基于X射线焊缝图像缺陷特征提取的研究

本文针对X射线焊缝图像的复杂性,提出了准确快速的提取焊缝区域和缺陷的方法。由于检测到的X射线图像具有对比度不高、光照不均、缺陷边缘模糊、图像噪声多、存在较大的背景起伏等缺点,首先对含有缺陷的焊缝图像进行一系列的图像预处理;然后采用自适应阈值分割算法来提取焊缝缺陷区域,为缺陷特征测量做准备工作;最后,在图像本身所包含的几何特征、灰度特征、结构信息、颜色信息等特征中,对缺陷图像进行几何特征的测量,以便对缺陷类型进行分类。结果表明,该方法能较准确地提取射线图像的焊接缺陷,并能较准确的获取该缺陷的几何和代数特征,具有良好的适应性和实用性。     

基于全卷积神经网络的焊缝特征提取

基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。     

基于红外目标特征提取的图像融合方法

为有效突出红外目标,同时尽可能多地保留可见光图像中的纹理细节信息,使得最终的融合图像更符合人类视觉感知效果,本文提出一种新的基于红外目标特征提取的红外与可见光图像融合方法。首先,利用高斯滤波器将源图像分解为粗略尺度信息和边缘纹理细节信息;对红外图像的边缘纹理细节信息进行去“光晕”分解,在此基础上进一步利用OTSU多阈值分割算法将红外图像分割为目标区域、过渡区域和背景区域;最后,依据分割结果确定各分解子信息的融合权重,以有效地将红外目标信息注入到可见光图像中,同时尽可能多地保留可见光图像中重要的场景细节信息。实验结果表明,本文方法无论从主观视觉还是客观评价指标上,都要优于目前常用的有代表性的图像融合方法。      

增量式块主成分分析的焊缝图像特征提取算法北大核心CSCD

针对焊缝图像特征提取的实时性问题,该文提出一种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先将焊缝表面图像分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式特征提取,并采用KNN算法对提取的特征主成分进行分类识别;最后在焊缝数据集上进行了算法的性能对比。实验结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成分分析(principal component analysis,PCA)算法,其分类识别率为97.5%,其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处理需求。     

MS-UNet++:基于改进UNet++的视网膜血管分割

本文针对视网膜图像中细微血管特征提取困难导致其分割难度高等问题,提出了一种 基于端到端的神经网络嵌套视网膜血管分割模型算法(简称MS-UNet++),该算法选取了深度监督网络UNet++作为分割网络模型,提升特征的使用效率;引入MulitRes模块,改善低对比度环境下细小血管的特征学习效果,并在特征提取后加上SENet模块进行挤压和激励操作,从而增强特征提取阶段的感受野,提高目标相关特征通道的权重。基于DRIVE图像数据集的实验结果表明,该算法分割结果与真实结果之间的重叠率DICE值为83.64%,并交比IOU为94.83%,准确度ACC为96.79%,灵敏度SE为81.78%,较现有模型有一定的提升,可用于视网膜图像血管分割,为临床诊断提供辅助信息。     

X射线焊缝图像缺陷的特征提取及动态检测

本文针对X射线焊缝图像的复杂性,提出了一种能够准确提取缺陷特征的方法。首先对焊缝图像进行了简单的预处理,然后对图像进行减影技术的处理,降低了原始图像的干扰成分,仅提取图像中的缺陷部分,最后设计了一种特征测量的实时显示系统,使缺陷特征能够实时显示出来。另外,还设计了扫描功能,显示某行或列的灰度值,实现了对某些图像缺陷的动态检测。结果表明,该方法能够很好的完成缺陷特征的提取及动态监测,实用性很强。     

基于深度残差UNet网络的电气设备红外图像分割方法

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与UNet网络相结合,深度残差网络替代VGG16对UNet网络进行特征提取和编码,构建深度残差系列Res-Unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试Res-Unet网络分割效果,并与传统的UNet网络和Deeplabv3+网络进行对比。通过对数量为876的样本进行测试,实验结果表明,Res18-UNet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93%,平均交并比大于89%,且分割准确性优于UNet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础。     

基于机器视觉的激光焊接熔池图像处理与特征提取

基于机器视觉,对激光焊接熔池图像处理与特征提取进行了研究.结果表明,分析光纤激光深熔焊接熔池监测结果,包括熔透状态、焊接宽度焊缝偏差跟踪监测及线监测.在不同焊接速度及焊接功率条件下,搭建焊接监测系统可实现光纤激光深熔焊接熔池的实时监测,其精度可达到激光焊接的要求.熔池和热影响区在深熔焊接过程中,焊接速度变化对其焊接过程...     

