基于改进K-means聚类的木材缺陷彩色图像分割算法研究

为实现木材缺陷图像的准确分割,研究了在RGB色彩空间使用K-means聚类算法进行木材缺陷图像的分割方法,针对K—means聚类算法图像分割的不足之处,并提出了一种改进方案。在改进算法中,加入对图像像素点的邻域处理,根据邻域特性适时调整原图像,充分利用图像像素的区域特征,以此来抑制一些局部噪声。实验结果表明,改进算法不仅能够滤除较多的干扰信息,而且能更好的拟合分割边界,改善图像的分割效果。     

一种改进的基于最大类间方差的图像分割方法

在分析最大类间方差阈值图像分割算法原理的基础上,根据实际图像直方图中目标与背景的像素分布特点,提出了一种改进的最大类间方差图像分割算法.该算法充分考虑了图像直方图中目标与背景存在交叉的情况,通过与传统阈值分割算法的实验比较,证明该算法具有分割精度高、效果好、速度快的特点.     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

基于遗传算法的二维最大类间方差法的优化

针对经典的二维最大类间方差法存在时效性差的问题,提出一种快速实现方法。通过对原有的二维灰度直方图计算其边缘概率分布,将作为判别标准的离散度矩阵分解为2个一维类间方差之和,在保证原有鲁棒性的同时降低了算法的时间和空间复杂度。同时,与遗传算法相结合,加快寻优过程,且遗传过程中可以自动调节遗传控制参数,避免早熟。实验证明其运算速度提升约50%。     

基于最大类间方差法的油气润滑测试系统ECT图形重建

提出一种基于最大类间方差法的油气润滑测试系统ECT图形重建的改进算法。该算法在Landweber迭代算法的基础上,将油气润滑管道内的气相分布作为背景,液相分布作为目标,使用最大类间方差法获得油气两相错分率最小的灰度阈值,并在此基础上建立基于图像灰度的油膜厚度测量方法。仿真结果表明,与线性反投影算法(LBP)和Landweber算法相比,基于最大类间方差法的图形重建算法可有效消除成像中的伪影现象,得到清晰的油气界面,计算可获得准确度较高的油膜厚度。此外,该算法还具有程序简单,成像精度高的特点。     

基于改进K-means聚类的变压器开关机械性能自动监测方法

摘键要：变压器开关系统的可靠性是保障电力系统稳定的重要因素,其性能会直接影响变压器工作的稳定性、可靠性和安全性。变压器开关系统的失效形式主要为机械性故障,为实现其自动监测,设计基于改进K-means聚类算法的电力变压器开关控制器在线监测系统,通过对算法的聚类中心的选择进行优化,建立通过不同振动信号下开关工作状态的模型,构建具备智能判断、自适应调节、远程故障诊断的分布式智能监控系统。实验表明,基于改进K-means算法的电力变压器开关控制器监测系统能够更准确根据振动信号识别开关系统的故障,为变压器故障识别提供了一种新的思路。     

基于K-means聚类算法的电驱产线监测模型的建立与软件实现

新能源汽车的电驱动总装呈现典型的离散型生产特征,现各大主机厂通过MES实现生产数据的信息化,存在数据利用不足的问题.基于K-means聚类算法实现产线在线或离线监测,对MES采集到的生产数据进行分析,根据数据分析的结果建立电驱产线监测模型;现场试运行效果表明该产线监测模型对生产过程的管控和优化效果良好.     

基于线性插值的图像分块分割算法

图像分割是图像处理中的一个重要问题,全局阈值法和局部阈值法是图像分割中广泛采用的两类方法。全局阈值法效率高,但是对局部信息不敏感;局部阈值法对局部信息保存较好,但是计算效率不高。针对这一问题,该文提出一种基于分块的图像分割算法。首先将图像分块,然后,每块内采用最大类间方差法计算阈值,最后,块与块之间采用线性插值的方式平滑分割图像。实验表明,该文提出的算法和全局阈值法相比能较好地保存局部信息,和局部阈值法相比有更高的运行效率,在实际中推荐使用。     

一种改进的模糊C-均值(FCM)彩色图像分割算法

针对传统模糊C-均值(FCM)聚类算法计算量大,聚类中心对初始值敏感和聚类数目不能自适应确定的缺点,提出了一种改进的FCM算法。首先对图像进行采样量化,并在满足视觉一致性的L*a*b*颜色空间计算并统计图像的色差信息,然后依据全局色差阈值选取初始聚类中心,对图像进行聚类分析,同时根据准则函数确定最佳聚类数,实现了聚类中心的优化选取和最优聚类数目的确定,有效减少了计算量。研究结果表明,改进后的FCM算法不仅较好地克服了传统FCM算法的缺点,而且聚类效果好,处理速度快,聚类效果与人的视觉感应保持了良好的一致性。     

基于K-means和高斯混合模型聚类的齿轮箱故障识别研究

针对传统的基于振动信号的机械故障诊断技术过于复杂、诊断时间过长等问题,提出了结合K-means和高斯混合模型聚类方法的齿轮箱轴承和齿轮故障快速识别方法.首先,通过经验模态分解方法分解振动信号,利用相关分析选取了对振动信号局部特征表达最佳的IMF分量,IMF分量的均方根值和原始振动信号的均方根值,共同构成了振动信号特征集...     

