一种改进的GAC模型图像分割算法

在测地线活动轮廓模型(GAC模型)的基础上,引入多尺度扩散张量方法对停止速度场进行张量扩散,然后运用GAC模型对图像进行分割。实验表明,这种方法针对其演化时间长和容易出现边界泄露的问题进行了改进,使其分割效果更为显著。     

基于人体行为识别的VR环境下动作分割算法北大核心CSCD

在虚拟现实环节中的培训类、操作类的系统中,对于动作的标准性、规范性评价已经成为一个日益突出的问题。将培训师进行培训过程的标准动作分割是非常重要和关键的一环,分割的精确与否直接影响后续的培训评价。文中提出了一种基于多维状态云模型预测的方法,首先采用卷积神经网络对操作动作的多传感器数据集进行模型训练预测得到下一时刻的动作多个结果形成多结果数据集;然后对预测的多结果数据集设计多维云模型;最后通过实际动作在云模型中的分布得到对应概率进行动作分割点判定。结果表明基于卷积神经网络的多维云模型的动作分割方法能够比较好地选取分割点,提高动作的划分精度,能够用于虚拟现实环境中的连续动作分割。     

结合分水岭和区域合并的彩色图像分割

图像分割是图像处理到图像分析的关键步骤之一。研究提出了一种基于区域块的聚类分割新算法。高斯混合模型(GMM)聚类算法已广泛应用于图像分割领域,但在真实彩色图像分割中,由于忽略了像素间的空间相关性,使之对高斯噪声非常敏感。首先对彩色图像求其彩色梯度,然后对彩色图像梯度图进行分水岭分割,分水岭分割会产生过分割区域,但基本得到同质区域,提取区域的区域块特征并把其作为高斯混合模型聚类的输入样本值,完成聚类并实现最终分割。新算法把简单的基于像素的聚类提升到基于区域块特征聚类,很好的抑制了噪声对分割结果的影响。通过在合成图像上及大量真实自然彩色图像上进行实验,结果证明本算法能够有效提高分割结果的准确性。     

基于轻量级MobileNet-SSD和MobileNetV2-DeeplabV3+的绝缘子故障识别方法

当前的深度学习算法多存在模型参数量大、对硬件要求较高等方面的问题,难以嵌入到无人机等移动设备。为了使无人机搭载轻量级模型对架空输电线路中的绝缘子进行故障识别,提出了一种轻量级MobileNet-SSD目标检测网络与轻量级MobileNetV2-DeeplabV3+图像分割网络相结合的绝缘子自爆故障识别、分割方法。该方法首先利用MobileNet-SSD对绝缘子进行精确分类及定位,再结合MobileNetV2-DeeplabV3+语义分割算法对绝缘子自爆图片进行分割。实例表明:该方法能够快速地识别出绝缘子,并可以对各种复杂背景下的自爆绝缘子进行准确分割,同时具备模型参数量小、效率高、鲁棒性强等特征,可在一定程度上满足无人机的嵌入式应用要求,提高基于无人机对架空输电线路的巡检精度和实时性。     

颗粒活性炭对汞的吸附实验研究

煤中含有少量汞元素，在锅炉燃烧过程中会排放到大气给环境和人类健康带来危害。对汞的排放控制进行了实验研究，通过采用氮化锌溶液对GAC(活性炭)颗粒进行浸泡，研究它在低温下对气态汞的吸附特性。结果表明，GAC对汞的吸附取决于浸泡浓度、反应时间、实验温度、GAC特性等因素的影响。     

DBU-GAC型CO2吸附剂性能研究

为了实现烟气CO2的低成本、高效捕集,研究负载1,8-二氮杂二环[5,4,0]十一碳-7-烯（1,8-diazabicyclo[5,4,0]undec-7-ene,DBU）的颗粒活性炭（granular activated carbon,GAC）吸附剂对CO2捕集性能。DBU负载率越高,吸附剂比表面积、总孔容积和微孔容积越小,平均孔径与负载率呈明显的负相关性;Langrnuir模型是拟合DBU在GAC上吸附行为拟合优度最佳的模型,DBU在GAC上单分子层吸附要多于多分子层吸附;DBU-GAC吸附剂在低于140℃时具有良好的热稳定性,DBU能抑制吸附剂水分蒸发,有利于DBU与CO2耗水反应;DBU溶液对CO2具有很高的捕集效率,是常用-乙醇胺-甲基二乙醇胺（monoethanolamine-methyl—diethanolamine,MEA-MDEA）复合胺溶液的2．6～3。3倍;GAC负载适量DBU对模拟烟气CO2具有良好的捕集效率,消除膜封效应能提高DBU-GAC吸附剂对CO2的吸附容量。     

