基于超声图像的生物组织损伤判定方法研究

针对高强度聚焦超声(HIFU)治疗的生物组织变性监测,提出一种基于超声图像灰度-梯度共生矩阵和模糊C均值聚类(FCM)的生物组织损伤判定方法。首先对新鲜离体猪肉组织进行高强度聚焦超声辐照,对采集到的超声图像进行预处理后提取减影图像的灰度-梯度共生矩阵的灰度熵、混合熵作为组织损伤判定的表征参数,再使用FCM聚类方法对特征参数进行聚类判别。实验结果表明,结合灰度熵与混合熵的多参数判定比单参数灰度熵、混合熵判定的识别率更高,相比灰度均值与小波系数结合方法,其识别率提高3. 23%。可以更准确地判定在高强度聚焦超声治疗过程中的组织损伤状况。如进一步与无损测温相结合,可进一步提高高强度聚焦超声的疗效。     

基于小波系数Hu矩的生物组织损伤监测方法

提出了一种基于B超图像的小波系数Hu矩特征值并结合支持向量机监测生物组织损伤的方法。利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,实时获取辐照前后的B超图像,并对其进行预处理获取减影图像。提取减影图像的Hu矩、小波系数均值和基于小波系数的Hu矩3个特征值,分别利用支持向量机对生物组织样本进行学习、分类处理。结果表明:小波系数Hu矩特征值比Hu矩和小波系数均值的总辨识率分别高出2.70%和2.05%,从而可以更有效地监测HIFU治疗中生物组织损伤情况。该方法可以帮助临床医生客观地监控HIFU治疗过程,对提高HIFU疗效有实际意义。     

基于灰度概率分布-交叉熵法的无损测温方法

本研究利用高强度聚焦超声(HIFU)对新鲜离体猪肉组织进行辐照,并利用B超获取辐照前后的超声图像。运用灰度概率分布-交叉熵法对图像进行处理,将辐照前后图像的交叉熵作为检测温度的信息参数。通过曲线拟合,发现多组数据的交叉熵与温度都成近似的线性关系,且斜率非常接近;其确定系数大、误差小、温度分辨率高,明显地优于传统的灰度统计法和离散Fourier变换直流分量法,能够为超声治疗中的无损测温提供实时、可靠的依据。     

结合Mean Shift和聚类算法的服装图像分割

在服装图像处理与分析中,准确快速的图像分割是进行后续图像分析与理解工作的基础。在服装图像分割中为了克服K均值聚类算法的性能受初始聚类中心的选取影响的问题,提出了二次聚类的分割思想。先利用自适应的Mean Shift算法,得到区域数目n以及n个区域的类心向量,然后调用K均值算法进行二次聚类。与常用的分水岭分割算法的对比实验表明,提出的算法提高了原始K均值算法的时间效率与分割效果,最终的分割结果具有实用性。     

基于模拟退火的粗糙集K均值电力负荷聚类分析

为了建立合适的变电站负荷模型,将聚类方法引入到负荷特性分析,提出了一种基于模拟退火的粗糙集K均值电力负荷综合聚类算法。该算法将粗糙集理论、模拟退火思想与K均值相结合,通过模拟退火思想优化K均值聚类算法,采用最大最小原则动态生成K均值聚类数和初始聚类中心,同时结合粗糙集理论的上逼近和下逼近处理边界对象。最后,对变电站综合负荷静态特性进行聚类分析,比较类间距离和类内距离,结果验证了本文算法的可行性和有效性。     

变压器油纸绝缘气隙放电能量-小波矩特征及放电过程划分

基于油纸绝缘气隙放电模型,研究放电能量的变化规律。通过引入放电重复率,提出用每秒平均放电能量描述气隙放电的发展过程。引入放电发生的工频相位,构造基于放电能量的φ-W-n三维统计图谱,投影到放电能量-相位平面得到灰度图像。采用一种基于小波矩特征的局部放电灰度图像特征提取方法,得到灰度图像的全局特征和局部特征。根据提取到的不同放电时刻的小波矩特征值,采用模糊C-均值聚类的方法将整个放电过程划分为放电产生和振荡发展阶段、微弱放电阶段、放电爆发阶段以及放电预击穿阶段。     

基于K均值法与遗传算法的退役动力电池筛选

退役动力电池的一致性差,使得退役动力电池筛选和成组困难。影响退役动力电池一致性的因素有:电池内阻、开路电压、电池容量。在测得各项电池参数的基础上,将遗传算法和K均值算法结合,通过不断地对个体进行选择,交叉,变异,计算不同代数的适应度,依据成组的实际需求,确定K值进行分类,然后对最大适应度的个体为中心K均值聚类。通过实验验证,结果表明本方法能有效地对电池进行筛选分类,且同一分类电池一致性高。     

