用BP网络模型对烧结矿质量预测

针对烧结这一的物理、化学反应过程的纯滞后特别大的特点,采用ＢＰ网络对其烧结矿的质量进行预测。仿真结果表明,该学习算法是很有效的。     

浅谈图像分割技术

文章介绍了图像分割技术的概念,分析了图像分割的基本类型,以及当今图像分割的前沿策略,并由此给我们在图像分割技术上的新的启示。     

基于HSV色彩空间的图像分割

为了辨识和分析目标,需要将这些有关区域分离出来,在此基础上才有可能对目标进一步处理。本文提出了一种利用HSV色彩空间的图像分割方法,根据HSV色彩空间的颜色和亮度无关,将彩色图像从RGB空间变换到HSV空间,然后经过H分割对绿地植被信息进行提取得到分割结果。实验表明该方法具有很强的鲁棒性。     

基于改进CV模型的金相图像分割

对金相图像进行快速精确分割是金相晶粒评级的关键步骤,利用传统Chan-Vese（CV）模型很难将晶粒精确地提取出来.为了更加精确地对金相图像进行分割,提出一种基于改进CV模型的金相图像分割方法.初始化水平集函数,对曲线内外两部分分别计算其倒数坎贝拉距离,并将该距离的大小作为拟合中心的权重系数,有效抑制了噪声点对区域拟合中心准确性的影响;引入指数熵自适应调节曲线内外能量权重,减少固定能量权重对曲线演化的影响;同时加入距离规范项以避免水平集函数的重新初始化,加速该模型的收敛.实验结果表明,与传统CV模型、测地线活动轮廓模型、距离规范项的水平集模型以及偏置场修正水平集模型相比,所提方法分割出的金相图像更加精确,分割效率较高且模型收敛性较好.     

基于图像分割的噪声方差估计

提出一种基于图像分割的噪声方差两步估计算法.第一步,对含有噪声的图像进行平滑,再利用统计区域归并算法对图像进行分割,并计算每个区域的方差,根据统计规律选择适当的区域估计图像中噪声方差.第二步,利用初始估计的方差,修正平滑滤波、图像分割及噪声估计的参数,进行新一轮的平滑、分割和方差估计,得出更为准确的估计结果.在大量图像和不同噪声情况下的实验结果表明,该算法可以快速、准确地估计图像中噪声方差.     

一种基于视觉熵的图像分割压缩方法

基于视觉熵概念提出了一种静止图像分割压缩方法.通过对人类视觉系统特性的归纳,总结了基于视觉熵的图像分割原理,提出了用于量化图像特征的数学定义和基于视觉嫡的分割算法.实验结果表明,这种基于视觉熵的图像分割压缩算法既提高了压缩比,又能保证压缩后的重建图像整体上具有高的主观视觉感知质量.     

基于水平集的钢水图像分割方法

钢水质量和收得率是转炉生产的两项重要生产考核指标.通过红外热成像法检测转炉出钢钢水图像中钢渣占比率,从而有效控制钢水质量和收得率是转炉生产工艺之一.由于转炉出钢钢水红外灰度图像具有背景噪声干扰大、钢渣呈多目标分离标状且边缘非规则等特点,因此如何提高钢水图像分割及钢渣占比检测准确率一直是难点问题.针对该问题,提出了一种基...     

基于贪婪Snake模型与多尺度分析的图像分割

为了准确分离目标区域,提出了一种基于贪婪Snake与多尺度图像增强相结合的新的轮廓分离模型.首先对输入的图像给定一个初始轮廓,然后应用多尺度分析进行图像增强,之后在不同的尺度中运用贪婪Snake模型进行轮廓的分离,最终分离出理想的目标轮廓.实验证明该方法提高了分割的精度.     

