基于非局部信息的模糊C-均值图像分割方法

模糊C-均值聚类算法(Fuzzy C-Means Algorithm,FCM)已经广泛应用于图像分割中。结合空间信息的FCM算法能更有效地抑制图像噪声,提高分割的质量。本文介绍了一个基于非局部空间信息的模糊C均值聚类算法的图像分割。算法包含两个部分:一是局部相似性测度,取决于中心像素与相邻像素之间的差异;另一个是非局部相似性测度,取决于所有像素的邻域结构类似于他们的邻域像素。此外,还引入了一个自适应权重用来控制局部相似性测度和非局部相似性测度的转化。本算法对合成图像和真实图像进行分割,并在不同类型的噪声下进行实验,结果表明本文所提出的算法十分有效,且具有较强的抗噪能力。     

结合高斯核与各向异性邻域抑制的模糊聚类图像分割

针对模糊C均值聚类算法对图像噪声点敏感且抑制力不足问题,所导致收敛慢去噪效果差分割效果的不足,提出一种结合高斯核和各向异性邻域抑制的模糊聚类图像分割方法。算法首先根据邻域窗均值及其邻域灰度值快速评估各向异性邻域权值,通过该权值抑制局部空间噪声,达到去噪模糊聚类目的;再通过高斯核将图像数据转为核函数矩阵,在特征空间对核函数矩阵实施线性算法。通过对测试图像加入噪声,比较其他算法,该算法在去噪、迭代次数和模糊聚类分割上有显著提升。     

消除椒盐噪声的基于纹理特征的决策滤波

图像中椒盐噪声的有效去除,取决于噪声检测和噪声灰度估测的准确性,但现有的滤波算法在噪声检测和噪声灰度估测上的准确性不高。因此,提出了基于图像纹理特征的决策滤波算法。算法根据椒盐噪声的灰度最值特征和独立性,以及图像纹理的特征进行噪声检测,将噪声与信号像素准确地区分开。算法根据纹理中像素灰度的平滑变化特征,将邻域中的信号像素进行分组,然后基于相关性与正态概率分布的意义,取与邻域均值最接近的分组的中值作为噪声像素的估测值。实验的结果证明,所提出的算法检测噪声更加准确,其去噪结果对应的峰值信噪比(PSNR)比现有的算法平均提高1.9 dB以上,图像增强因子(IEF)比现有的算法平均提高119以上。因此,相对于现有的算法,所提出的算法在去噪性能上具有显著的优越性。     

增强型Shearlet域SAR图像去噪

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了一种增强型Shearlet域SAR图像滤波去噪算法。该算法首先分析SAR图像的局部特性,利用局部特性,将图像分成均质区域、非均质区域和边缘区域。对均质区域,用均值滤波器进行滤波去噪;对非均质区域,用Shearlet变换处理去噪;对边缘区域,进行直接保留。实验结果证明,该算法不仅能够显著消除相干斑噪声,明显的提高视觉效果,而且能够很好的保持边缘细节和纹理信息。     

BTV图像超分辨率重建改进算法

在双边滤波正则化算法的基础上,结合自然图像自身结构相似性,提出一种基于BTV的改进算法.通过在代价方程中引入表达图像非局部结构相似性的正则化项,对重建图像的解空间进一步加以限制和优化,最后通过最陡下降法求得代价方程最优解,从而完成重建.实验证明,与BTV算法相比,改进后的算法不仅能很好地抑制噪声,同时也更好地保留了图像...     

基于非线性邻域滤波的MR-FBP重建算法改进

提出基于非线性邻域滤波器(NNFs)的惩戒项对直接求解方程组获得最佳滤波器进行FBP图像重建的算法(MR-FBP)的改进.传统非线性邻域滤波器主要有双边滤波器和非局部均值(NLM)滤波器.使用Python在astra-toolbox工具箱帮助下,进行实验分析各种惩戒项对图像重建质量的影响,得出在重建图像过程中增加基于非...     

