运动载体上观测图像序列虚拟稳定平台的研究

本文对提高运动载体上观测图像序列的稳定与增强提出了一种新的解决方案。算法经实拍图像检验，能有效地提高图像质量。     

数字图像处理中多窗口下的自适应中值滤波

根据心理物理学、神经生理学、认知神经学等学科在视觉认知领域的部分研究成果，结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法，提出了结合先验知识的多窗口结构下的分块中值滤波方法，在每一个窗口内单独进行处理与分析，突出了视觉处理目的，减少了运算量，节省数据存储空间，达到了令人满意的滤波效果，能够在原始图像比较复杂的情况下，较好地对其进行预处理，可以改善、提高后期图像处理过程，如图像分割、图像分析的正确性和有效性。     

引导滤波与像素重分布的低照图像增强

针对现有的图像增强方法存在欠增强、过增强以及对比度低等缺陷,提出了一种引导滤波与像素重分布的低照图像增强算法。方法充分利用引导滤波的边缘保持特性,用引导滤波对光照图像进行估计,然后对光照图像的像素进行相对均匀重分布,全面提升光照图像的亮度与对比度。最后将像素重分布增强处理后的光照图像和反射图像作反Retinex变换,得到最后的增强图像。实验结果证明,相对现有的图像增强方法,本文方法具有更优的图像增强效果,图像对比度与纹理结构更清晰。     

基于三维激光视觉技术的平面设计图像增强和优化研究

为避免图像失真,研究基于三维激光视觉技术的平面设计图像增强和优化方法。采集平面设计图像数据,将三维激光映射至平面设计图像表面形成信息图,利用该信息与局部复杂度加权处理,构建平面设计图像直方图,扫描以及灰度值变换,消除平面设计图像噪声,采用分块局部增强方法分割图像直方图,实现平面设计图像的增强优化。实验表明,不同噪声标准差下,研究方法的峰值信噪比的平均值为36.62 dB,结构相似度平均值为0.952 6。且该方法去噪效果较好;可有效增强平面设计图像的视觉效果,增强人眼甄别平面设计图像信息的能力。     

基于蒙特卡洛模拟的变电运行状态监测系统设计

变电运行状态监测受不同监测位置、复杂监测线路以及相似度较高数据影响,通信受阻导致监测数据受损,研究基于蒙特卡洛模拟的变电运行状态监测系统。基于物联网技术构建由感知层、网络层、平台层和应用层组成的智能监测架构,以树状拓扑为核心,将原有的单通道通信结构优化为多通道通信,为蒙特卡洛模拟技术的应用提供数据传输保障。蒙特卡洛模拟技术采集变电运行数据并进行评估,根据四项可靠性评估指标定位有用信息,以此增强监测图像细节,实现对变电运行状态的跟踪监测。测试结果表明：优化通信的监测系统在混合组网不同的通信条件下,时延抖动较小且稳定,致使获取的数据可靠性指标更高,在得到可视化数据后,可以根据曲线实时变化状态,准确监测不同变电设备的温度等指标。     

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。     

改进飞鼠搜索算法的自适应图像增强

为了实现灰度图像增强最佳参数的自动寻优,提出一种改进飞鼠搜索算法的自适应图像增强方法.在普通树上的飞鼠位置更新中引入双向搜索策略,提高获得最好解的可能性;利用螺旋觅食策略更新位于橡子树上的飞鼠位置,提升算法的收敛速度和搜索精度.在CEC 2017测试集上,将所提算法BCSSA与蝙蝠算法、鲸鱼优化算法、基本的SSA和2种改进的SSA进行对比分析,结果表明, BCSSA具有更高的稳定性和更快的收敛速度.最后,将所提出的BCSSA应用于灰度图像增强,与经典的直方图均衡化方法和SSA进行了4种评价指标的性能比较,证明了BCSSA的优越性.     

基于NLWT系数增强的随机失活CNN电机运行状态检测

为了快速有效地从热像仪采集的温度数据中识别出电机的运行故障,本文根据随机失活、非线性小波变换系数增强(NLWTCE)和卷积神经网络算法相结合对电机图像进行识别.首先根据热像仪采集的数据建立电机的图像数据集,通过非线性小波变换(NLWT)将数据进行图像增强,然后构建改进的卷积神经网络(ICNN)模型,将提取的特征作为最终的识别特征来进行图像识别,最后根据与正常电机图像作比较,识别出故障的电机图像,实现了有效、准确的识别故障电机图像与正常电机图像.实验结果表明,改进的卷积神经网络模型不仅具有较高的识别准确率,也进一步简化了提取图像特征的复杂过程.该方法的有效性和合理性得到了验证,并适用于工程运用中.     

基于改进Res-UNet网络的钢铁表面缺陷图像分割研究

为了提高钢铁质量图像检测的效率和精度,提高生产自动化水平,该文提出一种改进的Res-UNet网络分割算法。使用ResNet50代替ResNet18作为编码模块,增强特征提取能力;修改编码模块,使残差块间稠密连接,增强浅层特征的深度延展,充分利用特征;使用加权Dice损失和加权交叉熵损失(BCEloss)结合的新损失函数缓解样本不均衡的情况;数据集增强策略保证网络学习更多的样本特征,增强细节分割精度。相比于经典的UNet算法,组合优化后的Res-UNet网络的Dice系数最多提高了12.64%,达到0.7930,网络训练时间更短,对各类缺陷的分割精准度更优,证明该文算法在钢铁表面缺陷分割领域具有应用价值。     

基于高速摄像技术的管系振动位移测量

针对试验中高速摄像技术在远距离测量振动响应精度较低的问题,提出结合双三次 插值法与Sobel算子边缘检测图像技术的方法,用其处理测得图像来提高测量精度。首先,设计了采 用高速摄像与加速度计两种测量系统的管系振动台试验。然后,对高速摄像系统测得的图像 与加速度计测得的加速度振动响应进行处理并提取位移振动响应数据。最后,从时域和频域 两个角度对比高速摄像与加速度计两种测量系统测得的位移振动响应数据,对高速摄像系统 测得数据的准确性进行分析。结果表明,结合双三次插值法与Sobel算子边缘检测图像处理 技术优化高速摄像技术测得的图像可以获得满足测量与使用要求的高精度位移振动响应数 据。