适用于模块化多电平换流器实时仿真的建模方法

为了实现模块化多电平换流器(MMC)系统的实时仿真,采用理想变压器模型法对MMC进行了模型分割。针对模型分割联解信号延时导致的波形失真问题,提出了采用插值预测和超前预测分别对串行和并行实时仿真延时进行补偿的方法。此外,为了进一步提高模型分割后子模块群组的计算速度,提出了MMC子模块网络的开关函数等效模型和电磁暂态数值模型,并推导了数值模型中子模块输出电压和电容电压的差分方程。然后,以21电平MMC逆变电路为例,将上述MMC建模方法与原整体模型进行了仿真对比分析。结果表明,所提插值预测的方法有效改善了MMC分割模型的稳定性,且具有极高的仿真精度。所提开关函数模型和电磁暂态数值模型均具有很好的加速效果,其中,电磁暂态数值模型与详细模型的仿真结果高度吻合。所提出的建模方法适用于MMC实时仿真测试平台的构建。     

基于双路特征的宫颈细胞核分割

宫颈细胞核的分割问题研究对宫颈癌筛查诊断具有重要意义，但受边缘模糊及存在干扰物影响给分割任务带来了巨大挑战。针对此问题提出一种基于DeepLabV3+网络的细胞核分割方法，首先充分利用主干网络的输出进行多尺度特征融合，并引入注意力机制，构建了细胞团分割模型，以减少背景中干扰物对细胞核分割的影响；基于此设计了融合Transformer与ResNet50的双路特征提取模块，兼顾模型对全局信息的获取及低层上下文特征的敏感度，提高了模型对细胞核与干扰信息的辨别能力。实验结果表明，算法在宫颈细胞核的分割任务中取得了良好的分割效果，均交并比为0.832 9,较DeepLabV3+模型提高了2.33%,且与其他方法相比获得了更优的性能指标。     

基于深度学习网络的轴承工件自动检测

针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割精度与更具鲁棒性的检测效果,验证了所提方法的有效性.     

基于深度学习网络的轴承工件自动检测

针对实际生产中轴承滚子原始故障数据量少,数据集不平衡的问题,提出一种数据增强策略对原始的数据集进行扩充,并结合U-Net框架和轻量级深度学习模型构建了一个端到端的轴承滚子语义分割模型方法.通过结合U-Net框架和轻量级深度学习模型MobileNetV1、DenseNet121构建了端到端的轴承滚子语义分割模型LS-MobileNetV1、LS-DenseNet121,将所提模型基于迁移学习策略进行了训练,与其他模型进行对比实验分析.结果表明,与现有方法相比,本文方法在具有更少参数量的情况下实现了更高的分割精度与更具鲁棒性的检测效果,验证了所提方法的有效性.     

填装材料CT图像中脱粘缺陷识别与深度测量

脱粘缺陷是影响填装材料物理安全性能的重要指标,计算机层析成像(CT)是进行脱粘缺陷检测的有效方法。但填装材料脱粘缺陷紧贴外轮廓、面积小,对比度低,分割时易受其他信息干扰,传统活动轮廓模型难以适用。本研究提出了一种基于SoftMax和正则项的Chan-Vese (SRCV)模型用于填装材料脱粘缺陷分割,系统比较了SRCV模型与多种活动轮廓模型对脱粘缺陷分割效果的差异,利用不同图片分割效果揭示了SRCV模型的抗干扰能力和兼顾全局与局部信息的能力,利用分割曲线的欧氏距离实现脱粘深度测量。研究结果表明,SRCV模型对填装材料脱粘缺陷分割更贴近脱粘边缘,分割曲线更光滑,准确度达99.56%,Dice系数为99.82%,脱粘深度误差不超过6%,特别适用于有大量干扰信息的微小脱粘缺陷的分割,较其他活动轮廓模型具有明显的优势。     

基于塔式扩散模型的火电厂污染物监测方法研究

环境污染问题日益严重,雾霾天气不断威胁人类的健康,需要对污染物排放进行实时监测。为了更加准确地预测火电厂烟气污染物的排放,实时在电子地图上显示污染物浓度,提出了一种基于塔式扩散模型的火电厂污染物排放监测显示方法。对传统的污染物扩散模型进行优化处理,在此基础上提出了一种新型的塔式扩散模型来计算污染物浓度,利用不同高度扩散系数不同分层计算不同的污染物浓度。经大量实验证明,塔式扩散模型提高了烟气污染物排放监测的安全性、准确性和高效性。     

基于Mask R-CNN的复合绝缘子过热缺陷检测

针对当前基于复合绝缘子红外图的过热缺陷检测技术中存在的工作量大、智能化程度低,以及传统的图像分割方法在复杂背景下分割不精确且泛化性能差的问题,提出了一种基于实例分割网络MaskR-CNN的复合绝缘子过热缺陷检测方法.首先,该方法为提高分割精度,借鉴CascadeR-CNN的思路对MaskR-CNN网络进行改进,并在模型...     

