基于最优分类数及遗传算法的灰度图像多阈值自动分割法

如何确定分类数是模式识别和图像分割中常要面对的难题。文献犤1犦提出了一种基于阴阳机制确定最优分类数的模式聚类方法。该文在文献犤1犦的基础上,导出了一个新的用于评价灰度图像多阈值分割的评价标准,并结合遗传算法,提出了一种用于灰度图像的多阈值自动分割方案。试验表明,该法具有较强的鲁棒性、适用性、非监督性。     

特高压换流站调相机系统控制策略分析

首先介绍了特高压换流站调相机工程的主要作用、数学模型及运行特性,分析了调相机SFC系统、启动励磁和主励磁系统的工作原理及控制策略。其次概括了调相机并网启动流程,分析了并网启动过程中SFC、启动励磁和主励磁系统之间配合过程,针对调相机并网运行特性,分析了调相机并网运行时无功控制策略与原理。最后结合调相机并网调试期间波形与录波文件,验证了调相机控制策略的可行性和准确性。通过分析特高压换流站调相机系统控制策略,有利于掌握调相机启动逻辑与运行特性,保证区域电网安全稳定运行。     

一种RGB颜色空间中的车牌定位新方法

车牌定位是车牌自动识别系统的关键。为了快速准确地进行车牌定位,提出了一种新的RGB颜色空间的车牌定位方法,该方法包括颜色特征提取、特征图像的二值化、形态学连通去噪、车牌候选区域检验4个步骤,同时针对传统颜色特征提取对光照变化敏感的问题,提出了一种不包含亮度信息的颜色特征提取方法;对于车牌候选区域的检验摒弃了常用的易受图像尺寸及图像分辨率影响的区域面积、宽高比、矩形度等几何特征,而是采用车牌字符数及字符排列的规则度作为判定的依据,并由此设计了一种车牌字符规则度的计算方法,用来检验车牌候选区域。通过对包含不同尺寸、不同光照条件的605幅图像进行车牌定位的实验表明,成功率超过96%,可见该颜色特征提取方法对光照变化不敏感,该车牌检验方法可适用于各种不同尺寸图像的车牌定位。     

基于开关型霍尔位置传感器的永磁同步电动机正弦波驱动

提出了一种基于三个开关型霍尔位置传感器的位置估算方法,能使电机在相对低速条件下稳态运行,拓展了电机的调速范围。详细分析了电机在动态运况下,如何准确估计转子的位置,实现永磁同步电动机正弦波驱动。实验结果表明,该控制方法在满足永磁同步电动机正弦波驱动要求下能实现大范围调速,有效抑制转矩脉动,电机运行平稳。     

基于k-最小表示误差类的表示分类方法

基于表示的分类(representation-based classification,RC)通常使用所有类的训练样本来表示测试样本.然而,是否需要使用全部类来表示测试样本仍有待研究.为此,提出一种两阶段表示分类框架.首先使用RC算法计算测试样本相对于全部类的训练样本的表示系数,找出前k(k≥1)个具有最小表示误差的类;然后利用该k个类的训练样本,再次应用RC算法对测试样本进行表示,并通过从这k个类中找出最小表示误差类来确定测试样本的类别.此外,提出了一种非负加权协同表示分类算法.所提分类框架中的前后两个RC算法可以相同也可以不同.取前后两个RC相同,对五种RC,在五个数据库上进行实验,实验结果表明,所提两阶段表示分类框架大多数情况下能显著提升原RC算法的分类精度.     

表贴式分数槽电机永磁气隙磁场矢量位半解析法

采用矢量位半解析法分析了分数槽电机的永磁气隙磁场和定位转矩。永磁体和气隙区域用解析法求解,槽形区域用差分法计算。两区域共有部分的磁场计算结果作为另一个场域的边界条件。真实反映气隙磁场的切向和径向磁密,由此可准确计算定子开槽后的定位转矩。实例计算与有限元计算较好地吻合,从而验证了该方法的正确性。     

用半解析法计算永磁无刷直流电机齿槽定位转矩

采用半解析法计算表贴式永磁无刷电机的气隙磁场及其齿槽定位转矩.永磁体和气隙区域用解析法求解,槽形区域用差分法计算.两区域共有部分的磁场计算结果可作为另一场城的边界条件.能真实反映气隙磁场的径向分量和切向分量,由此可准确汁算定子开槽时的齿槽定位转矩,实例计算与有限元分析结果吻合较好,证明了此方法的正确性.     

小波变换域均值调制的可读图像盲水印算法

提出了一种小波变换域均值调制的可读图像盲水印算法,利用图像经离散小波变换后细各细节子带系数均值近似为零的特点,根据细节子带系数的局部方差,自适应地修改图像小波分解后某些细节分量的局部均值,在满足水印不可感知性的条件下自适应地嵌入水印信息,实现水印不可感知性和鲁棒性之间的折衷。同时,在不借助原图像的前提下,实现水印的盲检测。水印信息是一幅有实际意义的二值图像。实验结果和攻击测试表明,提出的算法对常见的滤波、JPEG压缩、添加噪声、剪切等多种攻击有较强的鲁棒性。     

基于k-最小表示误差类的表示分类方法

基于表示的分类(representation-based classification,RC)通常使用所有类的训练样本来表示测试样本.然而,是否需要使用全部类来表示测试样本仍有待研究.为此,提出一种两阶段表示分类框架.首先使用RC算法计算测试样本相对于全部类的训练样本的表示系数,找出前k(k≥1)个具有最小表示误差的类;然后利用该k个类的训练样本,再次应用RC算法对测试样本进行表示,并通过从这k个类中找出最小表示误差类来确定测试样本的类别.此外,提出了一种非负加权协同表示分类算法.所提分类框架中的前后两个RC算法可以相同也可以不同.取前后两个RC相同,对五种RC,在五个数据库上进行实验,实验结果表明,所提两阶段表示分类框架大多数情况下能显著提升原RC算法的分类精度.     

基于纹理能量分析的自适应图像融合方法

针对现有的许多图像融合方法在提高图像几何分辨率、保持原始影像光谱信息方面的缺点，利用小波的“显微”特性，提出了基于纹理能量分析的自适应图像融合方法。该方法在保持光谱信息的同时，可提高图像的几何分辨率。实验对比表明了该算法的优越性。