基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。     

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。     

利用图像处理方法实现电弧管电极定位的研究

本文提出了通过定位分割点对目标图像进行分割的方法.重点介绍了如何正确定位分割点的设计思想.首先,对目标图像进行预处理、细化,在得到的图像上正确完整地判断每一个分叉点,而后利用阈值变换、直线拟合等方法识别出目标图像的骨架,得到对目标图像进行分割的分割点.     

基于改进 PCM 聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性 C-均值聚类方法(PCM) 对绝缘子图像进行分割。 方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对 噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统 PCM 聚类中心点重合问题。 实验 利用人工合成数据和复杂背景的绝缘子图像对比该算法与 FCM、PCM、K-means、KFCM 和 IFCM 算法的聚类分割性能。 结果表 明改进 PCM 对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为 0. 153,相比其他对比方法对复杂环境 下的绝缘子图片有更好的分割性能。     

一种利用形状描述子的选择性图像分割方法

针对传统的图像分割算法难以分割出具有语义特征的目标区域的问题,将形状描述子的识别能力引入图像分割过程,利用其提供的较高层的语义信息,生成边界模板来指导图像分割,同时使用遗传算法来处理边界模板的匹配过程,从而智能地选择和分割出目标区域.最后,在形状描述子对全局形状信息的约束下,又根据目标图像的局部特征进行分割边界的优化.试验结果证明,本方法成功地将形状描述子的描述和识别能力引入图像分割过程,实现了对目标图像的选择性分割,达到满意的分割效果.     

基于红外图像分割与SSA-SVM的复合绝缘子缺陷检测方法

为了准确快速地识别出交直流复合绝缘子的缺陷类型,本文提出一种基于红外图像分割和麻雀搜索算法(SSA)优化支持向量机(SVM)的交直流复合绝缘子缺陷检测方法.首先,制作复合绝缘子短样,并设置四种不同类型的模拟缺陷,分别施加交流电压和直流电压,采用红外热像仪测量得到正常和缺陷复合绝缘子的红外图像样本;然后,利用最大类间方差法对图像进行阈值分割得到绝缘子区域,由此计算红外特征量,并使用Fisher准则进行特征选择;最后,采用SSA优化的SVM模型实现对绝缘子缺陷类型的识别.结果表明,实验室条件下该方法对交直流复合绝缘子的缺陷类型识别正确率达87％以上,且对现场交流复合绝缘子缺陷的初步识别效果良好.     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

基于粒子群算法的多阈值图像分割

将模式识别中的Fisher准则推广到多阈值范围内,对图像的阈值分割结果进行评判,并使用粒子群优化算法对搜索过程进行优化,达到图像分割的日的.从理论上上对算法的参数取值进行了讨论并从实践角度提出正交试验的参数确定法以在实际运算中提高运算速率并规避局部极值点.并在此基础上进行了灰度图像分割实验与彩色图像分割实验.最终实验结果证明,该算法较传统算法效率上有极大提高,实现简洁,可用于嵌入图像分析与图像识别领域.     

基于图像质量分析与分割算子的图像特征点匹配算法

为了解决当前由于图像成像质量不稳定和分割不准确所导致图像匹配错误的不足,基于图像质量分析优化和分割算子,提出了基于图像质量分析和图像分割的图像匹配系统.根据图像对比度,建立质量评价函数,通过调节相机曝光,达到图像对比度分明的目的.通过阈值分割和形态学处理设计目标分割算子,根据目标特征匹配度,完成图像目标匹配.集成图像质量优化算子与分割算子于图像匹配系统,并编程实现,实验测试结果显示:与当前图像匹配方法相比,在图像成像质量不稳定的状况下,该方法拥有更高的匹配准确度.     

基于二维熵的空中小目标跟踪研究

二维熵是图像分割技术中的一种重要方法。结合空中小目标的特点将二维熵阈值算法应用于空中小目标图像序列中,并求取质心进行跟踪。重新定义了传统二维熵中二维直方图的双轴,并加以讨论。同时用泰勒一阶展开求取公式的近似表达,消除原始算法中大量的对数计算,加快了运行的速度。仿真实验表明,该方法可以有效的跟踪空中运动目标,在工程实际中具有很好的应用价值。     

基于改进SAE网络的织物疵点检测算法

针对传统织物缺陷检测手工提取特征困难,疵点样本有限的问题,结合卷积自编码器(CAE),提出一种基于Fisher准则的栈式去噪自编码器算法(FSDAE)。首先从原始图像中截取若干小块图像,采用稀疏自编码器(SAE)训练,得到小块图像的稀疏性特征;其次利用该特征,初始化CAE网络参数,提取原始图像的低维特征;最后将该特征数据送入FSDAE网络进行疵点检测分类。分别对3类织物进行测试,实验结果表明,算法能够有效地提取织物图像的分类特征,且通过加入Fisher准则,提高了织物疵点的检测率。     