一种基于EKFCM算法的电站脱硫系统目标工况库的建立方法

在对电站湿法烟气脱硫系统运行特性分析的基础上,建立了以系统运行成本为目标的综合评价标准,给出了从系统历史数据库中建立系统目标运行工况库的基本流程。提出信息熵理论结合K均值和模糊C均值的EKFCM算法,采用信息熵跃迁值差值来评价系统信息量有序程度,并以 K均值聚类结果作为初始条件,并完成测试数据的聚类分析,测试结果表明该算法具有较高精度。以某600 MW机组石灰石/石膏湿法烟气脱硫系统为对象,按照负荷和入口烟气SO2浓度将运行工况划分为多个工况簇,以pH值、液气比和浆液密度等可控参数为聚类输入,以单位SO2脱除成本为工况评价标准,从系统历史运行数据中聚类出各个簇内的目标工况,并建立了目标工况模型,得到了连续的最优目标工况库,可为现场运行人员提供实际参考。     

基于去噪自编码器网络特征降维与改进小批优化K均值算法的海量用户用电行为聚类及分析

海量用户用电特性的挖掘与分析对实现电网与用户间的双向互动具有十分重要的意义。提出一种适用于海量用户用电行为聚类及分析的算法,以降低算法时间复杂度,提升海量用户负荷数据分析效率。提取用户用电行为特征,构建多层去噪自编码网络,实现多维特征的降维;利用小批优化K均值算法进行聚类分析,并对算法进行初始聚类质心优化与超参数优化的改进以提升算法收敛速度与效果,其中超参数优化利用基于高斯过程的贝叶斯优化算法进行;利用类间分离度和类内内聚度的相关指标对聚类效果进行评价;通过互信息筛选有效聚类特征,实现用户画像。算例结果表明,所提方法在特征优化、聚类效果与收敛速度上均有较好的表现。     

基于CT图像和K-Means聚类算法研究混凝土细观损伤

混凝土CT图像细观损伤区没有明显的灰度特征,基于阈值及边缘检测的图像分割方法难以提取细观损伤信息。论文首次提出应用K-Means聚类算法深度挖掘混凝土CT图像内部蕴含的细观损伤信息。首先,对圆柱体混凝土试件进行了单轴静力压缩CT试验;然后,依据轮廓系数确定最优聚类簇数,利用K-Means聚类算法在非监督状态下寻找混凝土CT图像的最优划分,获得了包含细观损伤信息的分区图;最后,统计了细观损伤区域像素点总数,计算了混凝土损伤度。结果表明：从破坏区和细观损伤区图上能直观地观察到各应力阶段混凝土内部细观损伤的演化规律。细观损伤度随应力的变化具有规律性,峰值荷载前细观损伤发展经历了相对稳定期和稳定发展期,峰值荷载后细观损伤度减小,损伤聚集在裂缝周围,细观损伤经历不稳定发展期。K-Means聚类算法在分析混凝土损伤演化方面具有明显优势。     

基于离散小波变换和模糊K-modes的负荷聚类算法

为了研究智能电网背景下用户的用电模式,考虑到现有聚类算法的不足,提出了一种基于离散小波变换的模糊K-modes聚类算法。利用离散小波变换将时域的负荷曲线转换到频域,从而将负荷曲线的不同特征隔离在不同的频域水平,并利用低阶近似的思想选取原始曲线的有效分量曲线;对所选的分量曲线进行趋势编码,将连续负荷数据转化为离散类属性数据;基于平均密度确定初始聚类条件,利用模糊K-modes聚类算法对曲线进行形态聚类,得到负荷曲线模板;将所提算法与传统K-means算法及层次聚类算法进行比较,从而验证了所提算法的有效性。     

电力暂态信号小波分析的后处理方法研究

由于电力系统暂态信号经小波变换后信息繁多,需要研究对小波分解的大量信息进行恰当后处理和自动特征提取的方法。文章从定量分析的角度介绍了小波分析后处理的概念,探讨了几种电力系统暂态信号小波变换后的特征提取方法,即后处理方法,包括模极大值与奇异性分析、能量分布分析、小波系数聚类分析、小波系数统计分析、小波熵分析,以及将其用于电力系统故障检测和分类的物理意义。对一种新型后处理方法小波奇异谱熵在频变系统中的应用进行了仿真分析,结果表明该后处理方法可应用于电力系统设备和线路的故障检测。     

