基于总变分的多特征阴影检测方法研究

针对实际生产过程中,影像上的阴影导致影像信息量缺损,影响影像匹配和拼接这一问题,提出基于总变分的多特征阴影检测方法,并通过实验验证了该方法的有效性.     

基于FPGA的多信息融合的运动阴影检测

在智能交通监控系统中,阴影检测是其中的重点和难点现有的方法有些是简单的以某种情况作为前提,而不能适合范围更广的情况;还有些则过于复杂,且难以计算。本文提出了一种基于FPGA的多信息相融合的运动阴影检测算法,充分发挥了FPGA的并行性,降低了传统计算机图像处理的延迟,通过多种检测信息弥补单一检测算法的不足,并提高检测精度。     

基于多域特征的螺栓松动检测方法研究

螺栓作为机械设备最常用的连接件,螺栓连接的稳定性对保障机械设备安全运行起着至关重要的作用,对螺栓松动程度进行检测有着重要意义.针对螺栓松动4种不同状态,提出了一种基于变分模态分解(VMD)及时频敏感特征与最小二乘支持向量机(LSSVM)相结合的螺栓松动检测方法.针对螺栓松动的4种不同状态,搭建了螺栓松动检测模拟实验平台...     

基于车底阴影的前方运动车辆检测

实时准确检测前方运动车辆的位置信息是车辆安全驾驶的前提,提出了一种在不依赖车道线检测情况下,基于车底阴影的前方运动车辆检测。阴影算法采用两次自适应阈值分割图像从而提取车底与路面的交线,生成目标假设区域,对建筑物或树的投影、光照强弱等干扰能初步有效的排除,提高检测效率;接着,利用熵值归一化的对称性测度来验证,排除虚假车辆。实验结果显示,该算法的正确识别率达到97.2%,平均处理速度为22.5帧/秒,对白天中多种环境能满足实时准确地要求。     

基于多特征融合的GIS局部放电状态检测方法

为了优化 GIS局部放电状态检测效果,提高检测率,引入多特征融合方法原理,开展了基于多特征融合的GIS局部放电状态检测方法研究.首先,需要采集 GIS设备的局部放电数据并对其进行预处理,为后续放电状态检测提供有力的数据支持.其次,提取 GIS局部放电特征,包括时域特征与频域特征.在此基础上,融合提取到的时域特征和频域特征,根据融合处理后的 GIS局部放电特征,检测 GIS局部放电状态.实验结果表明,提出的方法应用后,4 种不同类型的局部放电绝缘故障模型的放电状态检测率均达到了 98%以上,能够更好地捕捉到 GIS设备的局部放电特征,从而更准确地判断其放电状态.     

基于多特征综合配电网接地故障高灵敏性检测研究

配电网的接地故障检测有助于提高工作效率。目前的研究大多聚焦于故障的某一特征量。通过对小波分析、快速傅里叶变换等方法的灵活使用,提取的故障相电流的暂态直流分量大小可作为检测故障相数的依据,因此提出了一个综合性的故障检测识别方法。结果表明,综合性检测方法对多种接地故障类型可准确且高效检测并识别故障。     

基于光伏阵列建模的阴影多峰值电压估算

局部阴影条件下,由于旁路二极管和阻塞二极管的作用,光伏阵列的功率-电压输出特性存在多个局部峰值和一个最大功率点,增加了阵列建模和最大功率点跟踪的复杂性。为了提高光伏系统的工作效率,对阴影条件下阵列建模,分析多峰值的分布规律具有重要意义。该文建立了阴影条件下光伏阵列的通用模型,并据此提出了一种基于模型的阴影多峰值电压估算方法。在不同阴影条件下,将估算的峰值电压与实际峰值电压比对,证明了所提方法的可行性,且具有较高的精度。     

基于总有界变分的森林火灾烟雾图像检测方法

森林火灾烟雾浓度升高时,所对应的图像模糊程度升高,总有界变分会逐渐下降,基于变分的特征性质,可以将边界之间的差异有效表征出来.由此,提出一种基于总有界变分的森林火灾烟雾图像检测方法.以分块平稳分析的思想对目标函数求极值,得到总有界值,通过两次比较总有界变分值从分块结果图中提取疑似烟雾分块,利用特征数据的融合聚类处理获得...     

基于多特征融合的人脸识别方法

为了改善人脸识别方法只基于一种特征、识别方法单一造成的识别率低的问题。使用多种特征融合进行人脸识别,可以有效改善单一特征因光照、角度以及尺度变化对识别的影响,提高识别率。经过试验证实,将LBPH、SIFT以及通过卷积神经网络提取的VIPLFaceNet特征按照一定的权重进行组合时,可以有效的结合3种特征的识别特点,获得比单一特征更好的识别率。当VIPLFaceNet、SIFT和LBPH3种特征以4∶1∶5的权重进行融合时,可以获得95.35%的识别率,识别率明显提升。     

