基于HIS模型的火焰图像分割算法研究

在火灾识别系统中,为了更加方便地进行色彩与轮廓的处理和识别,将HIS模型作为基本的颜色空间,HIS模型是从人的视觉系统出发,用色调、饱和度和亮度来描述色彩的,最后提出了基于HIS模型的火灾图像分割算法。     

基于闭包的聚类判别方法研究

区别于传统的聚类方法,提出了以类为起点,通过构造闭包进行聚类的新方法,并建立了聚类判别模型,此模型给出了对于闭包间的交叉区域的检验点的判别准则。然后针对二维的聚类问题,提出了以最小圆为闭包的聚类判别模型,并对乳房肿瘤病例进行数值实验。对于乳房肿瘤病例,首先进行了指标选取、数据预处理,然后以最小圆为闭包建立了模型,最后对69个待检测数据进行检验,结果误判率为4.35％。     

基于FFCM聚类的城市交通拥堵判别研究

对城市道路交通拥堵状态判别的问题,提出了一种硬C均值(HCM)聚类与模糊C均值(FCM)聚类相结合的快速模糊C均值聚类(FFCM)算法。用硬聚类的结果对模糊聚类初始值的选取进行指导,以加速算法的收敛过程。将该算法用于城市交通流数据的聚类分析结果表明,该算法能够快速而有效地对城市交通流状况进行判别,为动态交通拥堵预警和交通疏导策略的制定提供依据。     

基于模糊聚类的图像分割方法

本文分析了模糊聚类在图像分割领域的应用,介绍了模糊集和聚类分析的作用,最后引出了模糊C均值聚类图像分割算法。     

基于神经网络的锅炉内火焰燃烧稳定性研究

在锅炉燃烧效率优化问题的研究中,针对燃烧稳定性问题,提高燃烧检测准确度。利用锅炉中火焰燃烧图像的分析来检测锅炉内火焰燃烧稳定性,当燃烧受煤粉或其它杂质的影响火焰出现短时脉动时,传统的灰度方差的检测方法不能避免火焰脉动的影响,对锅炉内燃烧稳定性检测偏差大。为此提出了一种采用神经网络的火焰燃烧稳定性检测方法,选取与火焰稳定性直接相关的多个特征作为神经网络的输入向量,通过对样本的多次训练能够去除杂质燃烧引起的微小脉动的影响,克服了传统方法检测准确度不高的问题。实验证明,改进方法能够有效避免杂质对燃烧的影响,准确对锅炉内的燃烧稳定性作出检测,并取得了满意的结果。     

一种新的可见光遥感图像云判别算法

为了解决由于云层遮挡所引起的数据利用率低等问题,提出了一种新的基于支持向量机(SVM)与无监督聚类算法相结合的分类算法,实现可见光遥感图像快速高效地自动云判别。该算法首先使用ISODATA进行聚类,再利用聚类结果为SVM挑选训练集,从而大大减少SVM的训练时间,融合了SVM准确率高与ISODATA聚类速度快的优势。结果表明:该算法使得SVM的训练时间降低至单独使用SVM算法所需训练时间的2%,基本满足实时性需求,并保证分类正确率达90%以上。     

基于多维彩色向量空间的火焰图像模糊聚类分割算法

针对火灾探测过程中早期火焰的分割技术研究,提出了一种基于多维彩色向量空间的火焰图像模糊聚类分割算法,该算法以运动目标序列图像之间变化的区域作为聚类模板,提取该聚类模板的RGB多维彩色特征向量,然后将图像的像素与聚类模板通过模糊聚类的方式进行分割。这种分割算法计算简单,时间开销较小,可以较好地获取火焰图像的边缘形态特征,并且能够明显消除不同光线下分割误差,实现快速无监督自动分割。     

