改进Chan-Vese模型的电力设备红外图像分割算法

针对电力设备在线监测系统中红外图像分割效果差,速度慢等问题,提出一种改进的Chan-Vese模型的红外图像分割算法。首先,通过引入边缘能量项,一方面增强模型的局部控制能力,另一方面有效抑制了轮廓偏移。其次,利用径向基函数取代了传统的长度正则项,简化了计算。然后,通过引入内部能量项省去初始化过程,节省了算法的运行时间。经实验验证,Dice重合率（Dice similarity coefficient, DSC）平均值为0.9808,错误分割率（ratio of segmentation error, RSE）平均值为0.025,算法运行时间比其他模型总体平均值低66.8%。改进后的Chan-Vese模型分割算法的Dice重合率和错误分割率等均优于GAC-CV、CV-RSF、区域型水平集和Multiphase-CV模型分割算法。     

基于改进人工蜂群正余弦优化的红外图像分割方法

针对红外图像背景复杂且分割难度较大等问题,提出了一种改进人工蜂群正余弦优化的红外图像阈值分割方法。首先是将二维Otsu函数作为蜂群算法的适应度函数;其次采用混沌对立的学习方法和差分进化的方法改进了初始化种群和蜜蜂搜索方程;然后利用改进的蜂群算法优化阈值,缩小阈值的搜索区域;最后利用正余弦法计算出全局最优解,该最优解即为分割的最佳阈值。实验结果表明:论文方法与Otsu法、k-means法、区域生长法以及分水岭法相比,图像目标区域分割的平均交并比为84.13,平均准确率为89.18,有效提高了红外图像的分割精度。     

红外与可见光图像配准技术研究综述

多模态图像配准能提供比单模态图像配准更加丰富和全面的信息,红外与可见光图像配准作为一种常见的多模态配准类型,在电力、遥感、军事以及人脸识别等领域具有重要的应用价值。首先介绍了红外与可见光图像配准的相关技术并阐述了配准中存在的难点与挑战,然后详细分析和总结了基于区域、基于特征和基于深度学习3种红外与可见光图像配准方法,并分别阐述了不同配准方法的优缺点,之后概述了红外与可见光图像配准技术的实际应用,最后对红外与可见光图像配准未来的发展趋势进行讨论。     

融合DBSCAN的改进YOLOv3目标检测算法

针对YOLOv3（you only look once）检测算法对小目标、遮挡目标检测时存在识别率低和识别精度不高的问题,提出一种融合DBSCAN（density-based spatial clustering of applications with noise）的改进YOLOv3目标检测算法。首先在YOLOv3网络中增加DBSCAN聚类算法,其次对检测目标进行提取,实现数据集多尺度聚类,得到初代特征图,然后通过改进[K]-means聚类算法确定锚点位置达到更好的聚类,最后在VOC2007+2012数据集和MS-COCO数据集上对改进YOLOv3算法进行训练和测试。实验结果表明改进的YOLOv3算法使检测目标在VOC数据集和MS-COCO数据集上mAP（mean average precision）分别提高了14.9个百分点和12.5个百分点。与其他深度学习目标检测算法相比,改进YOLOv3检测算法具有更好的检测效果,同时具有良好移植性和更好的鲁棒性。     

邻近建筑物控制爆破技术

以李家营车站为例,对邻近建(构)筑物的路基石方开挖进行了控制爆破设计,爆破结果表明对邻近建(构)筑物的影响在可控范围内,且边坡平整度达到了预期效果,取得了创造性成果。     

基于改进生成对抗网络的书法字生成算法

针对生成对抗网络生成字体存在笔画缺失、字形结构错乱、图像模糊与质量差的问题，提出改进zi2zi生成对抗网络的书法字生成算法.在编码器中引入卷积核为1的残差块，提高生成器提取书法字体细节特征的能力，通过增加上下文感知注意力结构提取书法字体的风格特征.在判别器中利用谱归一化增强模型的稳定性，避免因模型训练不稳定而带来的模式崩塌.采用最小绝对误差L1范数约束生成字体边缘特征，使得字体轮廓更加清晰，最终生成2种风格的书法字.颜真卿楷书与赵孟頫行书目标风格数据集的测试结果表明，提出算法的主观客观评价结果均优于对比算法，与zi2zi相比，峰值信噪比分别提高了1.58、1.76 dB，结构相似性分别提高了5.66%、6.91%，感知相似性分别降低了4.21%、6.20%.     