考虑联络线功率波动的分割多目标输电风险分析

区域联络线上产生的不规则的随机功率波动给电力系统的安全运行带来风险。从考虑联络线随机功率波动对联络线传输容量裕度影响的角度出发,研究分析联络线输电功率越限风险严重度的评价模型和指标。同时针对常规无条件风险分析方法的不足,采用分割多目标风险分析方法,进行功率波动对联络线输电风险影响的研究,建立基于分割多目标风险分析方法的联络线输电功率越限风险评估框架,并通过仿真验证了其有效性。     

基于改进C-V模型的外绝缘放电紫外图像特征量提取

为实现紫外(UV)成像技术检测绝缘子缺陷时产生的紫外图像中放电区域的自动准确分割,提出了一种基于改进Chan-Vese(C-V)模型的放电光斑提取方法。通过引入符号距离保持项、用水平集函数梯度的模替代Dirac函数以及简化模型参数来对现有C-V模型进行了改进,然后将其用于获取绝缘子表面放电紫外图像的放电光斑,并给出了基于常规边缘检测算子法、数学形态学的紫外图像分割结果。结果表明:改进后的C-V模型能更为快速准确地分割出紫外成像的目标光斑,且具有较好的抗干扰能力。与现有方法相比较,使用改进的C-V模型来提取放电光斑的准确度提高了5%,且对C-V模型中关键参数的依赖性较小,非常适合于紫外图像特征量的提取。研究结果可为输电线路外绝缘的有效检测提供重要依据。     

双树复小波域图像非线性扩散滤波

提出了结合一种双树复小波变换的非线性扩散图像滤波模型。充分利用了双树复小波变换和非线性扩散两者的优点。通过对噪声图像经双树复小波变换后的不同尺度上的子带图像进行扩散,在双树复小波域计算子带图像的梯度.采用p-范数方法选择合适的梯度阈值,在扩散过程中可以根据图像属性自适应选择扩散强度。实现了建立在图像精细分析基础上的新非线性扩散模型。实验分析表明,提出的模型能有效抑制传统非线性扩散模型出现的阶梯效应,在对图像滤波的同时能保留更多的图像边缘,纹理等细节信息。     

基于阈值与活动轮廓模型的SAR图像浒苔监测

针对浒苔分布的监测问题,提出了一种结合阈值分割与几何活动轮廓模型(GACM)的合成孔径雷达(SAR)图像分割方法。首先采用最大熵算法与Otsu算法结合的阈值分割方法获取初始轮廓,在此基础上构建窄带,以缩短运算时间。而后在窄带内采用基于SPF函数的几何活动轮廓模型进行轮廓演化,以得到光滑连续的高精度分割结果。使用Sentinel-1A卫星2021年5月～8月的SAR图像进行实验,实验结果表明,所提方法获取的浒苔分布有着更高的准确率,同时较传统GACM方法显著提高了运算速度,能够实现对浒苔的实时监测。     

局域化互信息度量的ACM下医学图像的分割

大量医学图像中存在灰度不均匀现象使传统方法很难获得理想的分割结果,针对此问题,将图像的局部统计特征引入互信息度量的分割模型中,考虑不同组织间的方差差异,提出一种局域化互信息度量的活动轮廓模型(ACM),以提高灰度不均匀情况下目标边界识别的精确度。此外,采用一种无需重新初始化的水平集函数规则化方法,演化稳定,收敛速度快。最后,以医学图像分割实验对算法进行了验证,对比实验表明分割和偏移场矫正结果都更精确。     

糠醛在油纸绝缘系统中的动态扩散过程

油中糠醛评估绝缘纸老化受温度及换油的影响,建立可靠的糠醛温度归一化和换油修正方法的前提是分析糠醛在绝缘油中的动态扩散过程。以实验室加速热老化为基础,研究了四种不同温度、四种不同老化程度油纸绝缘样品中糠醛的扩散过程;以菲克第二定律为理论依据,研究了不同温度、不同老化程度下糠醛在绝缘油中的扩散系数,建立糠醛动态扩散模型,并使用试验数据对其进行了验证。研究结果表明,糠醛在绝缘油中的扩散受温度和老化程度的影响:温度越高,老化程度越深,则糠醛在绝缘油中的扩散速度越快,越容易达到扩散平衡。提出现场变压器糠醛扩散平衡时间的计算方法,在达到扩散平衡后进行油中糠醛检测才能获得可靠数据。     

一种用于图像分割的改进FCM聚类算法

介绍了一种先采用离散K-L变换对采得的图像滤波,然后采用二维向量小波对图像进行特征提取,最后利用改进的FCM结合的图像分割算法对图像进行分割的算法。文章首先阐述了对图像进行K-L变换的原理,再利用二维向量小波变换对其进行分析得出图像特征,最后运用FCM算法的思想,对其进行改进方案,最后得出分割后的图像。实验结果证明,该方法显著提高了分割速度和精度,具有一定的使用价值。