曲波变换域的SAR图像相干斑去噪

合成孔径雷达(SAR)图像固有的相干斑噪声降低了图像的质量,使得图像的可视化和解译变得困难,影响了后续的目标检测、分类和识别等应用。为此提出了一种在快速曲波变换域的SAR图像去噪算法。先将SAR图像分成均质区域、非均质区域和边缘区域。使用均值滤波器对均质区域的像素滤波,对于非均质区域的像素使用曲波硬阈值滤波算法处理,边缘区域的像素直接保留。实验结果表明,此算法能有效的去除SAR图像的噪声并保持图像细节。     

一种改进的去除灰度图像椒盐噪声方法的研究

针对传统中值滤波算法（SM）在滤除高密度椒盐噪声时存在滤除不完全和使边缘细节变得模糊的不足,提出了一种改进自适应中值滤波法,该方法在计算像素点4邻域均值与检测点的灰度差值后,将此差值同一个自适应调整的阈值进行比较,若差值大于阈值则为噪声,否则为信号点。实验表明,该方法比传统方法去噪效果较好,对噪声密度在30％以上的图像,去噪后可使图像峰值信噪比（PSNR）达到20dB以上,均方误差（MSE）在100以内。     

基于相关性的二级检测图像滤波算法

为了准确检测图像中的椒盐噪声并滤除,提出了一种基于相关性的二级检测图像滤波算法.该算法根据椒盐噪声的特点,确定了准噪声点的范围;根据信号局部相关性,准确地分离出信号点和噪声点,对噪声点,取滤波窗口内的信号点的中值进行滤波.试验结果表明:该算法对椒盐噪声有很好的抑制作用.     

基于奇异值分解的图像超分辨率重建

在图像获取过程中,由于环境的变化以及成像传感器自身硬件条件的限制,获得的图像往往含有噪声并且分辨率较低.为了提高图像分辨率来满足实际应用的需求,充分考虑了自然图像中图像块的自相似性,并采用奇异值分解方法对图像块的相似性进行度量,将其作为权重与非局部均值方法相结合,实现了单幅图像的超分辨率重建.为了减少计算量,在计算图像块的相似度之前,先对图像块的均值进行统计并引入一个阈值,对均值绝对差小于阈值的图像块进行相似度估计.为了对算法有效性进行验证,文中采用基于误差敏感性的峰值信噪比来对重建图像的质量进行度量.仿真结果表明算法在提高图像分辨率的同时有效的抑制了噪声,并且很好的保持了图像的细节信息.     

基于稀疏表示的超分辨率图像重建

主要是提出1种新的重建算法-基于稀疏表示的超分辨率重建,一方面,提出1种自适应的估计HR图像稀疏域的方法,其主要利用图像非局部的相似patch组合,通过PCA方法自适应的得到;另一方面,为进一步加强该方法的功能,在目标函数中引入1个非局部自相似的二次项约束,从而充分发掘非局部图像冗余信息.通过对含有L1-范数及L2-范...     

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术,但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法,首先计算原始相位图的噪声方差,然后对图像分别进行正弦与余弦变换后得到两幅图像,再对这两幅图像进行小波同态阈值去噪与非局部均值滤波,最后将处理后的两幅相位图反正切运算并再次估计噪声方差,根据图像噪声方差的收敛情况判断是否继续迭代处理,以实现相位图的自适应降噪。实验结果表明：针对同一张含噪相位图与传统正余弦均值滤波相比,本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16,同时,图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声,充分保留相位边缘信息,同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。     

考虑双尺度相似性的负荷曲线集成谱聚类算法

负荷聚类可以依据形态特性差异对负荷曲线进行归类,实现用户用能行为规律分析,为需求侧响应、电网客户服务等提供重要的决策信息。文中提出一种考虑双尺度相似性的负荷曲线集成谱聚类算法。首先,为了克服欧氏距离在负荷特性相似程度度量上的局限,基于负荷差分向量的余弦距离实现负荷形态变化的相似性度量,提出一种双尺度相似性度量方式;然后,基于双尺度相似性与谱聚类算法,建立差异化基聚类模型;最后,依据聚类评价指标自适应计算基聚类模型权重,以加权一致性矩阵与谱聚类实现聚类集成。算例结果证明,所提方法可有效挖掘负荷形态特性差异,在不同数据集中性能表现稳定,具有显著的聚类有效性和鲁棒性。     

