利用层间相关性的岩心CT图像半自动分割方法

目的 由于岩心CT图像分辨率不高,目标边界较为模糊,无法完全自动化地对岩心CT图像的目标分割和提取。为保证效果,在分割过程中往往需要进行人为干预。但作为3维重建的岩心CT图像,图像数据规模较大,达到成百上千帧。如果对每一帧都进行人为干预,工作量将会很大。针对这种情况提出一种在保证分割效果的前提下只需进行少量人为干预的高效实用的分割方法。方法 先对CT图像中的某一帧设定分割阈值,利用CT图像层间相关性对相邻帧自动计算合适的分割阈值,从而分割出整个CT图中的目标。并根据需要,选定其中分割效果较好的一帧,其他帧根据此帧进行自动区域生长修复,从而更加完善分割效果。还可以手工修复其中一帧中的目标,其余帧的所有相关目标将会自动进行识别和修复。结果 通过对多组不同数据规模和分辨率的岩心CT图像进行实验测试,使用本文方法均可达到期望的分割效果,并且分割速度较大津分割法提高近1倍,与固定阈值分割方法速度相当。结论 岩心CT图像分割方法充分利用图像层间相关性,可快速有效地批量提取具有连续性的序列图像中的目标。     

基于时间序列模型的粒子滤波行人跟踪算法研究

针对行人运动的随机性导致运动状态模型适应性差和人在行走过程中可能发生短时全部或局部遮挡导致行人跟踪算法精度较低的问题,提出基于时间序列模型的粒子滤波行人跟踪算法;建立了行人运动时间序列模型;给出了基于对视频序列初始帧的检测,确定行人的位置、宽高等作为跟踪先验信息的方法;由先验信息计算加权颜色直方图构建初始粒子群分布,并利用时间序列运动模型预测粒子在下一时刻的状态分布,并更新粒子权值;根据有效粒子的个数判断是否进行重采样;最后由所有粒子的加权和估计行人的运动状态;仿真实验表明:文中提出根据行人的运动轨迹时间序列运动模型可使行人的状态估计更准确,预测误差进一步减小,预测精度得到了提高.     

基于互联网的电力设备维修技术的研究

电力设备的诊断与维护在电力系统的运行中起着非常重要的作用。本文着重介绍利用信息、智能控制、网络等技术构建基于互联网的电力设备网络管理系统,为电力设备的诊断与维护提供一个方便的讨论、共享及全球合作的技术平台。     

Limitations of a Mapping Algorithm with Fragmentation Mimics (MAFM) when modeling statistical data sources based on measured packet network traffic

Knowing the estimation of a statistical process’s parameters for measured network traffic is very important as it can then be further used for the statistical analyses and modeling of network traffic in simulation tools. It is for this reason that different estimation methods are proposed that allow estimations of the statistical processes of network traffic. One of them is our own histograms comparison (EMHC) based method that can be used to estimate statistical data-length process parameters from measured packet traffic. The main part of EMHC method is Mapping Algorithm with Fragmentation Mimics (MAFM).     

改进的二维Renyi嫡图像闭值分割

提出一种基于灰度一梯度信息二维Rcnyi墒图像阂值分割新方法。首先,由图像灰度值和梯度值构造出二维直方图,在此基础上计算目标和背景区域的二维Renyi嫡,并使此嫡值函数最大,得到分割阂值。像素梯度信息和Renyi嫡可调参数相结合,可以处理更多类型的图像,同时分割得到的图像内部更均匀,边界形状更准确。     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。     

彩色图像分割中基于粗糙集直方图的改进

把粗糙集应用于图像分割研究一直是一个热门话题,Milind M Mushrif、Ajoy K Ray等[1]结合Histon直方图,基于粗糙集理论,阐明了一种新的彩色图像分割算法。但是,其中R、G、B粗糙集直方图的相关性并没有得到克服,直接影响到了最终的分割效果。针对该弱点进行改进,经过大量的实验证明本文所进行的改进有以下优点:R、G、B粗糙集直方图的相关性明显降低;计算时间显著减少。     

基于帧间预测误差扩展的可逆视频水印

为了提高可逆视频水印的嵌入容量和嵌水印视频质量,提出一种使用运动估计和预测误差直方图修改的算法.在嵌入端,根据视频中相邻帧间的内容关系,对每一帧使用运动估计获得其像素的预测误差,生成预测误差直方图,并通过扩展位于直方图峰值点的预测误差来嵌入水印;在每帧的嵌入过程中会产生少量用于提取水印和还原视频的头信息,包括运动向量和边界表等,将其与水印一起嵌入到该帧的参考帧中.在提取端,先获取参考帧中的水印和头信息并还原参考帧,保证提取操作具有正确的上下文,然后根据获取的头信息和还原后的参考帧提取当前帧中的水印.实验结果表明,采用文中算法获得的预测误差直方图具有高度的集中性,并且对像素值的修改十分微小,比其他可逆水印算法具有更大的嵌入容量和更好的嵌水印视频质量.     

灰度图像二维最小类方差递推及差分演化的快速分割

为克服Otsu法阈值偏离及一维最小类方差法在含噪图像分割中性能不佳的问题,基于图像灰度级二维直方图,提出一种二维最小类方差快速阈值化方法.通过递推方式计算得到图像前景及背景在不同阈值向量上的灰度级类概率及类均值,在此基础上,应用差分演化算法搜寻使图像类方差最小的阈值向量,并用该阈值向量对图像实施分割.在合成及真实图像上的实验结果表明,采用文中方法可获得良好的分割性能,有效地克服了Otsu法及一维最小类方差法的不足;采用递推及差分演化算法使计算时间大幅降低,可满足工程应用需求.     

基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法

将数据挖掘的聚类算法应用到基于内容的图像检索中可以有效提高检索的速度和效果。模糊聚类算法更符合图像检索本身所具有的模糊性,但这种方法存在聚类分析时间过久影响检索性能的问题,因此本文提出了一种基于优化分块颜色直方图及模糊C聚类的彩色图像检索方法。首先对图像库中的每幅图像进行分块,并提取出每一块的优化颜色特征信息;然后采用模糊C均值聚类算法对得到的颜色特征向量进行聚类,得到每个图像类的聚类中心;最后计算查询示例图像和对应图像类的图像之间的相似度,按照相似度的大小返回检索结果。实验表明,本文提出的方法不仅具有较高的查全率和查准率,而且提取的特征维数较少,聚类时间短,检索速度快。