基于纹理粗细度测量的铝土矿浮选过程最佳精选泡沫状态分析

为实现铝土矿浮选生产工况的自动监测和智能评价,提出一种基于机器视觉的精选泡沫最佳生产状态量化分析与选择方法。首先,通过改进LBP算子实现精选泡沫图像表面纹理粗细度特征的提取;然后,进一步分析了精矿品位与精选泡沫纹理特征间的关系,以获得最佳生产工况下的精选泡沫表面纹理粗细度特征区间。该方法可以实时监测精选泡沫表面纹理的变化,并自动鉴别精选泡沫是否处于最佳生产状态,为实现铝土矿浮选过程优化控制奠定了基础。     

基于半监督聚类的煤泥浮选泡沫图像分类方法

针对选煤厂煤泥浮选过程加药量依靠人工干预存在主观性、滞后性和粗放性的问题,提出了一种基于半监督聚类的煤泥浮选泡沫图像分类方法。首先,采集已知加药比例与未知加药比例下的煤泥浮选泡沫图像样本,并对泡沫图像进行预处理,提取泡沫的气泡个数、气泡面积、气泡周长等形态特征;然后,对已知加药比例下泡沫图像形态特征样本进行标志,对未知加药比例下泡沫图像形态特征样本不做标志,并将已标志泡沫图像形态特征样本与未标志泡沫图像形态特征样本进行混合;最后,利用基于高斯混合模型的半监督聚类方法对混合样本进行聚类后得到各类簇,将各类簇内已标志泡沫图像形态特征样本的信息映射到未标志泡沫图像形态特征样本。应用结果表明,该方法可为煤泥浮选生产过程加药量调整提供指导,降低了药剂消耗量,提高了选煤厂浮选自动化水平和经济效益。     

A new discriminative coding method for image classification

Multimedia Systems - The bag-of-words (BOW) based methods are widely used in image classification. However, huge number of visual information is omitted inevitably in the quantization step of the...     

基于深度模型迁移的细粒度图像分类方法

针对细粒度图像分类方法中存在模型复杂度较高、难以利用较深模型等问题,提出深度模型迁移（DMT）分类方法。首先,在粗粒度图像数据集上进行深度模型预训练;然后,使用细粒度图像数据集对预训练模型logits层进行不确切监督学习,使其特征分布向新数据集特征分布方向迁移;最后,将迁移模型导出,在对应的测试集上进行测试。实验结果表明,在STANFORD DOGS、CUB-200-2011、OXFORD FLOWER-102细粒度图像数据集上,DMT分类方法的分类准确率分别达到72.23%、73.33%和96.27%,验证了深度模型迁移方法在细粒度图像分类领域的有效性。     

基于卷积受限玻尔兹曼机的医学图像分类新方法

利用数据挖掘方法对医学图像做分析是目前研究的热点之一,常用的挖掘方法首先需要从医学图像中提取特征,然后进行分类分析。目前,应用最多的是提取图像的统计特征,这种方法对所提取的特征有很强的依赖性。采用一种深度学习的新方法——卷积受限玻尔兹曼机模型,并且采用改进的快速持续对比散度算法对模型进行训练。该方法直接从乳腺X光图像中自主学习特征并利用学习到的特征对图像进行分类。实验结果显示,新方法对医学图像的分类精度相对于已有方法有明显的提升。     

优化强化学习路径特征分类的脉象识别法

脉象识别是中医诊断的重要手段之一。长期以来,依据个人经验进行的脉诊制约了中医的推广与发展。因此,利用传感设备进行脉象识别的研究正在逐步展开。针对神经网络识别脉象的相关研究中,存在需要大量训练数据集,以及存在处理“黑箱”和时间花销较大等问题,在强化学习的框架下,提出了一种采用马尔可夫决策和蒙特卡罗搜索的脉象图分析法。首先依据中医理论对特定的脉象进行路径分类,然后在此基础上为不同的路径选择代表性特征,最终通过对代表性特征的阈值对比完成对脉象的识别。实验结果表明,所提方法可缩减训练时间和所需资源,并可保留完整的经验轨迹;且在提高脉象识别的准确率的同时,还可解决数据处理过程中的“黑箱”问题。     

