得混合纹理特征。结合动态特征,得到了动态混合纹理特征。最后,利用极值学习机分类器,根据提取的动态和纹理特征,将候选火焰区域划分为真实火焰或非火焰区域。结果表明,所提出的火灾探测技术有较好的识别率,可有效降低误检。     

基于顶帽底帽变换的仿生图像增强算法

针对低照度图像对比度低、细节模糊、色彩饱和度低的问题,通过分析人眼的主观亮度感受和光照强度的非线性关系以及人眼的视网膜神经节细胞中感受野的传输特性,提出一种顶帽变换和底帽变换相结合的仿生图像增强算法。首先,将低照度图像的RGB色彩空间转换为HSV空间,对亮度分量进行全局亮度对数变换;其次,采用视网膜神经元感受野三高斯模型对图像局部边缘的对比度进行调整;最后,用顶帽变换和底帽变换辅助对较亮背景的提取。实验结果表明,所提算法增强的低照度图像不仅细节清楚、对比度高,同时还没有设备采集图像存在的光照不均匀和图像景深的问题,而且增强后的图像色彩饱和度高,具有很强的视觉感受效果。     

基于小波系数叠加的遥感图像融合法

在基于小波变换图像融合法的基础上提出了基于小波系数叠加的图像融合法。该方法首先将多光谱图像进行HSV（Hue,Saturation,Value）色彩空间变换,将V分量进行归一化得到V′,将V分量（取值范围为[0,255]）和归一化后的V′（取值范围为[0,1]）同全色图像一同进行小波分解,然后采用小波系数叠加策略进行融合,最后进行小波反变换和HSV反变换得到新的融合图像。实验结果证明该方法具有较好的融合效果。     

The technology of leukocytes determination on blood preparation images

The presented technology of leukocytes determination upon blood preparation images uses the image representation in HSL (Hue, Saturation, Lightness) color space. The results of experimental research of the technology quality depending on various distortions on model and real images are described. The text was submitted by the authors in English.     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。     

视觉导航特征点匹配及误匹配剔除算法

飞行器视觉导航中图像的复杂性对特征点匹配提出了很高的要求。根据图像HSV色彩空间各分量固有的稳定性提出了一种新的特征点不变向量生成方法,以基于欧氏距离的最近邻准则作为特征点的相似度量将该算法提取的特征应用于图像特征点匹配;为了降低特征点描述向量的维数,提高匹配的实时性,采用了主成分分析(PCA)方法。针对误匹配问题,提出了一种利用惯性导航系统的输出信息进行误匹配特征点检测的方法。最后,通过实验证明,所提出的色彩匹配方法可以提高匹配的准确率,并且通过将PCA方法与上述方法结合不仅可以保持匹配的准确性还能降低计算的复杂度;所提出的误匹配检测方法可以较好的剔除误匹配点并能满足实时性的要求,这为视觉导航提供了一种可靠性更高的特征点匹配方法。     

基于视觉感知特性的颜色直方图

对颜色视觉感知特性进行了研究，利用HSV空间和Weber-Fechner定律分别讨论了颜色的亮度、色调和饱和度三个分量对主观感知的影响，综合这三方面的影响构造了一种颜色主观信息量函数。将此函数应用于直方图提取，得到一种基于视觉感知特性的颜色直方图。对比试验证明该直方图能稳定提升图像检索性能。     

Image Retrieval using Fuzzy Representation of Colors

The problem addressed in this article is image indexing and retrieval according to the color. Indeed we propose a classification based on the dominant color(s) of the images. The process consists in two steps: first, assigning a colorimetric profile to the image in HLS space (Hue, Lightness, Saturation) and then, handling the query for the retrieval. To achieve the first step, the definition of hue is done using a fuzzy representation that takes into account the non-uniformity of color distribution. Then, lightness and saturation are represented through linguistic qualifiers also defined in a fuzzy way. Finally, the profile is built through fuzzy functions representing the membership degree of the image to different classes. Thus, the query for image retrieval is a pair (hue, qualifier). The second step looks for a match between the query and the profiles. In order to improve the software and to make it more flexible, the user can re-define the fuzzy representation of Hue, Lightness and Saturation, according to his own perception.     

基于单目视觉的室内机器人障碍检测方案

为提高室内移动机器人障碍物检测能力,提出了一套基于单目视觉的检测方案。该方案首先对拍摄的图像进行色度、饱和度、亮度(HSI)颜色空间转换;然后,针对室内图像中目标和背景的分割,提出了小目标阈值选取法,提高了特定环境下图像分割的准确性;最后,用目标场景匹配法和目标投影匹配法相结合,计算分割后目标像素的变化和投影的变化,从而判别出目标是具有高度的障碍物还是地面图形。实验结果表明该方案的有效性和可行性,可为室内小型移动机器人提供良好的导航信息。