图像处理技术在车牌定位与字符分割中的应用

车牌定位和字符分割是车牌识别系统中关键的部分,定位的准确程度与分割准确性直接影响到车牌识别的效果.基于图像处理技术,对车牌灰度图像的进行灰度修正,Wiener滤波并进行二值化,使之能够准确地从图像中提取出车牌.采用线性映射的方法,增强图像灰度范围,基于水平扫描与先验知识约束条件相结合的算法进行车牌定位,同时利用最小二乘法原理,实现了最大类间方差法对车牌进行分割.用MATLAB软件进行仿真实现,验证效果好.     

基于滑动聚类的多传感器异步信息融合方法

传感器是智能检测和自动化装置中重要的部件组成,为了解决多传感器异步数据下的融合难题,提出了一种创新的基于滑动聚类的多传感器异步信息融合方法。首先引入了K-means聚类方法去容忍异步问题,主要利用曲线拟合给出一种简易的快速的判定法则以便实现实时聚类方法中的k值计算;其次设计了聚类滤波核从而在时空域上形成融合滑动管道,让数据的变化一直维持在一个能接受的误差之内,完整实现了实时多传感器信息融合方法。最后实验验证了设计的聚类融合方法的正确性以及合理性,实验证明了SC-MSIF方法是正确可行的,且在实时性方面具有较好的表现,相比较EKF和MEAN方法,SC-MSIF方法的RMSE误差减少了47.8%、36.3%,同时无人机中多传感器融合实际测试结果也较为优异。     

基于混沌与模糊聚类的机械故障自动识别

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法。利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析。同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果。试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果。     

基于水平特征的车辆检测与跟踪

利用加权平均滤波算法对图像进行了滤波处理,去除部分噪声,利用Sobel算子的水平算子对图像的水平边缘进行增强处理,利用最大类间方差法对边缘增强后的图像进行图像分割;提出了利用车辆的水平特征中的列直方图和行直方图对车辆进行检测,根据检测结果得出该方法检测效果良好,即使是复杂环境下的车辆也能得到有效的识别,且对货车的识别效...     

基于MAR与FCM聚类的声呐图像分割

针对模糊C均值聚类算法中,聚类效果往往受到聚类中心数目和初始聚类中心的影响这一问题,提出一种基于多尺度自回归(MAR)模型与模糊C均值(FCM)聚类的声呐图像分割方法.引入MAR模型,建立层与层之间以及相邻层像素点间的数学关系,利用粗尺度图像的灰度-邻域均值二维直方图中的峰值个数来确定聚类中心数目,通过MAR得到的预测分割结果引导初始聚类中心的确定.实验结果表明,改进后的算法能准确、快速地确定聚类中心数目,并较好地解决初始聚类中心问题;与传统的FCM聚类方法相比,具有分割准确和收敛速度快的特点.     

用模糊聚类Fuzzy C-Means算法实现图像分割

本文描述了一种有效的Fuzzy C-Means(FCM)聚类算法的数学原理及其在图像分割中的应用,该算法的主要特点是提供了一种非监督的模糊聚类方式。为了减少计算量,文章引入了塔型数据结构PDS(Pyramid Data Structure),并对FCM算法的初始模糊矩阵的选取和实验结果进行了讨论。     

条纹颜色分离与聚类

为解决彩色物体表面颜色干扰以及条纹之间的颜色串扰导致彩色结构光系统产生的条纹颜色误识别问题,提出了彩色结构光的条纹颜色分离以及聚类方法。首先,提出了一种新的摄像机和投影机的颜色校正方法,以消除外界环境光以及系统的颜色串扰现象,解决系统的耦合性问题。其次,给出了一种物体的反射分离机制,用于提取物体表面的漫反射分量和镜面反射分量,修正彩色物体的背景色对彩色编码条纹的影响。最后,利用颜色聚类算法,对经过彩色物体调制后的条纹进行颜色归类划分,纠正条纹颜色之间的干扰,恢复系统消耗的彩色条纹颜色信息。实验验证了本文提出方法的有效性,结果表明:该方法具有较高的抗干扰能力、较强的鲁棒性,能准确有效地识别受干扰的彩色条纹,识别正确率达到92%左右。     

K-均值聚类法在机械设备铁谱监测技术中的应用

铁谱分析技术是润滑油液分析技术的主导技术,是机械设备工况监测和故障诊断的主要技术手段之一。铁谱片上磨损颗粒间的区分是磨损颗粒识别和诊断的基础。针对铁谱图像中磨损颗粒形状和颜色分布的复杂性,利用数字图像处理技术,采用K-均值聚类法,对铁谱彩色图像进行了分割处理研究。试验结果表明,K-均值聚类法可以有效地分割彩色铁谱图像,将磨损颗粒提取出来,为铁谱图像的后续处理工作奠定了基础。