基于群体智能算法的排球高鲁棒性目标识别研究（英文）

基于小波变换和人工神经网络的目标识别是图像处理的一个重要研究方向。但是,此类方法采用的梯度下降规则容易产生局部极小值。为了解决该问题,提出了一种基于群体智能算法的高鲁棒性目标识别算法,可有效应用于各种图像识别任务,如排球目标识别等。首先对图像进行预处理并变换成HSV空间进行背景分割,并通过小波不变矩对图像进行特征提取。然后采用新兴的群智能算法-狼群算法,对基于小波神经网络的目标图像识别进行优化,以便提升全局收敛性和鲁棒性。仿真实验结果显示:相比原有的方法,提出优化方法具有更高的识别精度和稳定性。     

基于深度学习的大规模图像高效识别算法研究

面对规模较大的图像识别任务时,基于卷积神经网络的深度学习方法存在训练时间过长的问题,导致识别效率不高。因此,提出一种基于局部特征深度信念网络的大规模图像高效识别算法。首先,该方法从原始图像中提取多个局部特征,并根据分配给图像的标签将每个局部特征分类。然后利用分类后的图像局部特征训练深度信念网络,获得网络的相关参数。最后利用深度信念网络进行图像识别。在CAS PEAL R1 大规模图像数据集上进行了图像识别实验,结果显示:提出的算法优于其他深度学习方法,具有较好的准确性和高效性。     

基于深度学习的大规模图像高效识别算法研究（英文）

面对规模较大的图像识别任务时,基于卷积神经网络的深度学习方法存在训练时间过长的问题,导致识别效率不高。因此,提出一种基于局部特征深度信念网络的大规模图像高效识别算法。首先,该方法从原始图像中提取多个局部特征,并根据分配给图像的标签将每个局部特征分类。然后利用分类后的图像局部特征训练深度信念网络,获得网络的相关参数。最后利用深度信念网络进行图像识别。在CAS-PEAL-R1大规模图像数据集上进行了图像识别实验,结果显示:提出的算法优于其他深度学习方法,具有较好的准确性和高效性。     

基于Bandelet变换的金属断口图像识别方法

基于Bandelet变换能自适应跟踪图像几何方向的特点,将Bandelet变换引入到金属断口图像特征提取中,提出了一种基于Bandelet变换的金属断口形貌非线性识别方法。在提出的方法中,利用Bandelet变换提取金属断口图像的Bandelet熵作为特征向量,神经网络作为非线性分类器,对几种典型的金属断口图像进行了识别验证。同时,将该方法与基于传统的小波变换的金属断口图像识别方法进行了对比。结果表明,由于Bandelet变换克服了小波变换在处理金属断口图像时孤立对待边界各点的缺点,得到了比传统的小波变换方法更好的识别效果。     

模板匹配优化耦合图像校正的旋转工件目标定位算法

为了解决当前工件定位算法难以有效识别带有旋转角度的目标,且计算复杂度大等不足,文章设计了基于Canny检测与SIFT特征的旋转工件目标识别算法。首先,对采集工件图像的RGB三通道完成权重分配,获取灰度化图像;并利用Canny边缘检测和霍夫直线检测处理灰度图像,计算出工件旋转角度;并基于几何变换,定义图像校正模型,消除工件旋转角度,对其完成复位处理,并采用模板匹配在图像中定位工件。最后分别提取模板工件与待识别工件的SIFT特征,计算欧式距离,以度量相似性,完成工件目标识别。实验数据显示:与当前识别算法相比,在面对带有旋转角度工件时,文中工件目标识别算法具备更高的准确性和鲁棒性。     

基于改进SIFT的无人机双目目标识别与定位北大核心

对无人机自主着陆系统中双目视觉采集到的地标图像进行了研究,在分析地标图像中存在模糊噪声以及大量背景干扰问题,提出一种基于改进SIFT算法的无人机双目视觉目标识别与定位方法。首先,采用基于OTSU与HSV的ROI算法对无人机双目图像进行目标识别与分割预处理操作,将目标准确识别;其次,针对双目视觉获取三维信息效率慢的问题,采用基于改进的SIFT算法对已识别的地标进行特征提取,生成二进制描述符,并采用局部敏感哈希算法对特征点进行稀疏匹配,提高目标特征匹配准确度及效率;最后,采用相似三角形原理计算每个特征匹配点的三维距离,获得无人机与目标之间的平均三维距离。实验结果表明所设计的算法相较于传统的SIFT算法更具有可行性和有效性。     

