基于最小生成树的显著性自适应形态学结构元素构造方法

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息.为此,提出了一种基于最小生成树(Minimum spanning tree,MST)的显著性自适应形态学结构元素构造方法.首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression,NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map,SM).然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST.最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素.利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比.结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果.     

基于最小生成树的显著性自适应形态学结构元素构造方法（英文）

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息。为此,提出了一种基于最小生成树(Minimum spanning tree, MST)的显著性自适应形态学结构元素构造方法。首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression, NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map, SM)。然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST。最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素。利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比。结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果。     

基于形态学的MRI图像自适应边缘检测算法

为了在噪声环境下尽量多地检测出MRI(magnetic resonance imaging)图像的边缘细节,以满足医学临床诊断的特殊需求,提出一种基于形态学的医学图像自适应边缘检测算法.根据医学磁共振图像噪声的特点构造了一种基于形态学滤波特性的边缘算子,使用多方向结构元素实现了边缘的精确检测,并根据图像的灰度特征自适应地调整各方向结构元素检测结果的权值,最后合理地调整结构元素的尺寸大小.仿真实验结果表明,与经典微分边缘算子及常用形态学算法相比,该算法不仅具有很强的抗噪性能,而且能更有效地提取图像中不同方向的边缘信息.     

基于改进的图论最小生成树及骨架距离直方图分割细胞图像

为了解决模糊且有粘连的细胞图像的难以分割问题,本文针对医学细胞图像的特点,应用图论的思想提出了一种图论与数学形态学结合的图像分割算法.该算法先对图像进行去噪和增强,然后用改进的图论最小生成树(MST)算法对细胞图像进行初始分割.改进的主要内容是在算法中引入了细胞尺寸和形状的信息,从而在一定程度上改善了图论算法过分割的缺陷.在进一步的图像分割中,为了解决二值图像中的细胞粘连问题,结合数学形态学的骨架边界距离信息找出分裂线将粘连细胞分离.与常规的分水岭算法完全不同,该算法没有重复性的运算.一系列细胞图像的试验表明,该算法能够很好地分割模糊且有粘连的细胞图像,其结果令人满意.     

融合量子理论的结构元素尺寸自适应调整策略

受量子理论启发,提出一种针对数学形态学结构元素尺寸自适应调整的新策略,以达到更优的冲击响应信号形态学提取效果。首先,结合量子理论建立起振动信号的量子系统,在此基础上提出了振动信号的量子比特数学表达式,用于刻画振动信号的状态;然后,针对机械振动信号的局部特点,分析1×3邻域的振动信号相关性,提出了机械振动信号在量子概率特征下的结构元素尺寸衡量算子;最后,依据尺寸衡量算子和自适应控制结构元素的长度达到更优的滤波效果。利用该策略对轴承冲击故障信号进行形态滤波,并与传统方法进行了比较,结果表明该方法可以有效提取信号的全局和局部特征。     

面向装配序列规划的最小生成树方法

基于最小生成树的求解方法,提出了一种简单、直观、通用性强的装配序列规划新方法。根据图论的基本知识,建立零件连接图,从产品可装配性的角度分析了影响两零件间装配关系密切程度的因素,引入了装配关系密切值λ,对零件间装配关系的密切程度进行了量化评判,再通过运筹学中求解最小生成树问题的破圈法,对零件连接图中的圈进行破除,即消除每个圈中装配关系密切值最小的边,得到最大密切程度的装配体生成树,之后对装配体生成树进行干涉分析,剔除了大量的冗杂序列,从而得到既可行又最优的装配序列。最后通过实例验证了此方法的有效性。     

基于最小生成树和TPS变换模型的图像拼接

本文针对图像拼接方法中的特征点匹配和变换参数求解问题,提出了一种基于最小生成树和TPS变换模型的图像拼接算法。该算法在每次迭代过程中,利用最小生成树的Laplace矩阵获取待拼接图像中特征点的匹配关系,然后估算待拼接图像之间的TPS(thinplatespline)变换参数,再利用这些参数使特征点集相互逼近,最终获得匹配关系和精确的TPS变换参数,实现图像的拼接。实验结果验证了该算法的有效性。     

基于脑肌耦合导联选择和最小生成树网络的脑电特征提取

针对主动康复训练中的运动想象脑电识别问题,提出一种基于脑肌耦合导联选择的双层脑功能网络特征提取方法。根据脑肌耦合强度选择受试各动作下的核心导联,运用核心导联并结合神经生理学中关于运动感觉脑区的先验知识,构建运动感觉核心导联区域网络并提取特征。利用最小生成树全网络特点,将最小生成树脑网络的直径和平均离心率,以及核心导联区域网络的平均节点度、平均聚类系数和平均路径长度,构筑最小生成树脑网络和核心导联区域网络相结合的全局和区域脑功能网络综合特征。选择支持向量机为分类方法,两类运动想象识别的平均正确率为86.96%,证实了本文所提双层脑功能网络分析方法有优良的特征表达能力,能有效提取神经-肌肉内在关联特征,为运动想象识别提供了一种新的思路。     

彩色印刷品缺陷的形态学检测方法

彩色印刷品允许范围内的套印误差以及检测过程中发生的轻微变形,图像差分时会造成缺陷误判,影响检测效果。在IHLS颜色空间上提出一种基于形态学的彩色印刷品检测方法:通过分析模板图像掩膜内的最小生成树的结构特征,将得到的上下确界的矢量距离作为检测图像的阈值,把配准后的差分图像转换为真正的缺陷图像。彩色包装材料的检测结果表明,该方法可以满足彩色印刷品指定精度内的缺陷检测要求。     

基于模糊盒树法的自适应PID

通过对常规PID控制系统性能品质的分析、应用模糊盒树法的模糊控制策略、以最少的模糊规则推理实现PID参数的自适应调整.实验和仿真结果表明,该方法具有结构简单、鲁棒性强、动态品质优、易于工业实际应用等特点.     

