LBP与低秩分解的网状织物纹理缺陷检测方法

针对网状织物纹理复杂,缺陷检测难度大的问题,提出一种基于局部二值模式(LBP)与低秩稀疏矩阵分解的网状织物纹理缺陷检测方法.首先,采用等价旋转不变的局部二值模式算法提取网状织物纹理特征,获得纹理特征矩阵;其次,根据纹理特征矩阵构建低秩稀疏分解模型;最后,通过最佳阈值分割算法对网状织物低秩稀疏分解产生的显著图进行分割.实验结果表明,与K-奇异值分解(K-SVD)算法相比,该方法的平均准确率达到89.94%,平均召回率达到93.88%,分类总正确率达到92%以上。     

结构化矩阵分解的网状织物缺陷检测方法

针对在网状织物缺陷检测过程中因纹理复杂造成误检问题,提出了一种结构化矩阵分解的网状织物缺陷检测方法。首先,通过Retinex算法对图像进行增强,利用所提取的底层图像特征生成特征矩阵,并将其分解为含有织物图像背景信息的低秩矩阵和含有缺陷信息的稀疏矩阵;其次,引入了高级先验矩阵和索引树两个部分,通过利用增强后图像进行获取,并对两个部分进行特征融合,实现缺陷显著性增强。通过计算稀疏矩阵的值,获得缺陷的显著性的大小;最后,通过最佳阈值分割算法分割缺陷显著图,从而得到缺陷检测结果。利用公开数据集TILDA和BASLER工业相机采集到的网状织物缺陷图像验证了算法的性能。研究表明,与其他算法相比,本文算法的识别准确率达到94.25%,召回率达到92.48%,分类准确率达到90.12%。     

基于图规则化低秩矩阵恢复的用电数据修复与异常检测

针对电力系统用电数据中的记录误差与异常用电,提出一种基于图规则化低秩矩阵恢复的电力系统用电记录修复与异常检测算法。该方法从用户用电时空矩阵的低秩稀疏分解出发,结合电网拓扑结构与用户相关性的规则化调整,获取修复后的用电数据和异常用户。该方法同时兼顾了用户用电的周期性与异常用户的差异性特点。实验分析表明,与相关方法相比,所提方法在用电数据修复与异常用电模式检测的多项评价标准下均取得了更好的准确性和鲁棒性。     

基于纹理消除的液晶屏缺陷检测

对液晶屏表面进行缺陷检测时,其表面纵横分布的纹理会对检测精度造成干扰.提出了一种液晶屏缺陷检测方法,首先采用基于相对总变差模型的图像结构提取方法抑制液晶屏纹理,该模型对非统一或各向异性的纹理均适用,能有效分解液晶图像中的结构信息和纹理.提取后的结构信息采用High-boost滤波器增强高频分量同时保持低频分量的特性,对...     

基于二阶局部二值模式的图像纹理提取技术探讨

人脸特征提取,是人脸识别技术过程中必不可缺,也是非常关键的步骤之一,目前常见的方法有基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取等多种方法,T．Ojala等人提出了局部二值模式（LocalBinaryPattern,LBP）方法,利用它来进行图像的纹理特征提取。本文利用局部二值模式算子验证了二阶局部二值模式方法更有利于提高图像的识别效果,方法简单易行,计算量小,如能与其它的方法一起配合使用,则能大大提高图像的识别率。     

基于主结构提取与签名算法的织物缺陷检测

为解决目前基于图像处理的织物缺陷检测算法中,因织物组织纹理结构复杂、花型繁多造成的检测效果差的问题,提出一种基于主结构提取与图像签名算法的纹理织物缺陷检测方法。首先,使用改进的总变差模型去除织物纹理提取主结构;其次,利用高斯变换对待检测图像进行多尺度分解,构建高斯金字塔;然后根据视觉注意力机制提取颜色特征,通过图像签名算法对疵点进行显著性检测,最后利用自适应阈值的方法分割得到疵点区域。实验结果表明,算法可有效地提取各种织物的主结构,实现不同纹理织物图像的缺陷检测。     

基于GLCM和LBP的局部放电灰度图像特征提取

针对变压器局部放电模式识别中传统统计谱图特征提取维数高、识别率差等问题,提出基于灰度共生矩阵和局部二值模式的局部放电灰度图像纹理特征提取方法。该方法从宏观角度将灰度图像转化为灰度共生矩阵并获取其8维特征,从微观角度计算邻域像素相对灰度响应并获取其10维特征量。搭建四种局部放电实验模型,通过脉冲电流法采集局部放电信号;结合两类特征,以支持向量机作为分类器来识别放电类型并用传统特征提取方法作为对比。结果表明利用该方法提取灰度图像特征在避免特征灾难的同时仍有较高识别率,能有效识别四种放电模型,验证了该方法的有效性。     

