多义图像合成算法研究

提出了一种基于小波变换的多义图像合成算法。该算法首先通过视角来选择小波分解级对两幅目标图像进行小波分解,然后根据可选的小波融合规则和权值变量融合并重构出在两个视角下的多义图像;对小波算法与现有两种算法进行了分析比较,通过试验证明该算法合成的结果多义特性更好,合成图视觉效果醒目并充分保留原目标图像的色彩和细节特征。合成结果采取了均值降噪。     

基于RBF神经网络的低对比度图像自适应增强算法

针对低对比度图像增强问题,提出了一种将直方图修正与RBF神经网络相结合的图像对比度增强算法。首先由原始图像获得与其邻域存在对比度的像素的条件概率直方图,通过调整两个增强参数可以改变条件概率直方图和均匀分布直方图的权重,生成新的直方图对图像进行增强。采用RBF神经网络建立图像特征与两个增强参数之间的非线性映射关系。根据图像本身的特征快速获得增强参数,从而实现图像的自适应增强。该方法计算量小,实时性强,应用范围广,有较强的自适应性。     

基于PSO-RBF的可见光、红外图像特征融合识别研究

采用粒子群优化算法(PSO),优化选取RBF核函数参数,将PSO与RBF联合(PSO-RBF)应用于红外和可将光图像的识别,针对红外、可将光图像的几何特征、Hu矩,可见光的纹理特征,实验仿真结果验证此方法的有效性。     

基于主动照射式的人脸定位

对于人脸定位问题,国内外的研究方法概括起来有基于特征和基于图像两种.本文提出了一种主动照射的人脸定位算法.该算法采用主动结构光照射的方法,同时使用积分投影的结果来分析人脸的几何结构,最后利用鼻子的特征定位人脸.从而做到在背景比较复杂、干扰物体(如杯子,水桶等等)比较多的情况下快速定位人脸中心位置,对摄像头采集到的最大分辨率640×480的有效图像的实时定位速度达到10帧/秒.打破了常规要求图像背景相对简单的缺陷, 从而可以在复杂背景条件下对人脸进行定位.     

基于特征直线的目标被动定位方法

提出一种利用导引头图像信息进行飞机目标被动定位的方法.该方法以目标可预知的先验几何特征为基础,并基于摄像系统视场较小且目标距离远大于目标尺寸时,成像模型可用弱透视投影近似的事实,推导出借助特征直线估计目标距离的单目视觉算法.与传统的目标定位方法不同,该算法通过特征直线的成像尺寸以及相互夹角反映目标成像姿态的变化,使得目标定位算法不依赖于对目标姿态的估计,提高了不同的空间姿态下目标定位的准确性.实验结果表明,该算法能够在低信噪比情况下准确定位目标,且算法不受目标姿态的影响.     

基于小波变换的自适应图像融合算法

针对现有图像融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,建立了图像内容自适应的融合准则和一致性选取准则,提出了一种基于小波变换的自适应图像融合算法,实现了多光谱图像与全色图像的融合,并对融合图像进行了主、客观评价。着重从图像融合如何提高目标的区分度和识别率的角度给出主观评价,通过光谱扭曲度、清晰度客观分析多光谱与全色图像的融合效果。实验结果表明,该算法充分利用了全色图像的空间细节特征、图像边缘和方向性特征信息,保留了多光谱图像的光谱信息特征,提高了融合图像的主观效果,有利于信息的提取和目标解译。在光谱和空间细节综合保持方面,该算法优于IHS融合方法和传统的二进小波融合方法。     

综合PHOG和LWT的图像检索算法

目的研究物体的形状特征在图像描述及图像检索中的区分度和检索性能。方法设计一种综合PHOG形状和提升小波变换的图像检索算法。算法首先对原始图像进行极坐标系方向归一化,提取图像旋转不变特征;其次提取分层图像的PHOG形状特征;然后提取分层图像低频变换系数均值和方差作为提升小波变换特征;最后将各种特征进行融合并用于图像检索,并定义距离衡量公式。结果通过文中设计算法提取的图像形状特征可使各标准测试图像间距离均值为0.2352。结论在Corel图像集上的检索实验结果优于RIM算法和FWTH算法,表明文中算法图像检索领域具有一定的应用前景。     