基于边缘检测和混合高斯模型的运动目标检测算法

提出一种运动目标检测算法。该算法在时间域上通过混合高斯模型进行背景建模及更新,同时利用基于HSV颜色空间的阴影模型实现阴影检测,提取运动目标的初步形状。然后在空间域上利用Canny边缘检测算子获得运动目标的边缘轮廓,并进一步运算,提取出最终的运动目标。将所提出的算法应用到了越界侦测（报警）中,试验和应用结果表明,该算法能够更有效地检测出运动目标。     

基于多特征自适应融合的目标跟踪算法

针对目标跟踪中部分遮挡及漂移问题,提出了一种基于多特征自适应融合和在线学习的目标跟踪算法。首先针对原始特征提取的相对简易性,提出了改进的特征提取方法,提高了特征的表达能力和判别能力,然后将多种特征自适应融合,最后进行在线学习。实验采用了具有挑战性的公共测试数据集PETS 2012,并用MOTP评测了跟踪性能。实验结果验证了提出算法的有效性,大大提高了复杂场景下的跟踪鲁棒性,有效地解决了部分遮挡和跟踪漂移问题。     

基于改进 KCF 算法和多特征融合的车辆跟踪研究

针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足,本文提出一种多特征融合的尺度自适应算法。该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。然后,采用上下文图像对目标背景信息进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。通过在OTB100数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法Staple、SAMF、KCF、TLD、DSST和CSK高出4.9%, 5.7%, 10.2%, 10.3%, 23.4%, 29.7%。     

基于虚拟线的视频交通检测新算法

文中介绍了一种基于虚拟线的视频交通检测算法,并着重论述了其中的背景更新、阈值确定和移动阴影去除部分.算法中的背景更新和阈值确定具有很强的自适应性,无需人工干预;阴影去除算法简单有效.实验证明,该系统的车辆存在检测的准确率达95%.     

D-S证据理论融合多特征的油菜病害识别方法

针对单一特征在识别油菜病害上存在的局限性,提出一种基于D-S证据理论融合多特征的油菜病害识别方法。首先对预处理后的油菜图片提取颜色矩、颜色共生矩阵两种特征,通过欧氏距离来构建D-S证据理论所必需的基本概率分配(BPA),最后运用D-S证据组合规则进行决策级融合,依据决策条件输出最终分类识别结果。针对存在最终识别结果被误识别为不确定问题,通过引入方差来对决策方法进行改进,避免了这一现象的产生。利用该方法在采集到的油菜样本上进行实验,取得了97.09%的识别率。实验表明,该方法能有效提高油菜病害识别率。     

基于非特征频率突变量阻抗的多机集群孤岛检测方法

微电网中多类型电源并存的多机集群复杂工况对传统阻抗式孤岛检测法的应用提出挑战。提出了基于非特征频率突变量阻抗的孤岛检测方法。该方法采用外部集中扰动的方式注入扰动信号,并利用快速傅里叶变换计算公共耦合点处非特征频率突变量阻抗,同时将断路器流经的工频电流与相邻多机集群的非特征频率突变量阻抗作为辅助判据,以实现可靠有效的孤岛检测。通过理论分析与仿真验证可知,本文所提的孤岛检测算法不存在检测盲区,能够可靠应对负荷投切等系统暂态扰动,适应于多类型电源并存的多机集群微电网工况。     

基于灰色预测的光伏组件阴影类型诊断研究

针对光伏组件阴影类型难以判别的情况,提出了基于灰色预测的光伏组件软硬性阴影区别方法.首先通过小波理论分析灰色预测应该达到的前提条件.然后对灰色预测GM(1,1)进行改进,提出了使用新陈代谢GM(1,1)对光伏组件功率进行预测.最后对预测值与实测值进行误差分析,根据得出模型精度差异来判别阴影性质.通过仿真和实验证明了软性阴影和硬性阴影在灰色模型预测精度等级有明显的差异,可以通过精度等级判断阴影类型.该方法能有效判定阴影性质,为积灰程度判定与光伏热斑检测提供了有力的依据.     

基于瞬时无功功率理论的新型谐波检测算法

为降低谐波提取环节的运算量,快速、准确地检测出三相系统的谐波电流,本文在传统的基于瞬时无功功率理论的id-iq法基础之上,提出了将谐波检测环节中锁相环的鉴相部分与Park变换相结合的新型谐波检测算法.所提方法不使用电压信息直接提取谐波,消除了传统方法中由于电压畸变、不对称和电压采集所带来的检测误差,且鉴相环节和Park变换相结合,节省了运算时间.与基于广义积分器和传统id、iq法的谐波检测算法相比,该方法可以更为快速准确地提取谐波.通过仿真和实验,验证了该谐波检测方法的正确性和优越性.     

基于现代光影观念的宗教建筑设计中光的应用

以现代佛寺和教堂设计为例,通过分析在现代宗教建筑设计中光的应用,表现光元素对宗教精神信仰的天然塑造力,阐述自然精神与宗教建筑及其精神信仰相依共融的内涵。这对彰显不同文化的地域特色,挖掘宗教建筑的神学精神,营造具有时代特点的现代宗教建筑具有十分重要的意义。