非限制环境下的低秩协同人脸性别识别研究

人脸性别识别是计算机视觉和机器学习的热门研究课题,但目前大多数的人脸性别识别算法对自然环境下的图像进行识别的效果并不理想,识别正确率与实际应用差距较大。采用低秩分解和协同表示来提高人脸性别识别的正确率和鲁棒性。在提取特征前采用低秩分解配准未对齐的图像并降低污染和噪声的影响,使得提取的特征能够很好地反映图像原有的信息。识别环节采用稀疏表示的改进算法—协同表示,其使用l2范数替代l1范数优化问题易于求解。在实验中,选用AR,CAS-PEAL和You Tube三种数据库对算法进行测试,结果表明本算法性能与其他主流算法相比有明显优势。     

低秩矩阵分解在母线坏数据辨识与修复中的应用EI北大核心CSCD

母线负荷分析与预测对电力系统的安全稳定具有重要意义。目前我国采集到的母线负荷数据中含有较多且类型不同的坏数据,给母线负荷的分析的准确性与预测的精确性带来较大影响。文中提出了一种基于低秩矩阵分解的母线坏数据辨识与修复方法。从母线数据本身出发,首先分析了母线数据的低秩特性,研究不同类型坏数据产生的原因;然后建立了一种基于低秩矩阵分解的母线坏数据辨识与修复的模型,并给出了基于阈值迭代法(iterative thresholding,IT)的模型求解方法;最后,利用广东省母线负荷实际算例进行了分析,并利用修复前后的母线数据进行虚拟预测对比,结果实现了坏数据的有效恢复和预测精度的提高。     

列车车轮踏面缺陷在线磁粉检测

荧光磁粉探伤技术应用于列车车轮表面与近表面出厂缺陷检测,当前主要依靠人工识别缺陷,提出了一种将机器视觉应用于磁粉探伤,实现列车车轮踏面自动化缺陷识别的方法.首先通过分离三原色通道的灰度化预处理,消除紫光反射噪声;使用中值滤波与形态学开运算,抑制图像噪声并加强形态;采用多阈值最大类间方差分割算法解决大背景下阈值偏移问题;...     

基于相长干涉的无线传感器网络数据收集

为延长无线传感器网络的生命周期,提高数据收集的可靠性,提出一种基于相长干涉的无线传感器网络低功耗可靠数据收集协议。利用时分多址技术对网络中的节点分配时隙,采用感知节点轮询发起相长干涉的网络洪泛的方式实现数据收集。针对时分多址技术需要的时间同步要求,改进现有的隐式全局时间同步算法,来保证节点轮询发起相长干涉网络洪泛的时间对齐。利用丢包重传机制来实现可靠性。仿真和测试平台实验结果均表明,能够实现几乎100%的数据收集,能量效率约为CTP的2.2倍,大幅度提高网络的生命周期、可靠性。     

一种改进的印刷丝网布疵点快速检测算法

为提高印刷丝网布疵点检测的速度和准确性,提出了一种基于傅里叶变换和改进阈值分割的印刷丝网布疵点的检测算法。以无图案的印刷丝网布为研究对象,首先对采集到的印刷丝网布图像进行傅里叶变换,得到印刷丝网布图像的频谱图;然后利用Butterworth低通滤波器对频谱图像进行滤波,滤除傅里叶空间的高频分量;最后对逆变换得到的滤波图像进行改进的迭代法阈值分割,从而实现印刷丝网布的疵点检测。实验结果表明,该算法能够实现脏污、划痕、飞丝、破洞等常见疵点的快速准确检测。     

基于分块LBP和分块PCA的指静脉识别方法

针对单独提取传统的局部二元模式(local binary pattern,LBP)指静脉特征识别率不高的问题,提出一种结合分块LBP和分块主成分分析(principal component analysis,PCA)的特征提取方法。首先对手指静脉感兴趣区域(region of interested,ROI)进行分块,提取分块LBP特征;然后,采用分块PCA对所提取特征进行降维除冗,得到一组新的降维后特征;最后计算欧氏距离并采用最近邻分类器进行分类。实验结果表明,论文提出方法识别率可达99.33%,等误率(equal error rate,EER)低至0.21%。与传统的3种算法进行比较,该方法的识别率有很大提高,且具有较好的稳定性和鲁棒性。     

