采用WA-WBA与改进INSCT的图像融合算法

在冗余提升变换与多方向分析相结合的图像融合算法改进的非下采样轮廓波变换(INSCT)中,冗余提升部分采用的Neville算子在多尺度分解的过程中丢失了很多方向信息,不利于后续的多方向分析。针对这一问题,该文提出了一组新算子,可以在频带分解部分很好地保持图像的方向信息,并在此基础上提出一种图像融合算法。该算法先用直方图均衡化的方法提高红外图像中目标区域的灰度值;然后用新算子代替Neville算子对可见光图像与处理后的红外图像进行多尺度分解;最后采用基于权重窗口的活动级与加权求和相结合(WA-WBA)的方法替代简单的加权求和方法对低频子带进行融合,采用一致性测度,实现了各子带系数的自适应融合,有效地弥补了基于像素的图像融合方法的不足。实验结果表明,该算法使融合后的图像更好地保持了可见光的细节信息,同时获得了较清晰的红外图像中的目标信息。     

基于推广流形学习的高分辨遥感影像目标分类

针对传统的流形学习算法不能对位于黎曼流形上的协方差描述子进行有效降维这一问题,本文提出一种推广的流形学习算法,即基于Log-Euclidean黎曼核的自适应半监督正交局部保持投影（Log-Euclidean Riemannian kernel-based adaptive semi-supervised orthogonal locality preserving projection,LRK-ASOLPP）,并将其成功用于高分辨率遥感影像目标分类问题.首先,提取图像每个像素点处的几何结构特征,计算图像特征的协方差描述子;其次,通过采用Log-Euclidean黎曼核将协方差描述子投影到再生核Hilbert空间;然后,基于流形学习理论,建立黎曼流形上半监督正交局部保持投影算法模型,利用交替迭代更新算法对目标函数进行优化求解,同时获得相似性权矩阵和低维投影矩阵;最后,利用求得的低维投影矩阵计算测试样本的低维投影,并用K—近邻、支持向量机（Support victor machine,SVM）等分类器对其进行分类.三个高分辨率遥感影像数据集上的实验结果说明了该算法的有效性与可行性.     

数据驱动的燃煤发电装备运行工况监控 —— 现状与展望

大容量、高参数、低能耗的百万千瓦超超临界机组是燃煤发电领域的重大装备, 已成为全国电力工业发展的主流方向, 其安全可靠运行对推动发电企业转型升级具有重要意义. 本文从分析以百万千瓦超超临界机组为代表的燃煤发电装备的本质特性出发, 揭示了其变负荷深度调峰导致的非平稳运行特性和全流程复杂耦合特性, 总结了燃煤发电过程区别于一般连续过程的问题, 指出了研究燃煤发电装备运行工况监控算法的必要性. 进而, 基于这些特性, 我们对面向燃煤发电装备工况监控的数据驱动算法近30年的发展进行了回顾和分析, 展示了算法发展的不同阶段. 在此基础上, 梳理了目前燃煤发电装备工况监控中存在的问题, 并进一步介绍了燃煤发电装备工况监控未来可能的发展方向.     

一种基于词袋模型的图像优化分类方法

该文应用词袋模型对图像进行分类,并针对传统词袋模型存在的不足进行改进,提出了一种基于兴趣区域(Region Of Interest, ROI)提取以及金字塔匹配原理的优化方法。首先对训练图像进行ROI提取,对得到的ROI区域进行密集尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)特征的抽取和描述并生成视觉词典,由此产生的视觉词典更能精确的描述图像的特征,且能够抵抗多变的位置信息及背景信息的影响。其次应用金字塔匹配原理对图像进行基于视觉词典的直方图表示,代入支持向量机(Support Vector Machine, SVM)分类器进行分类。通过对Caltech 101和Caltech 256两个数据库进行实验,结果表明该方法较传统方法提高了分类的正确率,且能够在训练图像较少的情况下达到良好的分类效果。最后通过与现有同类方法的比较验证了该方法的优越性。     