小波多辨率CT成像及处理算法

分析了小波变换进行低分辨率快速图像轮廓重构和局部区域精确重构的算法。在这种算法中，滤波器与小波有关，从而可由反投影得到各种小波图像。通过小波多尺度分析和小波系数控制，提出一种简单算法进行图像增强和噪声去除。与标准的算法相比，该算法提高了重建速度和图像精度。     

基于CMOS线阵相机的弹丸图像信息提取研究

由于CMOS线阵相机采集的弹丸图像背景灰度不均匀、亮度不足等,常用的目标提取算法应用在弹丸图像信息提取中存在捕获率低、精度不高等问题.通过对弹丸图像本身的分析研究,设计了一种基于二次提取快速获得弹丸图像信息的算法,可以快速定位弹丸位置,准确获得弹丸坐标.结果表明,此算法可显著消除背景噪声影响,相比于常规的目标提取算法,使用该算法获得的弹丸坐标精度更高,可达到2.3 mm,在现代靶场测试活动中具有实用意义.     

基于小波域多分辨率MRF的声呐图像目标分割

声呐图像受噪声影响严重,分辨率低,传统算法对其目标分割效果较差,为此,提出了小波域多分辨率MRF模型的声呐图像分割算法。小波域多分辨率分析有利于提取声呐图像弱特征信息;每一分辨率中的观测特征采用高斯混合模型建模,尺度内同标记的观测特征用高斯模型建模,用各向同性的双点多级逻辑(Multi-Level Logistic,MLL)模型建模每一尺度的标记场;最后,用迭代条件模式(Iterated Conditional Mode,ICM)实现多分辨率马尔可夫随机场(Multi-Resolution Markov Random Field,MRA-MRF)中能量函数的最优解,获取标记场,完成声呐图像分割。从视觉效果和定量分析两方面验证。对比实验的结果表明,该文算法能有效地提取声呐图像的弱目标信息,较好地将目标区域和背景区域分割出来,具有较高的分割精度和鲁棒性。     

高速漏磁检测的二维缺陷轮廓重构

针对高速漏磁检测缺陷可视化中的关键技术与难点,通过提升小波包的方法对缺陷漏磁信号进行预处理,根据电磁场基本理论,对高速漏磁检测过程中传感器速度对漏磁信号的影响作了理论分析,提出了基于正则化理论的径向基函数神经网络的补偿措施,通过网络的映射,得到了缺陷漏磁信号的速度不变响应,最后利用蚁群算法优化的径向基函数网络对缺陷漏磁信号进行二维反演,实现了缺陷的二维轮廓重构。     

机械故障诊断中的小波基及算法研究

针对小波分析在机械故障诊断应用中的小波基选择和快速算法存在的问题,对常用的正交、半正交、双正交小波提取信号特征的能力进行了分析比较,表明半正交Ｂ样条小波因具有线性相位和采用较长的分解序列而具有较好的频率局部化特性和较小的变换误差,具有比较好的综合性能。推导了正交小波包的图形显示算法。利用该算法解决了小波变换快速算法中存在的数据长度随分解层数倍减小的问题。研究结果为故障诊断中小波基的选择和信号的深层     

Feature Selection for Robust Localization of Acoustic Emission Sources in Ship-Hull Structures

In this article, a novel feature selection method based on the Fisher ratio (F-ratio) and k-means clustering algorithm is presented and evaluated for nondestructive monitoring of acoustic mission (AE) sources in ship-hull structures. Avoiding complex and time-consuming implementations, the proposed approach use the advantages of the discrimination measure of the F-ratio and the fast convergence rate of a k-means algorithm in the feature selection problem. An extremely efficient set of only four features per sensor is selected for AE sources localization using a radial basis function (RBF) neural network (NN) giving error-free localization accuracy.

In the presence of additive white Gaussian noise, different type of information has been selected from the original set of 90 features. Extensive experiments show that even in the very noisy environment of 0 dB SNR, a small set of four features can be used for robust neural localization of AE sources giving localization rates better than 94%.     