基于CNN的水质特征提取模型

针对液体中物质浓度预测模型,构建一种基于卷积神经网络的水质特征提取模型。首先,定义含有卷积层、采样层、全连接层的七层网络结构,选取适当的最优化方法和损失函数,对模型进行训练调整参数。接着分析了不同损失函数对模型训练和模型验证的影响。实验验证了在水质检测领域运用卷积神经网络回归的可行性。     

改进的DWT-MFCC特征提取算法

基于离散小波变换的美尔倒谱系数(DWT-MFCC)~([1])将小波变换引入到MFCC参数的提取中,用DWT代替FFT将语音信号分解为多个频带的小波系数,并将小波系数的频率响应直接拼接为完整频谱后再通过Mel滤波器获得。改进的DWT-MFCC特征提取算法从滤波的角度分析小波分解过程及各子带频谱的变化,提出了新的有效频谱拼接方式。实验结果表明,改进的特征提取算法提高了说话人的识别率;同时,在该算法下随着小波滤波器db N长度的增加,滤波器截止特性变好,识别率也随着增加。     

基于子图像特征的目标提取方法

针对特定目标提出一种新的基于子图像块的目标提取方法。先对图像分块,再对分块后的特征图重新构建特征量并进行阚值分割,从而实现粗检,辅以知识确定目标的大概区域,最后借助边缘特性提取出精确目标。试验结果表明,该方法计算量较小、便于硬件实现,对于复杂自然背景中对比度低及不均匀光照条件下的一定形状尺寸的目标提取获得满意效果。     

基于序列特征提取的个性化推荐

基于序列的推荐是推荐系统研究的热点,序列中包含许多重要信息,如物品的点击规律和用户的兴趣,有效利用序列信息是提高推荐准确率的关键.为了有效提取序列信息,提出了ACRec推荐系统模型,利用多头自注意力机制和卷积神经网络从动态和静态两个方面提取序列信息,并利用矩阵分解增强模型中用户与序列的语义关系.在MovieLen-1M和Video_Games两大公开数据集上实验证明,相比于其他基线模型,ACRec提高了推荐的准确率,Hit@10分别提高了1.03％和18.4％,NDCG@10分别提高了2.6％和20.9％.     

基于序列特征提取的个性化推荐

基于序列的推荐是推荐系统研究的热点,序列中包含许多重要信息,如物品的点击规律和用户的兴趣,有效利用序列信息是提高推荐准确率的关键.为了有效提取序列信息,提出了ACRec推荐系统模型,利用多头自注意力机制和卷积神经网络从动态和静态两个方面提取序列信息,并利用矩阵分解增强模型中用户与序列的语义关系.在MovieLen-1M和Video_Games两大公开数据集上实验证明,相比于其他基线模型,ACRec提高了推荐的准确率,Hit@10分别提高了1.03％和18.4％,NDCG@10分别提高了2.6％和20.9％.     

基于能量的时频特征提取研究

有效地从含有噪声的非平稳信号中提取特征是进行非平稳信号分类等研究的基础。应用流域算法,对含有高斯白噪声的非平稳信号的时频分布图进行分割,并根据能量占优的准则对其合并,提出了一种基于能量的特征提取方法。仿真结果表明该方法能有效地提取特征量,且对高斯白噪声具有很好的抗噪性能。     

基于DPGrid.SLM的网络化测图

网络化测图技术的实现是信息化测绘体系的特点之一.介绍了网络化测图的概念,以应用新一代航空航天数字摄影测量处理平台DPGrid.SLM进行高分辨率卫星影像网络测图为例,描述了工作流程,并分析了其优势.     

基于核方法的探地雷达目标特征提取方法

把核方法引入探地雷达目标特征提取中,先对雷达特征数据进行基于核的非线性变换投影到高维空间;然后在高维空间应用传统的探地雷达目标特征提取方法（LDA方法和PCA方法）提取雷达数据特征。对PCA、LDA、基于核方法的PCA和基于核方法的LDA四种探地雷达目标特征提取方法进行对比研究,对实测数据处理的结果表明：无监督的学习方法不适合探地雷达目标特征提取,所提基于核方法的LDA探地雷达目标特征提取方法效果最好。并详细阐述了基于核方法的LDA探地雷达目标特征提取方法。     

基于强化特征提取的视网膜血管分割

视网膜血管的分割精确率对眼科疾病和糖尿病早期诊断有着重要影响。面对现有方法在微血管与病变区域分割性能差的问题,本文提出一种强化提取血管特征的分割模型。该模型在编码部位引入多尺度特征提取残差模块(multi-scale feature extraction residual module,MFE-residual) 和多级残差空洞卷积层,用来扩展感受野,学习多层次图像特征,提高模型对血管信息的利用率;下采样和短连接部位分别融入轻量化注意力机制和多通道注意力模块,增加模型对血管的识别度,降低误分割的可能性。本文基于DRIVE和STARE两种公开数据集进行了实验,来验证改 进模型的分割能力。结果表明,两种数据上的准确率分别为0.965 2和0.971 5,灵敏度分别为0.820 5和0.825 6,与其他算法相比,分割性能更有优势。