基于交织抽取与分块压缩感知策略的图像多描述编码方法

该文基于交织抽取和分块压缩感知(Interleaving Extraction and Block Compressive Sensing,IEBCS)理论,提出了一种可以在成像过程中实时实现的多描述编码方法(IEBCS-MDC)。首先利用交织抽取将图像划分成若干个子图像,然后对各个子图像进行分块压缩感知形成多个描述码流,接收端通过求解优化问题重建原图像。分块策略保证了观测过程的复杂程度不因图像尺寸而改变,所以该方法结构简单易于实现,适合处理高分辨率图像,另外特有的自恢复能力提升了算法的抗丢包性能。实验表明,在相同的硬件环境下,该文方法可以处理的图像尺寸远远大于CS-MDC方法,在同样的丢包率下重构质量也优于CS-MDC方法。     

基于熵图像和隶属度图的高斯混合背景模型

经典的高斯混合背景模型中,高斯分量的个数是固定的,近邻像素间的相关性也没有被考虑。作为对这种模型的改进,该文利用熵图像来度量背景像素亮度分布的复杂程度,进而给出了根据熵图像为各像素选择高斯函数个数的方法,在保证检测精度的前提下节约计算资源;并利用隶属度来表示像素属于背景的可能性,通过融合各像素邻域的局部信息来对其进行有效的分类,使得分类决策的结果更可靠,而计算量却增加不多。多种真实场景下的实验证明了这种算法在计算速度和精度上的良好性能。     

基于在线特征选择的实时多姿态人脸跟踪

针对复杂条件下的人脸跟踪问题, 将显著区域跟踪算法和基于 Adaboost 的人脸检测算法相结合, 研发了一个实时多姿态人脸跟踪系统. 系统采用数据关联结果, 自动选择和切换检测器与跟踪器, 并通过引入环境信息增强跟踪算法的稳定性. 实验表明, 系统可在目标姿态变化、摄像机运动等复杂条件下进行自动人脸检测与跟踪, 对 320x240 的图像序列处理速度达到 10-12帧/秒.     

基于CAD模面的翼子板全工序成形模拟与优化

为了降低翼子板全工序成形模拟难度,提高翼子板全工序成形模拟精度,减少生产准备阶段设变修模发生率,以某SUV车型翼子板为研究对象,应用CAD软件进行精细化工艺模面设计,并将工艺模面导入CAE软件进行迭代计算,验证翼子板全工序工艺可行性,快速识别了翼子板全工序成形性不良,根据CAE分析结果对CAD模面进行设计优化.研究表明...     

广义多结构元素并行复合形态滤波器

本文基于数学形态学中的广义形态开-闭和闭-开运算,采用多结构元素,构造了一类并行复合形态滤波器。这类滤波器具有平移不变性、递增性、对偶性和幂等性等重要性质,并遵守阈值叠加准则,不仅可以有效地抑制图象中的噪声,而且较好地保持了图象的几何结构特征。计算机模拟结果证实了滤波算法的有效性.     

基于双重动态记忆网络的弱监督视频异常检测

视频异常检测需从整段视频中识别帧级别的异常行为。弱监督方法使用正常与异常视频，辅以视频级别标签训练模型，相比无监督视方法展现出了更优越的性能。然而，目前的弱监督视频异常检测方法无法记录视频长期模态，且部分方法为了获得更优的检测效果，利用了未来帧的信息，导致无法在线应用。为此，文中首次提出了一种基于双重动态记忆网络的弱监督视频异常检测方法，通过设计包含两个记忆模块的记忆网络来分别记录视频中长期的正常和异常模态。为了实现视频特征和记忆项的协同更新，采用读操作基于记忆模块中的记忆项对视频帧的特征进行增强，采用写操作基于视频帧特征对记忆项的内容进行更新，同时记忆项的数量在训练的过程中会动态调整从而适应不同视频监控场景的需求。在训练时，设计模态分离损失增加记忆项之间的区分度。在测试时，仅需要记忆项而不需要未来视频帧的参与，从而实现准确的在线检测。在两个公开的弱监督视频异常检测数据集上的实验结果表明，所提方法优于所有在线应用的方法，相比只能离线应用的方法也具有很强的竞争力。