基于人脸分类和K-L变换的人脸识别新方法

为解决目前人脸识别领域中,对含有大量人脸样本训练库识别准确性低、实时效果差的问题,本文提出了一种基于人脸分类的K-L变换人脸识别新方法。该方法首先采用协同模式将ORL人脸库中的人脸样本分成若干聚类;之后利用K-L变换的方式识别待测人脸样本。降低了参加识别比对的样本数量,提高了人脸识别的效率,适用于身份鉴别领域。     

一种基于超声检测图像的缺陷自动识别算法

传统探伤都是通过大量的人力对探伤图逐一判断,探伤效率低下,正确率不高。本文针对探伤A超图像序列提出了一种自动识别探伤的算法。通过分析探伤图像,首先对原图进行k-means聚类的分割,得到带有虚景的探伤声波图像。为了抑制虚警,得到完整的声波图像,本文使用了投影算法,并取得了很好的效果。最后在得到的声波图像上进行底波和缺陷波的检测,实现缺陷的自动识别。实验表明,本文提出的方法具有很高的准确率。     

新型融合方法的医学图像预处理和分类

为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improved convolution neural networks,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs (back propagation neural networks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。     

Probability density function of bubble size based reagent dosage predictive control for copper roughing flotation

As an effective measurement indicator of bubble stability, bubble size structure is believed to be closely related to flotation performance in copper roughing flotation. Moreover, reagent dosage has a very important influence on bubble size structure. In this paper, a novel reagent dosage predictive control method based on probability density function (PDF) of bubble size is proposed to implement the indices of roughing circuit. Firstly, the froth images captured in the copper roughing are segmented by using a two-pass watershed algorithm. In order to characterize bubble size structure with non-Gaussian feature, an entropy based B-spline estimator is hence investigated to depict the PDF of the bubble size. Since the weights of B-spline are interrelated and related to the reagent dosage, a multi-output least square support vector machine (MLS-SVM) is applied to depict a dynamic relationship between the weights and the reagent dosage. Finally, an entropy based optimization algorithm is proposed to determine reagent dosage in order to implement tracking control for the PDF of the output bubble size. Experimental results can show the effectiveness of the proposed method.     

航天运载器端面特征的新型图像特征识别方法

基于航天运载器端面的固有特征,结合现有航天图像测量系统的硬件平台,提出一种端面图像特征提取与识别方法,获取视场内关键目标端面特征信息,对后续图像物理量参数优化解算起到指导性作用.以运载器端面椭圆特征为基础,利用Canny算子检测出图像中端面椭圆边缘特征,将特征边缘拆分为若干弧段,通过弧段拟合、弧段合并、椭圆提取等方法,实现端面特征的准确提取.仿真试验结果表明:该图像特征识别方法实时性好、精度高,可显著提高运载器图像测量能力.     

基于预测模型的浮选过程pH值控制

矿浆pH值是泡沫浮选过程中的一个非常重要的被控量.目前,多数选厂的矿浆pH值控制基本是依靠现场工人定期对矿浆样本进行pH值测量,凭主观经验对pH调整剂进行调整.由于操作工人的主观性和随意性的影响以及矿浆样本pH值测量与药剂调整间存在的较长的时间滞后,矿浆pH值波动频繁,很难使矿物浮选保持在一个稳定最优生产状态下运行.为了使矿浆pH值保持在一个期望的生产状态,基于浮选泡沫表面视觉信息提出了一种新的矿浆pH值控制方法,分别采用基于泡沫视觉信息的自适应遗传混合神经网络AG-HNN和自适应遗传PID(AG-PID)控制方法建立了矿浆pH值预测模型和pH值控制模型,基于所建立预测和控制模型对浮选药剂用量进行调整,解决了浮选矿浆pH值波动问题.工业浮选现场的实验结果表明该方法可以使矿浆pH值保持在一个期望的范围内,有效提高浮选性能.     