A new multi‐focus image fusion algorithm based on BEMD and improved local energy

A multi‐focus image fusion method, which is based on bidimensional empirical mode decomposition (BEMD) and improved local energy algorithm, is presented in this paper. First, the source image is decomposed by BEMD. Then maximum criterion combined with weighted average fusion rule based on local energy is applied to bidimensional intrinsic mode function components of the corresponding frequency segment. If the phase of the bidimensional intrinsic mode function coefficients decomposed by BEMD on two source images is the same, the local energy maximum criterion is used in the frequency coefficients of the fused image; else, if the corresponding phase is opposite, bidimensional intrinsic mode function coefficients of the fused image is determined by a weighted average method based on local energy. Finally, the fusion result is obtained by the inverse BEMD transformation on the fusion coefficient. Simulation shows that the proposed algorithm significantly outperforms traditional methods such as the maximum criterion, weighted average, and wavelet fusion rules. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于图像增强的瓷质绝缘子灰密程度检测方法

由于雾天、光线较暗等恶劣现场条件下采集到的绝缘子图像清晰度与可读性较低,绝缘子目标及盘面区域色彩特征的提取较难,导致现有的可见光图像污秽检测方法不具备通用性,为此提出了一种基于图像增强的瓷质绝缘子灰密程度检测方法。先用改进的带颜色恢复的多尺度Retinex(MSRCR)算法对采集到的绝缘子图像进行增强,提高图像的清晰度和对比度;然后,采用二维最小误差法结合形态学滤波分割提取出绝缘子盘面区域,分别提取6个通道的均值、最大值、最小值等7个特征量并用Fisher准则函数筛选出分类能力较强的特征Smean,Smax,Svar作为灰密程度判别特征;最后,用思维进化算法(MEA)优化反向传播(BP)神经网络进行仿真预测。实验结果表明,概率神经网络和粒子群优化算法优化BP神经网络的判别准确率分别为88.00%和93.00%,而所提方法的准确率可达95.00%,可以准确判别恶劣条件下的绝缘子灰密程度。     

基于深度迁移学习的天气图像识别

当对天气图像等场景复杂和特征不明显的图像进行识别时,往往存在识别率不高和特征冗余等问题。基于此,本文提出了一种基于深度迁移学习的图像分类算法。该算法利用ImageNet数据集的模型参数构建ResNeXt、Xception以及SENet 3种网络模型提取图像特征,采用领域自适应的判别联合分布自适应算法来相似化特征向量,完成高质量的特征表示,并以其结果为准则融合模型特征,将融合特征经过多层感知机训练以实现高准确率识别的图像分类。实验结果表明,该算法的性能优于传统的单一网络模型,进一步提升了图像分类准确率的上限。     

Three-dimensional radiative transfer tomography for turbid media

The photon distribution, as a function of position, angle, and time, is computed using the analytical cumulant solution of the Boltzmann radiative transfer equation (RTE). A linear forward model for light propagation in turbid media for three-dimensional (3-D) optical tomography is formed based on this solution. The model can be used with time resolved, continuous wave (CW), and frequency-domain measurements in parallel geometries. This cumulant forward model (CFM) is more accurate than that based on the diffusion approximation of RTE. An inverse algorithm that incorporates this CFM is developed, based on a fast 3-D hybrid-dual-Fourier tomographic approach using multiple detectors and multiple sources in parallel geometries. The inverse algorithm can produce a 3-D image of a turbid medium with more than 20 000 voxels in 1-2 min using a personal computer. A 3-D image reconstructed from simulated data is presented.     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。     

基于高斯函数与正则化法的复杂温度场图像重建算法研究

针对高斯函数温度场重建算法在复杂温度场图像重建中精度较低问题，提出一种基于高斯函数级数与正则化方法相结合的复杂温度场重建算法，通过在温度场重建中加入火焰先验信息，实现在较少测量数据下炉内复杂温度场的重建。仿真结果表明，该算法比高斯函数温度场重建算法具有较高精度和抗干扰能力，而重建速度相当，可望将该算法用于电站锅炉炉膛的二维温度场重建。     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

利用改进递归小波变换区分电力系统振荡与故障

分析了母小波的选取问题 ,强调了相频特性的重要性。以此为基础 ,选用一种复小波为母小波 ,并利用快速递推算法进行计算。为了获得最佳小波变换效果 ,分析了利用改进递归小波变换区分振荡与故障的原理 ,并首次提出了一种新判据。新判据充分利用了小波变换的结果 ,可从中提取更全面、更充分的故障信息来区分故障与短路。经仿真试验证明 ,此新判据不受振荡周期大小和故障类型的影响 ,可无延时地即时区分出故障与振荡 ,其效果优于简单判据WTM。提出的方法具有算法简单 ,检测准确 ,抗干扰能力强 ,不会发生误判的优点 ,具有较