基于圆周灰度分布互相关的颗粒转速判别方法

开发了一种基于颗粒圆周灰度分布互相关的计算机算法用于所拍流化床流场图像中颗粒转速的判别。该方法利用数字图像处理技术进行图像中颗粒的识别、筛选和定位,进而根据颗粒的圆周灰度分布在两幅图像中的变化计算颗粒的转速。通过对已知转速和旋转方向的小球的验证实验表明：所提出的转速判别方法能够比较准确地测量旋转轴垂直或近似垂直于拍摄平面的颗粒,并有效地过滤掉其他颗粒的干扰,保证了测量的可靠性。对转速测量的误差进行分析,提出了灰度修正方法以减弱颗粒灰度分布不均对转速测量的影响,指出考虑各因素后,所开发的转速判别方法的误差小于10%。     

基于系数融合与锯齿填充曲线的双图像加密算法

为了实现对两幅图像同步加急，有效降低传输负载，提出了系数融合模型与锯齿填充的双图像加密算法。首先，引入离散余弦变换DCT与Zigzag 扫描机制，获取输入明文的系数矩阵，建立明文系数融合模型，将两个明文矩阵转换成融合矩阵，借助逆向离散余弦变换，获取复合图像；随后，设计锯齿填充曲线，对复合图像的像素位置进行扰乱，形成置乱图像；最后，改进引力模型，对置乱图像进行扩散，改变其灰度值。实验结果显示，本算法能够对两幅图像进行同步加密，且具有较高的安全性与密钥敏感性，解密图像的信息损失很小。     

基于双树复小波变换信号去噪算法研究

离散小波变换被广泛应用于数字信号的去噪处理中,特别是非平稳信号、瞬时时变信号等的去噪,但是有平移敏感性的缺陷。为了克服这种缺陷,文中采用双树复小波变换进行信号去噪,并使用硬阈值、软阈值等准则进行滤波处理。最后采用SNR（信噪比）和MSE（均方误差）来评估两者信号去噪效果。结果表明,双树复小波变换能够较好的保存信号的细节信息,其去噪效果优于离散小波变换。     

基于多标签RBF神经网络的电能质量复合扰动分类方法

在径向基(RBF)神经网络和C-均值聚类算法的基础上,提出一种适用于电能质量复合扰动分类的多标签排位分类算法—多标签径向基函数法(ML-RBF)。首先,对常见的电能质量扰动及其组合而成的复合扰动进行离散小波分解,提取各层分解系数的规范能量熵作为特征向量;然后采用C-均值聚类算法将所得的特征向量映射为RBF神经网络的输入;最后通过RBF神经网络对该电能质量复合扰动类型进行预测。仿真实验结果表明,在不同的噪声条件下,ML-RBF可以有效分类识别电能质量复合扰动。     

基于第2代小波的水电机组振动信号预处理

传统的小波去噪效果与选用的小波基函数有关，小波基函数选择不当会把信号的有用成分当成噪声去掉，给故障诊断造成困难。而基于提升算法的第2代小波变换可以通过设计预测系数和提升系数获得具有某种特性的小波基函数。文中提出采用基于提升算法的第2代小波变换来进行水电机组振动信号的去噪处理，通过分析提升算法的基本原理，使用第2代小波对水电机组振动信号在不同分辨率下进行分解处理，并使用阈值处理小波分解的细节系数，将处理过的细节系数和近似系数一起重构信号。仿真结果表明，采用第2代小波变换要优于传统小波变换的去噪效果，第2代小波在信号处理中有广阔的应用前景。     

基于变混合系数的自适应抗锯齿视频叠加算法

在机载综合显示系统中,需要将本地生成的参数表盘近景画面与地形图等远景特征画面进行叠加显示.由于近景中图形元素均为反走样图元,图元边界处像素灰度等级较低;而叠加的远景平均灰度远高于近景图元的边界灰度.采用传统的α混合算法,由于混合系数是固定的,当近景的α混合系数偏大时,会在图元边界处形成一条锯齿暗边,产生较大的对比度,使得混合效果变差、反走样效果降低.针对上述问题,改进算法在不同像素点处的混合系数是可变的.算法根据近景像素点的灰度,自适应的调整混合系数,在近景中灰度较低的像素点处,增加远景的混合比重,提高混合画面在此像素点的灰度,降低图元边界处对比度.通过实验结果比对,证明改进算法在做视频叠加时,可有效去除图元边界的锯齿暗边.