基于灰度共生矩阵与局部线性嵌入的金属断口图像识别方法研究

在模式识别中,灰度共生矩阵(GLCM)能够很好的提取图片的纹理特征,流形学习中的局部线性嵌入(LLE)方法是一种有效的非线性降维方法。结合两者的优点,经过严格的推导,提出一种基于灰度共生矩阵与流形学习的金属断口图像识别方法 GLCM–LLE。将提出的方法与传统的基于灰度共生矩阵的方法进行对比,实验结果表明,提出的方法在识别率方面优于GLCM方法,具有实用、有效的优点。     

基于特征融合和GWO-SVM的铸铁金相组织分类技术研究

针对人工金相组织定量分析效率低、主观影响较大的问题，提出基于灰度共生矩阵(GLCM)和局部二值模式(LBP)融合的铸铁金相组织分类方法。分别提取铸铁金相图片GLCM和LBP特征，并使用主成分分析(PCA)将LBP特征降维，组成特征向量；通过不同核函数的对比，选择高斯核函数(RBF)作为支持向量机(SVM)的核函数；为了提高模型的效率，采用灰狼优化算法(GWO)对核函数进行优化。结果表明，GLCM和LBP融合后的分类效果要优于单一的GLCM和LBP；基于GWO优化后的SVM分类效果也要优于RF和ELM，分类准确率可以达到98.67%。     

基于灰度共生矩阵的车刀车削工件表面纹理分析

通过对灰度共生矩阵的介绍,提出一种基于灰度共生矩阵提取纹理图像特征.对纹理学原理与其主要研究方法进行了分析,然后结合车削工件表面图像特征,研究了纹理学特征分析的经典方法--灰度共生矩阵法,并结合车削工件表面图像,分析了车削工件表面纹理在归一化灰度共生矩阵中所表现出的特点.     

基于改进的灰度共生矩阵参数特征提取的齿轮箱故障诊断

基于时频图像提出了一种改进的灰度共生矩阵参数特征提取的方法,该方法应用于时频图像的故障特征提取。经试验数据验证,相对于传统灰度共生矩阵参数,改进后的灰度共生矩阵参数有较好的特征提取效果。     

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern, RULBP)与灰度共生矩阵(gray-level co-occurrence matrix, GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理"微宏观"特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。     

基于IMF投影图像分析的滚动轴承故障诊断方法研究

提出了一种基于本征模式分量投影图像分析的滚动轴承故障诊断方法,实现了滚动轴承故障的状态识别与程度识别,首先,依托经验模式分解方法(Empirical Mode Decomposition,EMD)对轴承故障信号进行分析,获取故障本征模式分量(Intrinsic Mode Function,IMF);其次,构建各个本征模式分量的时频三维灰度投影图像,引入基于灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)的纹理特征对三维投影图像进行分析;最后,通过主成分分析进一步压缩特征维度,并结合支持向量机(Support Vector Machine,SVM)实现了滚动轴承的故障诊断。研究从图像特征角度实现故障诊断,丰富了现有振动信号故障特征获取方法,实现了滚动轴承故障的状态识别与程度识别。     

自组织LLE算法及其在人脸识别中的应用

流形学习方法可以有效的发现存在于高维图像空间的低维子流形并进行维数约简,近年来越来越受到生物特征识别和认知科学领域的研究者的重视。针对局部线性嵌入（Local linear embedding,简称LLE）流形学习算法存在的问题,本文提出了一种自组织LLE算法(Self-Organized LLE,简称SO-LLE),该算法不仅能自动确定数据点邻域选择、减少运算量,而且能有效的发现嵌入于高维人脸图像的低维子流形。本文对SO-LLE算法进行了详细的理论分析,并应用各种数据集进行了仿真实验和分析。在公开的人脸数据库上的仿真实验结果表明,该方法能有效的提高人脸识别的性能。     