基于双向长短时记忆网络模型预测烧结矿FeO含量

烧结过程中FeO含量是影响烧结矿性能的重要参考指标。对FeO含量变化进行实时观测和监视,可以减少烧结能耗,改善烧结效果。针对目前企业实时观测FeO含量手段较为单一的情况,研究了基于双向长短时记忆网络模型(bi-directional long short-term memory, BiLSTM)的烧结矿FeO含量预测模型。数据来源为攀钢六型烧结机2021年部分工艺数据,经过滤、提优等数据处理后,选取BiLSTM神经网络进行训练、调参,与企业现场烧结工艺相结合,提高了模型预测的准确率,基本实现了烧结矿FeO的预测。测试结果表明,在企业误差允许的范围内,准确率达90.2%,因此可以给予企业内烧结矿生产有效意见。     

图像分割评估方法在显微图像分析中的应用

图像分割是计算机视觉领域中的重要分支,旨在将图像分成若干个特定的、具有独特性质的区域。随着计算机硬件计算能力的提高和计算方法的进步,大量基于不同理论的图像分割算法获得了长足的发展。因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估,从而选择最优分割算法,成为图像分割研究中的必要环节。在综述14种图像分割评估指标的基础上,将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类。在材料显微图像分析的应用背景下,通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现。最终,讨论了各种评估方法的优势和适用性。      

基于顾及像素空间信息的加权FCM聚类的图像分割

针对标准的FCM算法没有考虑像素的空间信息而对噪声比较敏感和没有考虑不同样本数据对聚类效果的不同影响的不足,提出了一种顾及像素空间信息的基于图像的灰度直方图加权的FCM聚类算法,它在Szilagyi等提出的算法基础上通过引入图像的灰度直方图加权对算法中的目标函数进行修改.对人工合成图像和真实图像的数值模拟结果均显示出该算法的优良性能.     

基于图像片的模糊C均值聚类图像分割

本文提出了一种全新的基于图像片的模糊C均值聚类的图像分割方法.将图像片的思想引入聚类分割中,提出IPFCM方法,用局部的图像片来代替聚类分割中的像素点,从而增大不同类别之间的差异,并对隶属度更新函数进行改造使隶属度函数分布具有单峰值性.实验结果表明,本文方法具有较强的抗噪性和较高的分割精度,图像的隶属度函数与理想隶属度函数十分接近.同时无需过多控制参数,具有较强的可靠性和适应性.另一方面,本文将聚类中心的每一个成员扩展为一个向量,并给出了向量聚类中心的更新公式,为日后将多种图像特征加入FCM对图像进行分割提供了充分的理论基础.     

基于PSO的Live Wire交互式图像分割算法

传统Live Wire算法易受伪轮廓干扰,并且算法执行速度较慢.针对这些问题,提出一种基于PSO的Live Wire交互式图像分割算法.算法首先构造新的代价函数,引入相邻节点间梯度幅值变化函数来减轻伪轮廓的干扰,提高了算法的分割精度;其次,为了提高算法的执行效率,应用粒子群算法求取图像中任意两点间最短路径来定位目标边界,并与经典的基于Dijkstra动态规划图搜索的Live Wire算法进行比较.实验结果表明,与传统方法相比,所提算法在分割精度和执行效率上都有很大提高.     

基于CNN-PDE偏差异质扩散预处理的红外图像分水岭分割

为了抑止采用分水岭方法分割红外图像时的过分割现象,首先利用细胞神经网络高效求解偏微分方程的能力,实现了可调偏差异质扩散滤波器并用其对图像作预处理.为了消除噪声残留,引入了平滑系数与限制强度系数对梯度图作阈值化处理.实际红外图像的分水岭分割结果显示,所提出的预处理方法能够有效抑止过分割现象.     

基于机器视觉的烧结终点识别方法研究

烧结生产中,烧结终点的准确识别是控制烧结质量和降低成本的关键所在。因此,当采用基于机器视觉技术判断烧结终点时,烧结图像的阈值分割精度就显得尤为重要。本文针对一般预处理方法很难消除烧结机尾断面图像光晕现象这一缺陷,在图像预处理中增加色彩模型转换环节,从而达到减弱光晕的效果。由于烧结图像红火区和气孔区闽值极为接近,采用一般阈值分割方法很难达到良好的分割效果,因此笔者采用基于粒子对优化的C均值聚类分割的方法进行分割。此方法具有分割速度快、分割效果明显的特点。图像识别中采用改进BP网络对烧结终点进行识别,解决了传统BP算法容易陷入局部极小及学习速率慢的问题。通过实验验证,上述方法对烧结终点的正确识别率可达到93％。     