用于负荷预测的层次聚类和双向夹逼结合的多层次聚类法

针对传统聚类方法对负荷曲线形状的相似性重视不足的问题,提出了一种基于相似性原理的新的聚类方法——层次聚类和双向夹逼相结合的多层次聚类方法,该方法可以同时衡量负荷曲线形状的趋势相似性和形状相似性。分别采用该方法与传统的基于欧氏距离的层次聚类方法以某省2005年负荷数据为历史数据进行预测,结果表明本文提出方法对负荷曲线形态细节以及气候因素与负荷之间的复杂相关性具有较强的识别能力。     

基于改进AAKR的风电机组齿轮箱状态监测

针对自联想核回归(AAKR)算法在计算相似度时未考虑状态向量中各元素对欧氏距离贡献程度不一、模型参数常依据主观经验进行标定而导致模型精度较低的问题,提出基于旗鱼优化（SFO）的改进AAKR算法建立齿轮箱正常行为模型的非参数建模方法。首先,以全参数等间隔划分方法构建记忆矩阵;其次,在AAKR模型中引入距离权重系数并通过SFO算法对AAKR模型中的宽度系数和距离权重系数进行优化;最后基于滑动窗口和残差数据构造健康指数实现风电机组齿轮箱的状态监测。以某台2MW风电机组实测数据为例进行验证,结果表明,相比于传统AAKR、加权AAKR和稳健状态估计模型,所提算法平均精度分别提高了1.55%、0.6%、0.76%,在故障预警时通过所构造的健康指数能够更灵敏、准确的反映齿轮箱的早期故障及其发展趋势。     

基于欧氏动态时间弯曲距离与熵权法的负荷曲线聚类方法

为了改善目前负荷建模中聚类方法相似度衡量不准确及聚类结果质量较差的问题,综合运用k-means及熵权法原理,提出一种基于欧氏距离与动态时间弯曲距离的日负荷曲线聚类方法。首先,采用欧氏距离与动态时间弯曲距离分别衡量日负荷曲线的整体分布特性、局部动态特性与整体动态特性。然后,引入熵权法自适应配置3种特性的权重系数。最后,采用k-means聚类算法,以所提相似度衡量方法为依据,对用电日负荷曲线进行聚类。算例对某省区电网典型用户的日负荷曲线展开聚类分析,结果表明所提方法相似度衡量指标合理,且在聚类质量、鲁棒性等方面具有一定的优越性,可以真实反映该地区的用户用电特性,满足在线负荷建模的应用需求。     

基于IWOA-VMD的永磁同步电机匝间短路故障振动信号去噪方法

针对永磁同步电机(permanent magnet synchronous motor, PMSM)匝间短路故障振动信号易受噪声干扰导致故障特征难以准确提取的问题,提出一种改进鲸鱼优化算法(improved whale optimization algorithm, IWOA)优化变分模态分解(variational mode decomposition, VMD),并将其应用于PMSM匝间短路故障振动信号去噪。首先在传统鲸鱼优化算法中引入非线性收敛因子、自适应权重和柯西算子,利用IWOA算法对VMD参数进行寻优来实现信号的自适应分解。然后根据多尺度排列熵-方差贡献率最优模态分量选取原则将信号分量分为噪声主导分量和有效信号分量,对噪声主导分量进行非局部均值滤波(non-local mean filtering, NLM)去噪。最后将去噪分量与有效信号分量重构为去噪信号。使用ANSYS有限元软件建立了电机短路故障模型,并搭建了短路故障实验平台,利用该方法对仿真与实测信号进行去噪处理,并与小波阈值去噪等去噪方法进行对比分析,得出仿真信号的信噪比从8 dB提升至20.273 8 dB,实测信号的信噪比相较于小波阈值去噪提高了77.01%,验证了所提方法的有效性和实用性。     

基于粒计算和双尺度相似性的负荷曲线集成聚类算法

电力负荷曲线聚类通常依靠负荷形态差异和负荷数值差异对负荷曲线进行分类.提出了一种基于粒计算和双尺度相似性的集成聚类算法,采用以欧氏距离和皮尔森相关系数作为相似性度量的K-means算法生成基聚类,再通过粒度距离度量基聚类间的相似性,从而选择部分基聚类参与集成,最后生成相似度矩阵并采用层次聚类获得最终聚类结果.算例结果表...