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。     

基于铜电解槽电流分布估计的烧板故障诊断

铜电解过程中,为了实现阴极棒“烧板”故障的自动诊断和电流分布的实时监测。提出依据红外成像原理,采用红外相机拍摄铜电解槽槽面图像,提取处理后图像阴极棒部位灰度值,结合现场试验建立灰度值与物体表面温度的数学模型,进而求出阴极棒表面温度。其次,应用偏最小二乘法(PLS)分区建立阴极棒表面温度与电流之间的数学模型,整合后得出阴极棒中电流的平方值与阴极棒表面温度、阴极棒坐标点和环境温度为拟线性关系。依据模型导出的阴极棒电流与现场实测电流对比表明:该方法能较准确地测量阴极棒中电流,实现了铜电解过程阴极棒中电流分布的实时监测。此外,能准确自动诊断出发生“烧板”故障的阴极棒,通过阴极棒中电流的监控也能对“烧板”故障进行预测,实现了“烧板”故障的自动诊断。从而降低了阴极棒“烧板”故障的发生,为企业带来了良好的经济效益。