印刷网点微观图像阈值分割算法研究

目的 通过阈值处理方法, 准确获取网点微观图像的特征参数, 将其与仪器测量值相结合, 综合评价印刷品复制质量。方法 提出一种基于高斯函数模型拟合网点图像灰度直方图数据的阈值分割算法, 寻找网点类图像最佳分割阈值, 对图像进行二值化处理, 得到准确的网点参数。结果 得到的印刷品网点面积率在全阶调范围内更接近于测量值, 分割效果明显优于传统的阈值分割算法。结论 提出的高斯拟合阈值分割算法更有利于提取网点类图像的微观参数, 精度高, 稳定性好,为获取准确的网点图像微观参数提供了理论与实践参考。     

基于最大相关熵准则的多尺度高斯核极端学习机

针对传统的多尺度核极端学习机对噪声敏感且计算量大的问题,提出一种适用于高斯噪声环境的多尺度核极端学习机.首先,利用最大相关熵准则代替多尺度核极端学习机中传统的最小均方差准则构造目标函数;其次,将1种按训练样本数随机生成尺度因子的多尺度化方法应用于高斯核函数;最后引入拉格朗日乘子法对目标函数进行求解,推导出基于最大相关熵...     

基于机器视觉的丝网印刷样板尺寸测量方法

丝网印刷样板种类和样式多,每片样板上待测目标也较多,不宜采用一致的梯度阈值参数定位边缘实施测量;此外,传统视觉检测采用定位矩形框建立测量坐标系的方式会引入测量误差,因此,提出一种基于机器视觉的丝网印刷样板的尺寸测量方法。采用一种由粗到细的测量策略,借助每一类待测目标的模板进行信息统计,针对性地设置阈值参数,改善测量精度。在测量阶段,利用基于图像金字塔和归一化互相关函数相结合的分层匹配算法实现多个待测目标的粗糙定位,再使用由模板信息统计获取的阈值参数进行边缘精细定位,建立局部坐标系,完成测量。实验结果表明:在同等实验条件下,此方法能够有效提高测量精度,算法改进后测量结果的平均相对误差由原来的4.02%降到1.47%,并且无需用户介入调整测量参数,适用于不同种类丝网印刷样板的灵活测量。     

基于模板的前视红外图像建筑物分割方法

针对前视红外地面建筑物图像目标分割问题,在传统方法的基础上提出了一种基于模板制备的改进C-V模型分割方法.首先通过DSM数据制备目标二维形状模板;然后对图像进行高斯滤波去噪,并采用模板尺度相关的结构元素对图像进行灰度形态学增强;最后引入模板形状先验信息的概念,利用水平集方法表达轮廓先验信息,在C-V模型的基础上增加目标轮廓先验信息能量项,使分割曲线进化同时受到图像数据与形状先验信息驱动,实现目标分割.实测数据显示该方法能在复杂背景条件下精确分割前视红外建筑物目标.     

基于加权Lucas-Kanade算法的目标跟踪

针对传统的序列图像目标跟踪方法难以适应复杂背景干扰、目标形状变化以及目标位置非规则抖动的问题,提出了一种基于加权Lucas-Kanade算法的目标跟踪新方法.首先引入搜索模板,估计出目标在实时图像中的位置并将其作为加权Lucas-Kanade算法的迭代初始值,然后计算权值函数,利用当前模板和初始模板进行两次跟踪,得到目...     

改进小波阈值法在MEMS陀螺随机误差分析中的应用

由于传统小波阈值去噪法在减小MEMS陀螺随机误差有很大的局限性,介绍一种改进阈值函数去噪法,通过调整阈值函数,克服传统方法的缺点和不足,从而减小MEMS陀螺随机误差,提高MEMS陀螺的精度。首先介绍传统阈值函数去噪法,然后基于传统阈值函数进行改进,提出一种新的阈值函数。采用改进后的方法对MEMS陀螺输出数据进行处理,并用Allan分析法比较传统方法与改进方法的效果。实验结果表明,角度随机游走(N)减少78.85%,零偏不稳定性(B)减小82.14%,角速率随机游走(R)减少92.53%,均值下降90.6%,均方差下降70%,信噪比增加26.43%,提高MEMS陀螺的精度。     