基于小波和灰度共生矩阵的带钢表面缺陷识别

提出了一种基于小波变换和灰度共生矩阵的带钢表面缺陷识别方法。采用小波变换分解缺陷图像并提取其低频子带信息。通过在低频子带上构造0°、45°、90°和135°四个方向的灰度共生矩阵,分别计算角二阶矩、熵、对比度和逆差矩4个特征值,共获得16个特征值,并将其输入支持向量机,完成对6类共1800张带钢表面缺陷图像的识别,总体识别精度大于96%。实验结果表明,小波变换与灰度共生矩阵结合能有效描述带钢表面缺陷纹理特征,具有较好的识别效果。     

灰度共生矩阵的快速实现和优化方法研究

灰度共生矩阵计算具有计算量大、计算延时长等缺点,严重影响计算的实时性.针对此问题在充分分析灰度共生矩阵计算并行性的基础上,提出了快速计算灰度共生矩阵的并行算法和并行体系结构,利用图像中像素之间计算的可并行性,设计多个Processing Elements(PEs)对多个像素进行并行计算,可有效地实现灰度共生矩阵的快速计算.由于嵌入式可重配置硬件平台资源有限,对灰度共生矩阵计算性能进行优化的同时还对资源消耗进行优化.通过对计算延时(latency)和资源消耗(area)的分析,建立新的优化目标函数,实现了性能和资源折衷的优化设计.     

挠性印制电路板焊盘表面缺陷的检测

针对挠性印制电路板(FPC)上的焊盘表面缺陷,提出一种基于图像处理技术的智能检测方法。首先,根据缺陷的表现形式对焊盘缺陷进行归纳与分类,采用最大熵值法量化提取焊盘的颜色特征和面积特征;然后,通过评估灰度共生矩阵(GLCM)对纹理颜色变化特征与纹理结构特征量化的有效性,将其应用于焊盘纹理特征的量化与提取。实验分析显示,缺陷焊盘与非缺陷焊盘在某个或多个特征上存在着明显的差异。基于该特点,建立了BP神经网络,以焊盘的颜色、面积、纹理结构、纹理颜色变化特征值作为神经网络的输入,通过学习大量样本,获取最佳权值参数,最终实现对FPC焊盘表面缺陷的检测,检测准确率高达94.6%,50个焊盘的检测时间为300ms。实验结果表明:本文提出的检测方法不仅能够有效地对焊盘表面缺陷进行识别,而且能够满足在线检测对速度的要求。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

流形模糊C均值方法及其在滚动轴承性能退化评估中的应用

滚动轴承全寿命周期性能退化监测是设备主动维修技术重要的组成部分,对损伤状态进行有效评估可以实现设备接近零停机运行,发挥机器的最大生产力。为有效描绘滚动轴承性能退化趋势,提出一种基于流形学习的模糊C均值(Fuzzy C-means algorithm,FCM)方法。首先提取监测信号的时域、频域特征及小波包时频域特征组成高维特征集,然后按确定的本征维数提取高维特征集的低维流形特征,进而建立基于局部线性嵌入流行学习(Locally linear embedding,LLE)的模糊C均值模型评估轴承当前运行状态。通过IMS滚动轴承全寿命试验,验证了该方法能够有效描绘滚动轴承性能退化阶段,为预知维修提供了重要信息。     

基于信息熵和组合纹理特征的熟料状态检测

基于信息熵和组合纹理特征提出了回转窑熟料烧结状态检测方法.利用信息熵对窑头图像序列进行分析以消除粉尘干扰导致的坏帧;对提取出的熟料感兴趣区计算了隶属于纹理统计学方法的灰度直方图法、灰度共生矩阵、灰度游程矩阵、灰度梯度法共32个统计学纹理描述子,结合MI互信息参数确定了10个区分度高的纹理特征待选集;基于K-NN分类器实现了过烧、稍过烧、正烧、稍欠烧和欠烧5种不同烧结状态的熟料检测.实验结果表明该方法仅用灰度共生矩阵的SA和灰度游程矩阵的Vert_LRE这2个纹理参数熟料状态动态识别率达到86.5％,对实现回转窑熟料烧结状态检测具有较好的实用价值.     