基于改进YOLOv3的蝶阀柔性装配图像识别方法及应用研究

蝶阀的柔性装配还处于人工识别阶段,生产效率低.提出一种基于YOLOv3的蝶阀柔性装配图像识别方法.为了降低YOLOv3算法检测多个目标体边界框重合率,提出一种YOLOv3改进算法;利用该算法进行蝶阀部件模型训练;利用已训练好的模型,对工业相机采集的蝶阀装配体图像进行检测.经实验验证,针对蝶阀装配体的识别准确率可达90....     

基于Haar小波和形状模板的图像快速匹配算法

针对传统的模板匹配方法在低对比度的图像中匹配不到目标物体和匹配计算量大等问题,提出一种基于离散Haar小波变换和形状模板的图像快速匹配算法。首先,使用Haar小波对图像进行分解操作,将分解的低频信号重构得到压缩图像,以减少匹配计算量;其次,使用形状模板对压缩图像进行匹配,设计出Haar小波图像压缩和形状模板匹配相结合的算法及程序。最后,经大量实验结果证实:所提出的算法不仅匹配速度快,精度高,而且匹配结果不受遮蔽、混乱和非线性光照变化等情况的影响,适宜于在复杂环境中进行图像提取、工件识别等。     

基于OpenCV的焊缝图像识别算法研究

针对自动焊机器人的视觉引导问题,提出了一种基于OpenCV计算机视觉库的焊缝识别算法。焊缝边缘是焊接图像识别中的重要特征,文中使用分水岭算法进行前景检测与图像分割,Canny算法进行边缘提取,Hough直线检测算法提取焊缝边缘特征,实现对焊缝的图像识别,并加入自动阈值提高算法适用性。识别程序通过Python语言实现,结果表明,该算法计算效率高、适用性强,可以满足机器视觉引导系统中的要求。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现.     

基于单目视觉的工业机器人拆垛系统设计与实验

基于单目视觉提出了工业机器人拆垛系统构想。为实现工业机器人视觉拆垛系统中机器人精确运动控制与工件位姿识别,运用D-H位移矩阵法建立了机器人运动学模型,得到机器人末端相对机器人坐标系的位姿信息。基于形状模板匹配法提出目标图像识别算法,得到各个目标图像在相机坐标系下的位姿信息;将三维视觉模型与机器人运动学模型进行信息融合,建立机器人视觉拆垛控制系统数学模型。基于CCD工业相机、4-DOF工业机器人搭建视觉定位抓取实验系统。通过对空间目标进行抓取的实验,验证基于单目视觉的工业机器人拆垛系统的正确性、精确性、鲁棒性。     

基于改进C-V方法的焊接图像识别

基于简化的Mumford-Shah水平集图像分割模型,Chan-Vese提出了不依赖于图像边缘的水平集图像分割算法(C-V方法).文中对该算法进行了深入研究,指出了原方法存在的缺陷,即处理的图像必须具有比较明显的特征,分割目标过多且较为分散时则很难得到理想的结果,每次迭代过程都需要对所有的图像数据进行计算,比较费时.根据焊接图像本身的特点给出了三点改进,即强化特征模型的修正、多尺度快速算法和全局特性抑制.应用改进的算法,进行了模拟对比试验和真实熔池图像识别的试验.结果表明,该方法能识别出焊接图像连续轮廓,提取有用信息,具有良好的适应性.同时为复杂图像的特征物体目标提取提供了可行的思路.     