基于图像识别的带式输送机输煤量和跑偏检测方法

传统的卷积神经网络(CNN)是单任务网络,为实现带式输送机输煤量和跑偏的同时检测,使用2个卷积神经网络分别对输煤量和跑偏进行检测,导致网络体积大、参数多、计算量大、运行时间长,严重影响检测性能.为降低网络结构的复杂性,提出了一种基于多任务卷积神经网络(MT-CNN)的带式输送机输煤量和跑偏检测方法,可使输煤量检测和跑偏检测这2个任务共享同一个网络底层结构和参数.在VGGNet模型的基础上,增大卷积核和池化核的尺度,减少全连接层通道数量,改变输出层结构,构建了MT-CNN;对采集的输送带图像进行灰度化、中值滤波和提取感兴趣区域等预处理后,获取训练数据集和测试数据集,并对MT-CNN进行训练;使用训练好的MT-CNN对输送带图像进行识别分类,实现输煤量和跑偏的准确、快速检测.实验结果表明,训练后的MT-CNN在测试数据集中检测准确率为97.3%,平均处理每张图像的时间约为23.1 ms.通过现场实际运行验证了该方法的有效性.     

基于分类与回归混合模型的人脸年龄估计方法

针对现有人脸年龄数据库样本数量少、各年龄段分布不均匀的问题,提出了一种基于分类与回归混合模型的人脸年龄估计方法。该方法主要包含两个方面：特征学习和估计模式。在特征学习方面,利用已有的深度卷积神经网络（CNN）,先在粗糙年龄标注数据集上预训练,再在现有的精确年龄标注数据库上微调,分别得到一个年龄段判别模型和两个年龄估计模型;在估计模式方面,该方法采用由粗到细的策略：首先,将人脸分入青少年、中年、老年和两个重叠区域这五个年龄段;然后,对于青少年和老年采用分类模型估计,对于中年采用回归模型估计,对于重叠区域采用两个模型估计的均值。所提方法在测试集上的平均绝对误差（MAE）为2.56。实验结果表明该方法受不同肤色和性别的影响较小,有较低的误差。     

网格环境下分布式SVM遥感图像分类器模型研究

为了充分利用网格技术分布式、高性能、协同共享的能力,设计了一种基于网格和支持向量机的分布式图像分类器模型,采用网格计算技术,统筹网络运算资源,结合支持向量机在有限样本统计分类中的优势,探索网格技术在图像分类中的应用。以对遥感图像目标物体的特征提取为例,实现基于分布式计算的图像分类过程,基于.net环境的实验结果表明,该模型提高了数据密集型图像分类速度和处理效率。     

A robust hybrid method for image encryption based on Hopfield neural network

In this paper, a robust hybrid image encryption algorithm with permutation-diffusion structure is proposed, based on chaotic control parameters and hyper-chaotic system. In the proposed method, a chaotic logistic map is employed to generate the control parameters for the permutation stage which results in shuffling the image rows and columns to disturb the high correlation among pixels. Next, in the diffusion stage, another chaotic logistic map with different initial conditions and parameters is employed to generate the initial conditions for a hyper-chaotic Hopfield neural network to generate a keystream for image homogenization of the shuffled image. The new hybrid method has been compared with several existing methods and shows comparable or superior robustness to blind decryption.     

A new image co-segmentation method using saliency detection for surveillance image of coal miners

In this paper, we propose a co-segmentation method using saliency detection. The input image is first over-segmented into super-pixels, in which, their similarities are measured by the Bhattacharyya coefficients. The proposed method uses the combination of detection results of different detection methods on different types of color space to produce the originating regions, in which optimized linear coefficient combination is exploited. Experiments are performed on different image databases and results comparable to that of some current state-of-the-art methods are provided.     

A new hybrid denoising model based on PDEs

In this paper, a novel denoising algorithm based on the denoising methods of partial differential equations is presented. The proposed algorithm is obtained by using a stochastic algorithm for combining two denoising methods based on partial differential equations. The model provides a new approach for solving the contradiction in the image restoration. The new hybrid model has more ability to restore the image in terms of peak signal to noise ratio, blind/referenceless image spatial quality evaluator and visual quality, compared with each of denoising methods separately used. Experimental results show that our approach is more efficient in image denoising than the used denoising methods.     

基于深度迁移学习的舌象特征分类方法研究

舌象分析是计算机视觉技术在中医望诊的客观化、定量化应用研究中的一个重要课题,其中2个关键步骤是舌体分割和舌象分类.通过级联分类器在原始图像上实现自动舌体定位,再将分割后的舌体图像在GoogLeNet和ResNet上进行深度迁移学习训练,用得到的深度网络对齿痕、裂纹和舌苔厚薄3种主要舌象特征进行分类.从中医医疗机构中获取...