半监督流形学习及其在遥感影像分类中的应用

为了有效利用已标记与未标记样本提高遥感影像分类精度,提出了一种新的半监督流形学习方法-半监督流形鉴别嵌入法(SSMDE).该方法利用标记样本的类别信息构建类内图和类间图来表征样本数据的类别联系,并计算相应的权重矩阵;利用标记和未标记数据构建全局散度矩阵来表征数据的整体结构.在此基础上,通过优化目标函数得到投影矩阵,在保...     

考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers, HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix, GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine, SVM)、决策树(Decision tree, DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。     

基于灰度直方图反向投影的织物疵点图像分割

针对织物的周期性纹理,提出了基于灰度直方图反向投影的疵点图像分割算法。该方法具有纹理屏蔽性,因而可以较好地分割疵点。首先介绍了灰度直方图反向投影的原理及其改进形式,然后对算法流程进行了分析并给出了几种疵点的检测结果。最后与Gabor滤波方法和灰度共生矩阵方法进行了用时比较。实验结果表明基于灰度直方图反向投影的织物疵点图像分割算法不仅效果好,而且用时短。     

基于图像法的端铣表面粗糙度研究

基于机器视觉理论,采用图像法,实现了对端铣工件表面粗糙度的非接触式无损检测。通过数字显微镜、高分辨率摄像机与计算机相连接的图像采集系统获取端铣工件表面图像,根据端铣原理和端铣痕迹图像特征,提取基于灰度共生矩阵方法(GLCM)的8表面纹理特征参数,探讨各纹理参数与表面粗糙度评定值Ra的变化规律,从而定性评估端铣工件表面粗糙度。建立BP神经网络检测模型,以端铣表面图像纹理特征参数为输入量,对应的表面粗糙度评定值Ra为期望输出,构建了神经网络检测模型。通过测试样本检验,该方法具有较高的检测精度,能够满足表面粗糙度测量的精度要求。     

砂纸在线纹理特征提取方法的研究

纹理特征作为图像的表面固有特征,在模式识别中有着重要的作用。针对提取砂纸表面缺陷纹理特征的问题,提出了灰度共生矩阵的概念,建立了砂纸的灰度共生矩阵模型,对模型进行相关的理论分析,诠释了图像预处理工作的重要性和各个参数的影响机制;同时针对砂纸图像光照不均匀的现象,采用了基于概率的数字图像不均匀校正算法,对图像质量进行改进。通过对实验的仿真分析,验证了传统的灰度统计特征的方法在提取砂纸纹理特征中的不足,得出灰度共生矩阵在纹理特征提取中具有更好的适应性结论。最终构建砂纸的特征向量,为模式识别过程中分类器的训练提供了理论依据。     

一种新颖的人脸图像超分辨率技术研究

本文针对基于学习的人脸图像超分辨率技术进行研究,采用多分辨率的幻觉脸算法。针对Baker方法（文献[1]）建立的图像金字塔提取高频细节不够丰富的缺点,采用Kirsch算子提取高频特征。它与Baker的一阶、二阶灰度算子结合,能够提取更多的图像信息,使得匹配更为准确。另外将流形学习中的LLE算法思想引入匹配复原过程中,使复原结果获取更完备的高频信息。实验结果表明,本文预测得到的先验模型更为准确,使得最终复原的人脸图像具有更好的视觉效果。     

基于核函数距离测度的LLE降维及其在离群聚类中的应用

局部线性嵌入算法(locally linear embedding,LLE)是一种流形降维方法,在高维稀疏数据空间中,针对LLE不适合稀疏采样和欧氏距离公式的缺陷,研究该算法的扩展,引入核函数,并将样本映射到高维特征空间,核映射改善了样本的空间分布,改进的LLE方法在适当选取近邻点个数情况下,可得到良好的效果.对从高维采样数据中恢复得到低维数据集,通过本文提出的离群数据假设,并结合本文给出的离群聚类方法埘所得低维数据是否是离群数据进行判别.仿真实验的结果表明了该方法能够有效地发现高维数据集中的离群点,与此同时,该算法具有参数估计简单、参数影响不大等优点,该算法为离群点检测问题的机器学习提供了一条新的途径.