配电网线路技术降损与配变组合优化研究

文章首先分析了降损的基本原理与模型、评估指标与方法。阐述了传统优化算法和启发式算法的应用,提出了基于智能算法的配变组合优化模型与算法及协同优化框架与方法,权衡了降损与优化目标的策略,并探讨了系统运行与管理策略。最后进行了降损和优化算法的对比实验,并对结果进行了分析和讨论,为配电网的可持续发展和智能化管理提供了新的解决思路和方法。     

基于递归小波与ART2网络的刀具状态智能监测

为实现刀具的实时状态监测,以超高斯函数为基础,构造出一类用递推公式进行小波变换的小波基,提出该系列小波基的优化方法,对其时频特性进行了分析.对刀具AE信号进行递归小波分解,提取特征并应用ART2网络识别刀具状态.结果表明,基于递归小波与ART2网络的刀具状态监测具有鲁棒性强、实时性好的特点.     

改进小波降噪算法在轴承缺陷图像的应用

针对传统Bayes阈值不能随小波分解尺度变换以及提高传统算法图像降噪效果的问题,文章提出一种改进的基于小波维纳滤波与Bayes自适应阈值估计图像降噪算法,该算法在多层小波变换的基础上,对小波分解后的第一层细节系数进行维纳滤波处理,对其他层细节系数进行改进Bayes软阈值估计算法处理,最后对处理后的小波系数进行重构,得到降噪图像。实验结果表明,该方法在图像峰值信噪比(PSNR)定量指标上优于传统的小波Bayes软阈值估计图像降噪方法,并将该方法成功的应用于轴承缺陷图像的降噪预处理以及轴承缺陷图像边缘检测中,达到了图像降噪的优化效果。     

基于小波去噪和广义回归神经网络的图像重构算法

针对传统基于小波变化的图像超分辨率重构问题,提出了一种结合小波去噪和广义回归神经网络的图像重构算法。首先通过整数小波变换将图像的低频和高频部分进行分解。然后利用中值边缘检测作为预测器并在编码之前设置了误差映射。最后对传统广义回归神经网络的原理进行了分析,并设计了相应的广义回归神经网络。此外,利用期望值最大算法对广义回归神经网络模型参数估计进行了优化。通过超分辨率图像重建仿真实验对提出算法的有效性进行了验证。实验结果表明：提出算法具有较好的去噪能力和较高的重构精度。     

基于神经网络和形态学的钢表面缺陷识别

钢表面图像的信噪比很低,探测目标很小,形状也不规则,因此钢材表面缺陷难于识别.引进基于神经网络和形态学的图像识别方法检测钢表面的各种缺陷,简述图像的预处理和BP神经网络建立的基本过程.通过对比BP神经和RGB阈值方法对钢表面图像的分割结果,表明BP神经网络方法优于RGB阈值方法.利用形态学处理方法过滤噪声,使结果更清晰.此方法能检测出不同类型的缺陷,且具有很强的鲁棒性.     

图像边缘提取在工件内部缺陷识别中的应用研究（英文）

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测。为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法。首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像。仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性。研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义。     

图像边缘提取在工件内部缺陷识别中的应用研究

工件内部缺陷是难于检验的,借助图像识别技术可以精确地确定工件内部是否存在缺陷以及界定工件内部缺陷的区域范围等,因此,断层扫描图像分割技术已广泛应用于工件内部的缺陷识别检测.为了克服采用传统分水岭算法分割图象导致的过分割现象,提出了一种图像边缘提取的智能融合算法.首先借助基于模糊形态学的开闭算法对图像做了平滑处理,其次,基于数学形态学计算了梯度算子,最后对梯度图像进行分割获得了期望的图像.仿真对比实验研究验证了该算法可较好地消除过分割现象,在工件内部缺陷图像识别中有更好的实时性与可用性.研究结果表明:提出的智能融合算法对提高图像处理质量有重要参考意义.     

基于小波去噪和广义回归神经网络的图像重构算法（英文）

针对传统基于小波变化的图像超分辨率重构问题,提出了一种结合小波去噪和广义回归神经网络的图像重构算法。首先通过整数小波变换将图像的低频和高频部分进行分解。然后利用中值边缘检测作为预测器并在编码之前设置了误差映射。最后对传统广义回归神经网络的原理进行了分析,并设计了相应的广义回归神经网络。此外,利用期望值最大算法对广义回归神经网络模型参数估计进行了优化。通过超分辨率图像重建仿真实验对提出算法的有效性进行了验证。实验结果表明:提出算法具有较好的去噪能力和较高的重构精度。