滚动轴承寿命预测的相似性匹配优化方法研究

传统相似性寿命预测方法忽视退化过程的局部演变特性,导致预测精度较低;传统时、频域等特征指标难以实现早期故障监测,且退化后期局部波动较大。引入高斯函数趋势拟合策略,提出改进的相似性匹配优化方法。提出基于高斯混合模型的Jensen-Renyi散度健康指标,准确跟踪滚动轴承退化演变趋势。由于实际全生命周期退化信号难以大量获取,因此构建双指数函数模型,模拟退化信号,并验证仿真数据扩充参考字典集的有效性。采用高斯函数拟合退化数据并提出参数相似性原则,实现剩余使用寿命预测。滚动轴承全生命周期退化实验数据分析结果验证了所提方法可以有效提高剩余寿命预测精度。     

基于双阈值-非极大值抑制的Faster R-CNN改进算法

根据目标检测算法中出现的目标漏检和重复检测问题,本文提出了一种基于双阈值-非极大值抑制的Faster R-CNN改进算法。算法首先利用深层卷积网络架构提取目标的多层卷积特征,然后通过提出的双阈值-非极大值抑制(DT-NMS)算法在RPN阶段提取目标候选区域的深层信息,最后使用了双线性插值方法来改进原RoI pooling层中的最近邻插值法,使算法在检测数据集上对目标的定位更加准确。实验结果表明,DT-NMS算法既有效地平衡了单阈值算法对目标漏检问题和目标误检问题的关系,又针对性地减小了同一目标被多次检测的概率。与soft-NMS算法相比,本文算法在PASCAL VOC2007上的重复检测率降低了2.4%,多次检测的目标错分率降低了2%。与Faster R-CNN算法相比,本文算法在PASCAL VOC2007上检测精度达到74.7%,性能提升了1.5%。在MSCOCO数据集上性能提升了1.4%。同时本文算法具有较快的检测速度,达到16 FPS。     

基于双谱分布区域的齿轮聚类分析与故障诊断

齿轮(尤其是故障齿轮)振动信号具有明显的非高斯性,双谱是分析非高斯信号的有效方法.齿轮不同故障模式振动信号双谱分析表明齿轮双谱分布区域与故障模式间存在映射关系,可作为分类特征.采用阈值化的双谱二值图作为特征向量,基于目标函数的聚类法实现分类与故障诊断.聚类过程以训练样本双谱二值图的逻辑与运算表征类间分布共性,逻辑或运算表征类间分布范围,构成类模板,测试样本与类模板距离最小值构造最近邻模板分类器,实现聚类,整个过程只是计算1的个数,简单、实用.齿轮故障诊断实例验证了该方法的有效性.     

基于隐函数模型的光学微腔传输光谱拟合算法

光学微腔品质因子高、灵敏度高,在精密生物传感方面有广阔的应用前景。针对洛伦兹拟合算法不能很好地拟合光学微腔输出端非对称波形和劈裂模式波形的问题,提出了隐函数模型算法。该算法首先建立模板波形,然后经平移、放缩理论实现模板波形操作,利用Levenberg-Marquardt (LM)算法优化参数值,能够实现对称波形、非对称波形和劈裂模式波形数据拟合。通过搭建光学微腔数据采集系统,采用高斯、洛伦兹和隐函数模型算法对不同折射率溶液的实验数据进行拟合。结果表明：隐函数模型算法比前两种算法的MSE低1个数量级,且拟合优度(R2)达到了0.99,拟合效果较好;隐函数模型算法谐振频率误差最小,谐振频率偏移量最大,对应的灵敏度最高,有利于提高光学微腔灵敏度。     

基于改进小波阈值去噪的深度学习水下目标分类

由于海洋环境噪声复杂,噪声等级高,水下待识别目标信噪比低,从而造成了特征提取困难,目标识别率低的问题。基于此,文章提出了基于改进小波阈值的深度学习水下目标分类方法。此方法在传统小波阈值去噪的基础上提出了一种新的小波阈值函数,对于所采用的具体阈值将其与分解尺度相联系,从而实现降低背景噪声,提升水下目标分类识别率的目的。此方法对实测舰船辐射噪声信号进行小波分解,提取每一层的高频小波系数并对其进行处理;对处理完的信号再提取时频特征,最后将其输入后续的深度学习网络中。实验结果发现：在利用原有数据集情况下,利用基于改进小波阈值的深度学习进行水下目标的分类识别,采用卷积神经网络算法可达到88.56%的分类识别率。对前述实验结果进一步分析后,采用生成对抗网络的方法扩充数据样本,可达到96.673%的分类识别率。     

