基于PNN网络和Freeman链码的抽油机井工况诊断

利用概率神经网络(PNN)对抽油机井工况进行诊断,建立了抽油机井工况诊断的概率神经网络模型;对示功图提取特征值的质量好坏直接影响识别效率和可靠性,提出了用Freeman链码对等效的电流示功图提取特征参数,进行预处理,建立抽油机典型工况的链码特征样本库;将Freeman链码作为特征向量,利用MATLAB对网络进行训练;结果表明,Freeman链码能够有效地识别各种典型工况示功图,并且该概率神经网络学习速度快、诊断准确率高,可用于抽油机井工况的实时监测和诊断.     

基于Freeman链码特征值的示功图分类识别研究

示功图分析是目前比较常用的油井故障诊断方法,基于神经网络的示功图分类识别要求准确地提取示功图的特征值,特征值的质量直接关系到示功图识别的效率和可靠性。传统的示功图特征值提取方法计算量很大,与油井现场的实时性要求相悖。为了解决这一问题,提出了用Freeman链码来表达示功图特征,对示功图的识别进行研究。分析了示功图Freeman链码的提取方法以及典型工况链码特征,建立示功图链码特征样本库,给出了示功图识别的方法步骤,在MAT-LAB下进行仿真验证。结果表明,Freeman链码特征值能够有效地分类出各种典型工况示功图,神经网络具有更快的收敛速度和更高的识别效率。     

一种最优化链码指纹二值细化图像压缩编码

提出了一种适合于对线状结构的条形纹线二值图像进行压缩的最优化Freeman链码压缩算法——Freeman差分链码Huffman编码。与传统的Freeman链码相比,提出的压缩算法是基于Freeman链码、差分编码和Huffman编码的一种混和编码方式。通过理论分析和在指纹二值细化图上的实验结果证明,对于指纹二值细化图像,本算法优于现有的链码压缩二值图像的算法,针对于线状结构的条形纹线二值图像,本算法也优于其他压缩算法。其平均码长为1.7651bits,低于8方向Freeman链码或者Freeman差分链码的3bits的平均码长。     

基于自适应网格矢量编码的人脸快速匹配算法

在分析传统图像匹配算法优缺点的基础上,提出了一种基于自适应网格矢量编码的人脸快速匹配算法.该算法首先对人脸进行二值化边缘分割和脸部特征轮廓提取,并对图像的细节边缘和特征轮廓进行自适应网格划分,然后对网格内的边缘段和特征轮廓段进行链码描述及矢量编码,最后通过计算编码后的方向矢量矩阵相似度来实现人脸图像的匹配识别.通过对ORL标准人脸图像库的实验仿真及对比结果表明,该算法在降低计算复杂度及提高识别精度的同时,有效地解决了由图像旋转、姿态变化引起的微小形变以及不同光照条件所带来的图像识别率低的问题.     

基于ECCC的细胞图像分割算法

针对粘连细胞图像,提出ECCC(Eleven Components Chain Code)链码分割算法。首先对细胞边缘二值图像进行链码统计和边缘拐点检测,新算法对Freeman链码进行了改进,在链码中加入表示边缘拐点的新的链码元素,然后计算边缘拐点的链码差来筛选真实分割点,最后对分割点线性插值实现粘连细胞分割。实验结果表明,针对2粘连和3粘连细胞,ECCC法的分割成功率分别为100%和98%,平均耗时分别为0.42 s和0.67 s,比传统链码分割法减少了近55%的计算量,在复杂的细胞图像分割中具备一定的有效性和可行性。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

输电导线图像目标识别方法

为了准确识别出背景复杂、对比度低时的输电导线目标,在对图像进行全变分模型去噪的基础上,提出一种基于模拟退火微粒群算法的2维最大类间方差法进行图像分割,然后采用改进的Freeman链码表示法进行输电导线目标提取,并应用基于最小二乘法的直线拟合法复原输电导线的基本骨架中的缺失部分。实验结果表明:基于模拟退火微粒群算法的2维最大类间方差法具有较好的分割效果,且在最佳分割阈值的搜索中有着较好的收敛性和计算速度;基于改进的Freeman链码表示法的输电导线提取算法可以很好地滤除背景并将输电导线完整地提取出来。     

纹理图像双特征识别方法

提出了一种能够结合纹理基元形状和大小两种特征的纹理识别方法。该方法首先定义一种编码规则,应用这种规则对图像中纹理基元的轮廓线进行编码,把纹理的表述转化为夹角链码形式。使用后缀数组提取链码中的重复字符串作为特征编码,应用动态规划算法在近似匹配条件下计算特征编码在链码中的重复频率。最后,以特征编码及其重复频率作为目标的形状特征和尺度特征,使用贝叶斯分类方法对纹理进行识别。通过识别实际矿石图片验证了这种方法的有效性。     

基于模糊模式识别的抽油井示功图判别算法研究

针对有杆抽油井示功图诊断分析问题,研究特定故障情况下示功图特征值算法。把示功图数据通过傅里叶变换由空域转换成频域形式,仅保留较低频率上的系数a0、a1、b1,并将其作为特征值。根据所得到的特征值结合模式识别算法能够实现有杆抽油井示功图快速准确的识别和分类。实际应用表明,利用基准示功图28种类型的特征值的选取,计算出每种示功图的特征矢量,并保存到特征库中。对给定示功图特征值进行模式识别,即可得出该图隶属于哪种模式。     

Freeman四方向链码压缩率提高的方法研究

文中通过大量的实验,在研究现有的基于Freeman方向链码的方法的基础上,对提高Freeman四方向链码压缩率的方法进行了深入的研究.从改变码值含义定义并对码值进行Huffman编码,进而对出现频率最高的码值进行计算编码等不同角度,进行大量的实验、比较与分析.提出了一个Freeman四方向链码新方法:计算编码不等长相对四方向Freeman链码——AVRF4.实验结果表明,其链码压缩率比Freeman八方向链码提高了26％,而比原始Freeman四方向链码提高了15％.