改进的判别割及其在图像分割中的应用

谱聚类算法能在任意形状的样本空间上聚类且收敛于全局最优解,但判别割(Dcut)算法在计算正则化相似度矩阵及其特征向量时比较耗时,而基于子空间的Dcut(SDcut)算法则不稳定,为此,提出基于主成分分析(PCA)的Dcut算法(PCA-Dcut)。PCA-Dcut算法采用PCA算法计算相似度矩阵的前m个大的特征值对应的特征向量构造一个新的矩阵,然后采用构造的矩阵与相似度矩阵和拉普拉斯矩阵分别进行矩阵运算;接着通过计算获得一个m阶正则化相似度矩阵,并计算该矩阵的k个最大特征向量;最后使用构造的矩阵与这k个特征向量相乘获得最终用于分类的特征向量。PCA-Dcut算法能降低Dcut算法的计算复杂度。通过对人工合成数据集、UCI数据集和真实图像的仿真实验表明,PCA-Dcut算法的聚类准确率与Dcut等谱聚类算法相当,同时在分割图像时的运算速度约为Dcut的5.4倍,并具有比SDcut更快的速度和更好的性能。     

基于蚁群算法的图像分割方法

蚁群算法是一种具有离散性?并行性?鲁棒性和模糊聚类能力的进化方法?根据数字图像的离散性特点,首先从模糊聚类角度出发,将蚁群算法引入图像分割中,综合考虑像素的灰度?梯度及邻域特性进行特征提取?然后,针对蚁群算法循环次数多,计算量大的问题,设置启发式引导函数和初始聚类中心进行改进?详细阐述特征提取?初始聚类中心设置和模糊聚类流程?实验证明改进蚁群算法可以快速准确地分割出目标,是一种有效的图像分割方法     

基于模糊最大散度差判别准则的聚类方法

基于最大散度差判别准则提出了一种模糊最大散度差准则,并根据模糊最大散度差准则提出一种聚类方法(fuzzy maximum scatter difference discriminant criterion based clustering algorithm,简称FMSDC).该方法通过迭代优化方法实现聚类的同时还可以实现特征降维.该方法首先在最大散度差判别准则中引入模糊概念;然后通过具体原则设定模糊最大散度差判别准则中的参数η,从而在一定程度上降低了由参数η引起的敏感性;最后分别根据模糊隶属度μ_ik、最优鉴别矢量ω进行聚类和特征降维.实验结果表明,FMSDC方法不但具有基本的聚类功能,而且具有较好的鲁棒性和较强的特征降维能力.     

基于模糊算法的锅炉经济燃烧研究及应用

本文对锅筒锅炉经济燃烧算法进行了研究,在传统控制算法和一般模糊控制算法的基础上,提出了一种新型的更加符合实际、运行效率高的模糊控制算法。它由多查询表代替了通常算法的单查询表,且对边界条件和影响锅炉经济燃烧的因素考虑周全,经在多个企业的实施,证明效果良好。     

基于燃烧模型的微弱火焰高度检测

火焰高度是描述火焰特性、确定火焰燃烧状态的重要参数,目前多使用目测方法进行检测.微弱火焰具有亮度低、信噪比低、火焰轮廓模糊的特点,人工目测困难,常规图像分析方法检测对阈值依赖性高.为解决上述问题,在利用常规图像处理方法提取的不完整火焰边缘后,建立火焰轮廓的多参数模型,进而计算火焰高度.实验结果表明:该算法抗干扰能力强,...     

基于自组织神经网络的炉膛火焰燃烧诊断系统

针对目前大型锅炉火焰检测手段的落后现状,提出了一种基于数字图像处理与自组织竞争神经网络进行燃烧诊断的方法,设计了一套火焰燃烧诊断系统.利用数字图像处理技术提取火焰特征量,应用神经网络的竞争学习对不同负荷下的全炉膛火焰图像进行识别分类,从而实现燃烧诊断和灭火预警的功能.     

Log-Gabor小波和分数阶多项式KPCA的火焰图像状态识别

目的 为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于Log-Gabor小波和分数阶多项式核主成分分析(KPCA)的火焰图像状态识别方法。方法 首先利用Log-Gabor滤波器组对火焰图像进行滤波,提取滤波后图像的均值和标准差,并构成纹理特征向量。然后使用分数阶KPCA方法对纹理特征向量进行降维,并将降维后的纹理特征向量输入支持向量机进行分类。结果 本文与基于Log-Gabor小波特征提取以及2种基于Gabor小波特征提取的方法相比,本文方法的分类识别正确率更高,分类精度为76%。同时,第1主分量方差比重与核函数参数d之间满足递增关系。本文方法能够准确地提取火焰图像纹理特征。结论 本文提出一种对锅炉燃烧火焰图像进行状态识别的方法,对提取的火焰图像纹理特征向量进行降维并进行分类,可以获得较高的分类精度。实验结果表明,本文方法分类精度较高,运行时间较短,具有良好的实时性。     