基于SIFT算法的疵病图像配准

光学技术的发展对光学元件提出了更高的要求,检测的精度和准确性是其重要的部分,而疵病图像的配准是一个很重要的环节,因此对疵病图像的配准进行研究很有必要。针对疵病图像配准算法进行了阐述,并对基于特征点匹配的SIFT算法的原理及过程进行了介绍,用MATLAB软件进行编程,搭建实验平台获取疵病图像,并采用尺度不变特征变换（SIFT）算法对所获取的疵病图像进行配准、拼接,得到了完整的疵病图像。实验结果表明,该算法能有效地对疵病图像进行配准,为后续的疵病信息提取打下良好的基础。     

融合自注意力与缺陷凸显的缺陷检测方法

针对无监督缺陷检测中重建网络在抑制异常重建的同时无法保留正常区域细节信息的问题,提出了一种融合自注意力 与缺陷凸显的缺陷检测方法。 首先,在重建网络中引入离散小波变换(DWT)进行下采样, 并使用离散小波逆变换( IDWT)进 行上采样。 相较于传统重建网络,这种方法能减少细节信息的丢失,并对特征进行频率分解。 同时,在跳连接中加入自注意力 模块对特征重新编码,使其重点关注正常区域的细节信息。 此外,设计了一个缺陷区域凸显模块,利用正常样本特征构建特征 库,将从测试图像提取的特征与特征库中特征对比得到异常图,将异常图与重建差值图相结合来改善缺陷定位结果。 在工业缺 陷检测数据集 MVTec AD 上进行测试,在图像级 AUROC 上取得了 99. 3%的结果,同时在像素级 AUROC 上取得了 98. 3%的结 果,在无监督缺陷检测中具有较高的检测精度和鲁棒性。     

基于改进 YOLOv5 的太阳能电池板缺陷检测算法

为提高太阳能电池板缺陷的检测精确,提出了一种改进的 YOLOv5 网络,对太阳能电池板常见的划痕、叉隐、黑斑、黑 边以及无电等5类主要缺陷进行检测和分类。首先,使用改进后的 ODConv 模块对主干提取网络中的普通卷积模块进行替 换,减少网络模型的参数量;其次,将 C3 模块中的Bottleneck 结构替换成包含 ParNet 模块的Res2Net 以增加感受野,从而提 升了探测物体缺陷的能力和检测精确;最后,在预测网络前引入自适应特征融合结构,以融合不同特征图的位置与类别信息, 增强特征表达并提高模型的鲁棒性。对自建的数据集进行训练、验证以及测试,实验结果表明,改进后的模型能够成功识别 和定位5类常见缺陷。与原 YOLOv5 算法相比,在保持原网络高效性的同时,平均检测精确提升了6.2%。     

结合GLWT和LBP提取纹理特征的图像分割

提出一种提取图像纹理特征的新方法:结合广义局部沃尔什变换(GLWT)和局部二值模式(LBP)。首先说明广义局部沃尔什变换的定义,然后计算并分析广义局部沃尔什变换系数,并选取识别性能较好的2阶矩作为纹理特征。结合LBP空间纹理特征和灰度特征,然后根据纹理特征采用模糊C均值算法对像素进行聚类。实验结果表明,结合广义局部沃尔什变换和LBP的纹理特征具有更好的鉴别性能,且计算简单。     

融合CEEMDAN分解与敏感IMF精选的串联电弧故障检测

针对串联电弧故障检测困难,以及基于分解策略的检测方法难以捕获敏感判别分量的问题,提出一种融合自适应噪声的完备经验模态分解(CEEMDAN)和敏感本征模态函数(IMF)精选的串联电弧故障检测方法。本方法采用CEEMDAN算法对故障电弧电流进行完备分解;并定义了电弧电流的12个特征指标,以敏感性较强的峭度指标和能量特征作为判定依据,从而实现了IMF分量的频段划分;在此基础上,提出了基于时间窗的特征计算方法,通过获取各高频IMF分量的时间维度局部特征,并通过比较方差、均方根值等特征指标实现敏感IMF分量的准确选取。最后,针对电流特征集,采用主成分分析实现二次降维,并基于支持向量机(SVM)实现串联电弧故障检测。实验证明了所提方法的可行性和电弧故障检测的有效性。