基于小波包和进化支持向量机的齿轮早期诊断研究

针对齿轮早期故障的特征不明显，提出了一种基于小波包和进化支持向量机的齿轮故障诊断方法，该方法既充分利用了小波包优良的时频局部化特性，又利用了支持向量机在小样本情况下出色的学习性能和良好的推广特性，以及遗传算法的全局优化能力。在齿轮试验台上的应用结果表明，经过特征提取和参数优化后，提高了支持向量机的分类能力。     

菊花微弱电信号的神经网络预测

依据菊花(Dendranthema morifolium)植物电信号小波软阈值消噪后的数据,进行了其电信号时间序列的高斯径向基函数(RBF)神经网络预测.菊花植物电信号是一种微弱低频非平稳信号,最大幅值1 093.44μV,最小为-605.35μV,均值-11.94μV;功率谱分布为0-0.2 Hz.该结果说明,利用RBF人工神经网络对植物微弱电信号进行短期预测是可行的,其预测数据可作为以节能为目标依据植物自适应电信号特性建立温室和/或塑料大棚智能自动化控制系统的重要参数.     

基于模糊聚类的RBF神经网络算法

文章提出一种根据模糊聚类的思想来确定RBF神经网络隐层节点数,并用K-Means的聚类算法来训练RBF神经网络.并根据此算法进行仿真,并证明是有效的.     

Self-adaptive radial basis function neural network for short-term electricity price forecasting

Effective and reliable electricity price forecast is essential for market participants in setting up appropriate risk management plans in an electricity market. A reliable price prediction model based on an advanced self-adaptive radial basis function (RBF) neural network is presented. The proposed RBF neural network model is trained by fuzzy c-means and differential evolution is used to auto-configure the structure of networks and obtain the model parameters. With these techniques, the number of neurons, cluster centres and radii of the hidden layer, and the output weights can be automatically calculated efficiently. Meanwhile, the moving window wavelet de-noising technique is introduced to improve the network performance as well. This learning approach is proven to be effective by applying the RBF neural network in predicting of Mackey-Glass chaos time series and forecasting of the electricity regional reference price from the Queensland electricity market of the Australian National Electricity Market.     

基于RBF神经网络的睡眠分期方法研究与应用

目的 提出一种基于径向基函数(Radial Basis Function,RBF)神经网络的睡眠分期方法,设计一套能够根据用户身心恢复状态调节唤醒时间的智能唤醒系统,以优化用户睡眠时长,减轻醒后不适感。方法 基于心率变异性和睡眠分期等相关理论知识,通过低功耗心率带采集人体心电信号,选取最优小波变换对采集到的心电信号精准去噪,对径向基函数神经网络进行反复训练后,筛选出10个关键的特征向量,以构建睡眠分期模型。睡眠分期信息通过STM32处理器传输到手机客户端,系统根据预先设计的优化唤醒机制在用户身心恢复到最佳状态时将其唤醒。结果 基于睡眠分期模型的算法平均识别准确率可达88.9%,卡帕(Kappa)系数为0.839,相较于其他算法,该算法具有较高的准确率。结论 该智能唤醒系统的采集成本较低,算法简便高效,其唤醒机制科学合理,可以使用户舒适醒来,对改善用户醒后状态具有重要意义。     

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。     

模糊聚类和混沌自适应粒子群的神经网络色彩匹配

目的研究基于混沌理论、粒子群算法、模糊聚类和人工神经网络的色彩匹配模型。方法结合混沌理论和动态自适应策略,对粒子群算法进行改进,得到混沌自适应粒子群算法,并应用于径向基人工神经网络的基函数中心,以及扩展常数和网络权值的优化中;通过模糊聚类分类样本数据,得到混沌自适应粒子群径向基人工神经网络色彩匹配模型,并将模型与其他色彩匹配方法进行比较。结果CSAPSO RBF ANN色彩匹配模型的平均绝对误差、均方根误差和色差平均值分别为0.0106,0.000 96和1.9122。结论 CSAPSO RBF ANN色彩匹配模型具有良好的普遍性、通用性和泛化能力。