基于图像的火焰检测中无量纲动态特征研究

对火焰动态特征难以统一描述的问题,提出一种无量纲的检测方法。用“搜寻”的方法分割出火焰的可疑区域,分析火焰初期的特性,提取出三个无量纲特征因子并在贝叶斯分类器中训练,最后实现对火灾火焰的检测。其中“火焰动态常数”因子具有“稳定”的特性,其统计取值区间为［-0.003,0.003］,突破了传统研究的时空局限性,不受火焰发展阶段、空间探测尺度以及监控设备种类的影响。对于实验中的不同远近的200帧序列的火焰检测,无量纲特征识别同一般特征识别结果相比较,正确识别率均超过90%。实验结果表明,无量纲动态特征因子能更好地描述火焰的特征,提高火焰识别的效率,增强火检系统的鲁棒性和可靠性。     

面向电子稳像应用的模糊聚类运动估计算法研究

电子稳像(electronic image stabilization,EIS)技术主要解决视频抖动问题,是视频增强的重要技术。实现技术内容包括运动估计、运动滤波和运动补偿,而目前运动估计中分割出前景的运动是难点。提出了一种模糊聚类运动估计方法,能够分割出前景和背景运动分量,提取出全局最优运动矢量。通过理论推导和实测数据分析,结果表明,所提算法能够有效分割前景运动,保证所检测的特征点来自背景,减少了前景运动对于稳像算法的干扰,稳像效果更佳。与流行的RANSAC(random sample consensus)相比,此算法提取的特征点分布在背景上的概率由原来的最低百分比21%提高到最低百分比93%,六段测试视频的ITF(interframe transformation fidelity)分别提高了15.42%、17.41%、13.15%、12.09%、12.42%、8.67%,运动路径也得到了明显优化。稳像后,视频质量明显提高。     

基于模糊规则的印刷图像专色分色研究

现有印刷图像专色分色技术已经不能满足印前处理效率和印刷质量要求,针对这一现状,提出了一种模糊C-均值聚类算法(FCM)。该算法基于像素分类,它首先对图像的灰度级进行模糊聚类,得到图像的聚类中心,然后根据每个像素点的灰度级,依照最大隶属度原则将各个像素点归于相应的类别中。实验证明,采用FCM 对印刷图像进行分割具有直观、易于实现的特点,实现了较好的分割效果。     

基于模糊聚类分析的采空区自燃“三带”性质研究

针对采空区内不同区域的煤自燃倾向性存在差异性的问题,采用基于模糊聚类分析的采空区自燃"三带"划分方法对不同测点数据进行了分类,分析了不同λ截距阵下各分类的差异性。分析结果表明:不同的λ值可以将数据划分为不同的类别;在一定范围内,随着λ值的增大,原有的类别可以被划分为更小的子类;当λ值增大时,采空区内距工作面较近区域的测点数据更容易被划分为更小的子类,而距工作面较远区域的测点数据分类较为稳定,则可判定距煤壁较远的采空区区域环境性质较为稳定,而距煤壁较近的采空区区域环境性质差异较大;运用F-统计量计算最优的λ,相应分类与采空区"三带"划分相吻合。     

基于红外火焰传感器和最小二乘法的灭火机器人

设计是基于红外火焰传感器和最小二乘法的灭火机器人,可以比较准确地定位着火点并进行灭火.系统硬件以STC12C5A为核心,在传统避障机器人的基础上加上了红外火焰传感器模块和灭火模块.在软件上采用最小二乘法进行曲线拟合,得到AD值和距离的转换模型,再通过比较各方向的传感器的数据,确定火焰的位置.最后将机械臂移动到着火点,控制喷水泵进行灭火.实验表明:系统能稳定运行,具有很好的通用性和推广前景.     

基于径向基神经网络改进算法优化锅炉燃烧效率

为了提高径向基神经网络训练精度,提出一种混合优化算法。该算法利用粒子群优化算法全局搜索能力强的特点,避免了K均值算法受初始点选择的不利影响,提高了网络中心的搜索速度;同时采用动态权值算法避免径向基神经网络可能出现的病态问题,进一步提高网络的逼近能力。锅炉燃烧实例表明了改进算法的有效性和实用性。