光纤灰度分布的高斯函数拟合法测量光纤几何参数

光纤的几何参数影响着光纤的光学传输和机械性能等,是衡量光纤质量的重要指标。近场光分布法是国标GB 15972.20-2008中推荐的几何参数测量方法。该方法在对光纤纤芯的测量中需对光纤通光照明,以区分纤芯和包层的边界。通光的纤芯端面是一个边缘并不清晰的发光亮斑,因而无法准确判断纤芯与包层的真实边缘。本文分析了光纤内光传播模场的分布,理论上光纤模场电磁矢量的解满足贝塞尔函数,但在近似情况下也可以用高斯函数代表光纤模场分布。因此本文利用高斯函数拟合光纤纤芯端面灰度分布,进而由拟合后的高斯函数得到纤芯与包层的真实边缘。本方法是对国标GB15972.20-2008的测量方法的进一步完善。实验测量结果表明,当光纤的切割效果不佳或成像质量较差时,模场灰度分布的高斯函数拟合法仍能保证测量的重复精度和测量数据的稳定性。     

基于改进EMD-ICA的结构模态参数识别研究

该文针对频带滤波改进经典经验模态分解(EmpiricalModeDecomposition,EMD)的模态分解能力不足时产生过多虚假模态的问题以及真正本征模函数(IntrinsicModeFunction,IMF)的判定问题,提出了将改进EMD与独立分量相结合的信号分析方法。该方法不需要人为预先设定阈值,能够自动分离出真正的IMF分量,消除改进EMD过程中产生的虚假模态,保障EMD分解信号的有效性。然后利用随机减量技术获得各IMFs的自由模态,最后利希尔伯特变换和最小二乘拟合技术相结合的方法来识别出结构的频率和阻尼比,并通过两个数值算例和一个七层钢框架的模态试验予以验证。研究结果表明：该方法可有效解决改进EMD的缺陷,并成功识别出结构的模态参数。     

基于LoG算子边缘检测的图像二值化处理

摘要：数码管图像的目标和背景分离不明显，直方图分布较复杂。针对该问题，提出基于拉普拉斯高斯（Laplacian of Gaussian，LoG）算子边缘检测的全局二值化方法对其进行处理，该方法通过提取图像边缘部份的像素灰度获得图像二值化的阈值。处理结果表明，与传统的几种方法相比，该方法能够快速选取良好的二值化阈值，较好地区分目标和背景，在相当大模板宽度内图像二值化的结果都令人满意。     

基于单样本学习的多特征人体姿态模型识别研究

随着人机交互、虚拟现实等相关领域的发展,人体姿态识别已经成为热门研究课题.由于人体属于非刚性模型,具有时变性的特点,导致识别的准确性和鲁棒性不理想.本文基于KinectV2体感摄像头采集的骨骼信息,结合人体角度和距离特征,提出了一种基于单样本学习的模型匹配方法.首先,通过对采集的骨骼信息进行特征提取,计算关节点向量夹角...     

印刷品自动光学检测伪缺陷去除方法

目的 为了解决使用差影法进行印刷品表面缺陷自动光学检测存在伪缺陷从而造成误检的问题,提出一套通过提高配准精度和空间滤波来减少伪缺陷的方法。方法 使用连续域蚁群算法求全局最优解,改进基于轮廓的模板匹配算法配准精度,减少伪缺陷的产生;配准时的仿射变换会产生轮廓伪影,根据伪影的分布特点将图像切分成轮廓区和非轮廓区。分别使用不同的空间滤波方法削弱伪缺陷,再使用阈值分割将其剔除。结果 在实验环境中,连续域蚁群算法改进的基于轮廓的模板匹配配准方法,可精确到亚像素级,配准率为92%;使用空间滤波剔除伪缺陷后进行缺陷检测,缺陷误检率为0,漏检率为3%;印刷品表面缺陷平均检测时间为1.05 s,最长时间小于1.5 s。结论 该研究改善了差影法在自动光学检测中的效果,方法快速、有效、易于实现;在降低了缺陷误检率的同时不会造成大量漏检;满足在线检测的要求,可用于实际工业生产。     

高帧频大视场多目标实时检测方法研究

针对高帧频大视场电视跟踪系统中多目标检测的实际需要研究了一种简单的目标检测方法──自适应邻域均值门限检测方法；通过分析，证明该方法能够在信噪比较低和背景干扰较强的情况下对全视场中多个弱小目标进行实时检测，并建立了该算法的实时处理系统；结果表明该方法是完全可行的。