基于非线性重构模型的植物叶片图像集分类方法

提出一种基于非线性重构模型的植物叶片图像集的分类识别方法。该方法首先使用高斯受限玻尔兹曼机(GRBMs)通过非监督预训练来初始化模型的权值;然后针对每一个植物叶片图像集用初始化的模型训练得到一个特定的模型;最后根据测试样本的最小重构误差和测试样本集的最多投票策略来判定测试样本集的类别。该方法通过图像预处理来处理图像,避免了图像在缩放时发生形变,并采用基于k-means的特征提取方法来提取植物叶片图像特征。实验结果表明,该方法能够准确地对植物叶片图像集进行分类识别。     

基于SVM的粉末冶金零件的多类分类器的研究

传统的SVM特别适合解决两类分类问题,而对于多类分类,则需将其转化为多个两类分类问题,相应地需要构造多个两类子分类器,这样不但使得分类器结构复杂,而且分类速度受到很大的影响。为了快速地进行多类分类,本文使用LIBSVM中的svmtrain实现对训练数据集的训练,从而获取SVM多分类模型,利用获取的模型进行测试与预测,不仅使得子分类器数目大大减少,而且使分类速度明显提高。最后从粉末冶金零件图库中选取的8张图像进行了分类实验,取得较好的分类结果。     

基于改进的多流形算法的人脸图像集识别

一个图像集由大量变化不一的图像组成,而且这些图像都表示同一个人.现实中的图像集数据是非线性的,造成这些现象的因素有人脸的角度不同、光线的明暗等,因此图像集中的每幅图像都是变化的,如果近似的将一个图像集建模为线性子空间,而忽略了集合中数据结构的变化,很显然是不合理的,这也必然会影响到最后的识别率.受流形理论知识的启发,可以将图像集建模为一个流形,这与传统的将图像集建模为子空间的方法有着本质区别.本文在基于流形的人脸图像集识别方法的基础上进行改进,提出新的计算样子空间距离方法,最后采用所有最短子空间距离的平均值作为流形之间的距离,称为改进的多流形方法(Improved multi-manifold method,IMM).IMM方法在CMU PIE数据库上进行实验,结果表明该方法相比其他方法具有更高识别率.     

基于MATLAB/GUI的图像语义自动标注系统

图像语义自动标注系统对大量图像数据库的图像检索起到重要的作用,并能将图像的视觉特征转化为图像的标注字信息,给检索用户带来了很大的便利。文中研究了图像自动语义标注系统的实现及有关技术,通过matlab中GUI的图形用户界面设计并实现了图像自动标注系统,该系统能较好的实现图像轮廓与颜色特征的提取。提取图像轮廓是由颜色空间来获取整体轮廓,该方法对于颜色变化比较明显的图像可以很好的提取轮廓。结合颜色特征与图像轮廓进行相似度量,从而较好的将待标注图像分类,采用特征点匹配标注图像语义关键词能够比较准确的对图像进行标注。     

基于深度信息局部二值模式特征的室内场景边缘检测EI北大核心CSCD

针对室内场景深度图像,检测场景中的面片边缘信息并确定场景中的完整面信息是实现室内场景分析和理解的基础.基于深度信息局部二值模式特征,提出一种室内场景深度图像边缘检测的方法.首先对场景深度信息图分别求X方向和Y方向的梯度信息,结合2个梯度图找到深度信息图的基本边缘信息;然后计算基本边缘附近的局部二值模式特征信息,并计算深度图每个点的法线信息;最后利用深度信息局部二值模式特征和法线信息对边缘信息进行判断和矫正,以提取深度图像的面片边缘信息.实验结果表明,该方法能够高效、准确地检测室内场景深度图像的边缘信息,避免边缘信息的过检测和欠检测.     

基于Wollaston棱镜阵列的目标识别系统

针对传统目标识别方法识别率低、受背景环境影响大等问题,设计了一种基于Wollaston棱镜阵列的偏振光谱成像系统.为了有效地探测野外目标的微弱信号,采用了高光通量的光学天线、偏振模块及干涉模块的设计.为了保证实时采集及高稳定性的设计要求,采用了全静态光学器件完成偏振分光及空间光程调制.系统由偏振成像模块与光谱成像模块构成,可实现同一视场内4个偏振方向图像及光谱图像的同时采集,并经图像融合算法重建被测区域的偏振光谱图像.实验在不同测试距离上分别以钢板和某型火炮作为被测目标,分别采用本系统偏振模块与传统非偏振系统进行测试.实验结果显示,偏振目标识别信噪比高、受距离影响小.基于此实验,再将偏振识别图像与光谱识别图像相融合,从而构成偏振光谱图像.与传统目标识别图像相比较,本系统合成图像中目标清晰可见,受背景环境影响小、可探测距离远,具有很高的野外适应性及稳定性.     

利用Poisson方法实现图像前景提取

图像前景提取是运用图像处理算法快速、准确地提取出图像中人们感兴趣的信息,它是图像研究的基础和重要的工作.图像前景提取的重点工作是研究出高效、准确的算法来确定图像中的每个像素点是属于需要提取的前景还是需要舍弃的背景.用Alpha值来表示该像素点属于前景的部分,称为掩模值.根据图像的表达公式可知,求解Alpha值是一个病态问题,快速、准确地进行前景提取成为图像研究的重点.介绍了前景提取的基本概念,详细介绍了Poisson前景提取算法并对关键代码进行分析,对Poisson前景提取算法进行了分析与展望.     

远方智能巡检生产系统在电网变电站中的应用

介绍变电远方智能巡检生产系统产生的背景及其技术特点,论述电网变电远方智能巡检生产系统在实际工作中的应用.     

基于邻域扩展的模板匹配算法

模板匹配是OCR(Optical Character Recognition,光学字符识别)中常用的方法,其算法的效率与模板特征提取的复杂度和模板的规模大小有关.介绍的方法针对西文印刷字体识别,其原理是对特定字体下的字符的二值图像建模,并将模板缩放至固定大小,进行识别时需将提取出待识别字符的二值图像,同样缩放至模板大小,然后遍历模板,比对各字符的图素值,统计相同图素值的数量,对于不同的图素,在其8邻域内考察模板和待识别图片,若同时击中,则将其同样计入相同图素的数量,在遍历完整个模板后,选择匹配度最高的模板标签作为识别的结果.实验表明,该方法有较快的运行速度和较高的识别率,在字符识别应用中有一定的实用价值.     

TEDS的大数据特点以及对动车安全检测的改变

动车组运行故障图像检测系统(Trouble of moving EMU Detection System,简称TEDS)是使用位于轨边的高速相机,拍摄动车侧部和底部可视部图像,利用图像识别技术对动车图像进行实时分析,并预警的动车安全检测系统.随着大数据的发展,TEDS逐步体现出大量性、全样本性、价值性、高速性等大数据的一些特点,将大数据检测运用于动车安全检测使得其有别于传统的检测手段,将在时间、空间和纵向维度对动车安全检测模式发生改变.