基于监督学习的前列腺MR/TRUS图像分割和配准方法

前列腺核磁超声图像配准融合有助于实现前列腺肿瘤的靶向穿刺。传统的配准方法主要是针对手动分割的前列腺核磁（Magnetic resonance, MR）和经直肠超声（Trans-rectal ultrasound, TRUS）图像上对应的生理特征点作为参考点,进行刚体或非刚体配准。针对超声图像因成像质量低导致手动分割配准效率低下的问题,提出一种基于监督学习的前列腺MR/TRUS图像自动分割方法,与术前核磁图像进行非刚体配准。首先,针对图像分割任务训练前列腺超声图像的活动表观模型（Active appearance model, AAM）,并基于随机森林建立边界驱动的数学模型,实现超声图像自动分割。接着,提取术前分割的核磁图像与自动分割的超声图像建立轮廓的形状特征矢量,进行特征匹配与图像配准。实验结果表明,本文方法能准确实现前列腺超声图像自动分割与配准融合,9组配准结果的戴斯相似性系数（Dice similarity coefficient, DSC）均大于0.98,同时尿道口处特征点的平均定位精度达1.64 mm,相比传统方法具有更高的配准精度。      

热轧带钢在线测宽中的图像分割

对带钢质量检测中图像处理和分析的过程进行了论述.结合热轧带钢现场图像,应用最终测量精度准则对图像处理算法进行评价.实验评价结果表明,动态双阈值的图像分割效果最佳,适合应用于带宽实时在线检测.     

基于人工神经网络的烧结矿FeO预报系统

针对现场烧结矿FeO控制复杂与难度大的实际。采用改进后的4层前向神经网络。进行多因素输入建模,输出采用主因线性相关与次因非线性相关叠加。预报烧结矿FeO。为现场烧结矿FeO控制提供了新的可行方法。该网络结构设计先进合理,精度高,泛化能力强。训练误差平方和为0．0794,用训练样本集测试FeO输出。检验的绝对平均误差为0．109467,命中率97．81％。采用训练后网络预报。其绝对平均误差为0．1068255,命中率100％。     

移动无线传感器网络中的网络分割

移动无线传感器网络因为传感器节点具有自主移动能力而使网络无法持久保持稳定的连通性,导致网络长时间处于被分割成多个局部子网的状态.通过对网络动态分割的深入研究,从物理层、链路层分析产生网络分割的原因,定义网络分割时间比、网络分割度和网络承载率等指标,量化地分析了网络分割问题.通过仿真实验得到的大量实验数据,揭示出移动无线传感器网络连接在网络分割方面的两个特征:网络分割时间比与节点数目呈反比,网络承载率与网络分割度的稳定性呈正比.研究结果既可为无线传感器网络的实际应用提供依据,又可为上层协议的研究提供有价值的参考.     

一种用于脑肿瘤分割的改进U形网络

近年来卷积神经网络在生物医学图像处理中得到了广泛应用,例如从磁共振图像中准确分割脑肿瘤是临床诊断和治疗脑部肿瘤疾病的关键环节.3D U-Net因其分割效果优异受到追捧,但其跳跃连接补充的特征图为编码器特征提取后的输出特征图,并未进一步考虑到此过程中的原始细节信息丢失问题.针对这一问题,本文提出前置跳跃连接,并在此基础上设计了一种前置跳跃连接倒残差U形网络（FS Inv-Res U-Net）.首先,将前置跳跃连接用于改进DMF Net、HDC Net和3D UNet 3个典型网络以验证其有效性和泛化性;其次,采用前置跳跃连接和倒残差结构改进3D U-Net,进而提出FS Inv-Res UNet,最后在BraTS公开验证集上对所提网络进行验证.BraTS2018的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是80.23%、90.30%和85.45%,豪斯多夫距离分别是2.35、4.77和5.50 mm;BraTS2019的验证结果在增强型肿瘤、全肿瘤和肿瘤核心的Dice值分别是78.38%、89.78%和83.01%,豪斯多夫距离分别是4、5.57和6.37 mm.结果表明,F...