一种基于数学形态学的CT图像脑瘤分割方法

针对传统的CT图像脑瘤分割方法往往需要先验知识指导的弊端,且脑瘤CT图像中肿瘤特征点与周围背景对比度较小,计算机自动提取这些特征点具有一定难度.为能清晰观察肿瘤具体位置,提出了一种基于数学形态学Top-Hat变换的脑瘤CT图像分割方法.利用形态学变换可得到分割迫切需要的谷峰值点、高低曲率点,再将变换结果与原始图像做"异或"运算就可以达到有效分割出肿瘤.实验结果表明,方法在无需先验知识指导情况下可使分割效果明显优于传统方法,具有很好的实用性.     

GaN HEMT器件寿命预测方法及理论研究

GaN HEMT器件以其优良的性能被广泛使用于各种领域的电子设备中。由于其经常被使用于高频、高温和高辐射的环境中,过高的环境应力会加速器件的损伤。当损伤达到一定程度时,就会引起器件失效,甚至导致整个系统失效。因此外加应力下GaN HEMT器件寿命成为了当前研究的热点。本文基于不同机构对GaN HEMT器件的三温度直流测试结果,运用多元线性回归法和图估计法对GaN HEMT器件在正常使用温度下的寿命进行预测。预测结果表明,GaN HEMT器件在正常使用时,器件沟道温度为150℃的情况下,中位寿命大于107小时;在累积失效概率达23%时,3.6mm栅宽器件与1.25mm栅宽器件的正常工作时间均为5.04×105小时,累积失效概率在23%以上时,1.25mm栅宽器件的寿命明显较3.6mm栅宽器件长。     

基于多类SVM的新闻政要人物自动标识

为了自动挖掘新闻字幕中人名与新闻人脸图像之间的一一对应关系,提出基于多类 SVM的新闻政要人物自动标识方法。首先,针对每个人名,找到相应的图像集;其次,将人脸检测算法应用于图像集,检测出所有的人脸图像。为了减少计算量及提高聚类的准确率,将人脸图像分成两组图像。对第一组人脸图像进行聚类,聚类中最大类的人脸图像作为该人名的初始训练样本,对于其他人名,使用相似的方法找到初始训练样本;为了改善训练样本的可靠性,通过迭代更新挑选训练样本并训练多类 SVM。最后,将多类 SVM用于分类第二组人脸图像,实现新闻政要人物的自动标识。在大约50万幅的雅虎新闻图像数据集上进行实验的结果表明,该方法有效地提高了现有方法的性能。     

基于LatLRR与NSP分解的红外与可见光图像融合北大核心CSCD

针对现有红外与可见光图像融合过程中存在的图像对比度低、红外特征不明显等问题,提出了一种基于非采样金字塔滤波(Nonsubsampled Pyramid,NSP)与潜在低秩表示(Latent Low Rank Representation,LatLRR)分解的红外与可见光图像融合算法。首先,对红外与可见光图像进行分解,采用NSP分解提取源图像的低频信息,LatLRR分解提取源图像的局部结构信息;其次,根据红外低频信息与可见光低频信息的特征及融合结果图像中低频分量占比,利用红外像素强度权重调控策略完成对低频信息的融合,同时,为使红外与可见光的局部结构信息在融合时保持均衡,使用基于像素灰度值求和的策略进行1∶1融合;最后,图像重构中引入非线性变换思想,使局部结构信息与低频信息有更加完美的契合。实验结果表明,融合结果图像在极大保留红外特征的同时又能兼顾可见光图像中的细节信息,该算法能够对红外与可见光图像进行有效融合。