基于自适应滤波器的最小方差性能评价方法

控制器性能评价是工业过程控制中的重要研究课题,工业应用结果表明:性能评价技术可以有效提高工业过程的性能。这篇论文基于最小方差准则来评价控制器的性能,在具体评价过程中提出了使用自适应滤波器,通过训练建立系统输出和噪声的自适应线性系统模型,实验结果证明,自适应滤波器技术在控制器性能评价中是一种简单的实现方法。     

基于形态学top-hat变换的支票方形印鉴自适应分割方法

摘要：目的：为了准确分割支票中的方形印鉴图像,为印鉴真伪自动识别提供无失真的二值待验图像和预留图像,本文提出一种基于top-hat变换的自适应形态学分割算法。方法：根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像。为了准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份,印鉴灰度图像被分成四个子区域。对每个子区域中的字符和印框分别作top-hat变换增强图像细节后,再用Otsu方法二值化。Top-hat变换中所用结构元素的尺寸对分割结果有很大影响。本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素。结果：分割350枚不同支票方形印鉴,分割准确率为99.43%。可以准确地分割笔划复杂且分布密集的方形支票印鉴图像。结论：能够准确分割支票方形印鉴图像,有效的减少了分割结果中容易出现的笔划粘结和残缺失真,降低了对原始印鉴图像的质量要求。     

基于事故树方法的人机系统可靠性分析

针对提高人机系统设计的可靠性,将事故树分析方法应用到人机系统设计可靠性分析中去,从人的角度对人机系统设计的可靠性进行了事故树分析,首先找出了事故树的最小径集,然后又分别从结构重要度、概率重要度、关键重要度等方面对影响人机系统可靠性的基本事件进行了分析研究,找出了影响人机系统可靠性的主要因素,为人机系统产品的设计生产提供...     

基于RSM-AGA的永磁驱动器周向开槽的参数优化设计

针对永磁驱动器工作效率较差的问题,提出一种导体盘上周向开梯形槽的永磁驱动器,采用有限元仿真确定了永磁驱动器导体盘的开槽个数,联合中心复合设计和响应面法建立了响应变量与设计变量之间的响应面模型。基于该模型,选择适当的约束条件,以传动转矩最大和涡流损耗最小为优化目标,利用自适应遗传算法对永磁驱动器的开槽结构参数进行优化。优化结果使开槽结构永磁驱动器的传动转矩与原始设计相比增加了24.439 8 N·m,涡流损耗减小了36.44 W,重量减小了3.748 1 kg。有限元仿真实验验证了开槽结构可以优化涡流路径,减少杂散电流,进一步提高永磁驱动器的传动转矩。     

Position detection of BLDC rotor based on adaptive wavelet neural network

Brushless DC(BLDC)motor is a complex nonlinear system,of which some parameters will also change during operation.Therefore,obtaining accurate rotor position directly through the line voltage becomes more difficult.So a new method is proposed in this paper which uses three line voltages as the input signal to identify the motor position based on adaptive wavelet neural network(WNN)and the differential evolution(DE)algorithm to optimize WNN structures,thus realizing the improvement of accuracy,exactness of the communication signals and convergence speed of the rotor position identification.Finally,both simulations and experimental results show that the proposed method has high accuracy of recognizing rotor position and strong orientation ability.     

Vibration analysis of a simply supported beam under moving mass based on moving finite element method

In this paper, a moving finite element (MFE) method is proposed to perform the dynamic analysis of a simply supported beam for a moving mass (MM). The MFE method treats the moving mass as a moving part of the entire system, so that the transverse inertial effects caused by the moving mass may easily be taken into account. The solution to the beam’s dynamic behaviors including its displacement is obtained via a Newmark-β method; the effects of the velocity and weight of the MM on the beam’s dynamic behaviors are further discussed. The numerical examples show that the inertial effects of the MM significantly affect the transverse responses of the simply supported beam.     

基于精英选择自适应变异遗传算法的膜系优化设计

将改进的遗传算法——精英选择自适应变异遗传算法(EGAAM)用于光学薄膜的膜系优化设计。EGAAM采用了独特的自适应变异操作,该操作既使得群体保持了多样性,防止过早收敛,又加快了群体收敛速度。EGGAM对初始条件不敏感,并且可以确定膜层厚度边界,确保了设计结果的制备方便。通过减反膜、分光膜的实例优化设计表明,在相同设计条件下,用EGAAM可以得到比传统遗传算法更好的设计结果。理论与实例表明EGAAM用于膜系优化设计是高效和可靠的。