基于改进SRCNN模型的图像超分辨率重构

图像超分辨率重构是指将低分辨率图像生成对应的高分辨率图像,在许多领域有着重要作用。文章在SRCNN方法的基础上,提出了改进模型。首先,在SRCNN基础上使用小卷积代替大卷积。其次,加入残差结构。最后,在前两层网络后加入ReLU激活函数。结果表明,scale为3、4、6、8的PSNR分别提升了0.140 3 dB、0.084 5 dB、0.147 2 dB、0.113 5 dB,模型性能较改进前有所提升。     

基于滤波预测的电牵引采煤机自动控制系统研究

电牵引采煤机控制系统的自动化程度影响着煤炭开采的效率,采用卡尔曼滤波预测电流作为反馈实现恒功率截割从而提高开采效率。在对电牵引采煤机系统组成结构进行分析后,对牵引部控制方案进行详细设计,通过监测电流反馈煤岩的硬度,并采用卡尔曼滤波算法根据前时刻采集的电流、协方差矩阵等预测下一时刻的电流,将其反馈给PLC控制器,实现恒功率截割。仿真结果显示,卡尔曼滤波预测方法的预测值与真实值之间的误差较小,可用于电牵引采煤机牵引控制中。     

基于混合卷积窗六谱线插值的全相位谐波检测算法

非线性负荷的接入使得电网中存在大量的谐波,为了减小传统傅里叶变换在非同步采样中出现的频谱泄露以及栅栏效应等问题,文中提出了一种基于Blackman和Nuttall混合卷积窗六谱线插值的新型谐波检测算法。相比于传统的一些窗函数,文中提出的混合卷积窗具有较好的主瓣以及旁瓣特性,通过结合六谱线插值以及改进的全相位傅里叶算法对谐波的幅值、频率、相位3大参数进行检测。采用与其他算法对复杂谐波信号检测的仿真对比,验证了Blackman和Nuttall混合卷积窗六谱线插值算法在检测复杂信号更好的优越性以及更强的抗干扰能力。     

基于深度学习的膀胱肿瘤MRI图像分级分期预测

膀胱癌的发病呈现增高的趋势,对放射科医生来说,检测和分类膀胱恶性肿瘤是一项耗时较大的工作.近年来,计算机辅助诊断系统的进步以及深度学习(Deep learning)的发展,使其成为医学图像处理的有力工具.文章提出一种基于深度卷积神经网络的膀胱癌MRI图像的优化模型,得到适合膀胱肿瘤MRI图像分级和分期预测的算法,取得较...     

基于云计算关联分析的电力设备故障识别模型

为解决目前电力设备故障识别系统识别敏感度低的问题,提出基于云计算关联分析的电力设备故障识别模型。利用关联分析法、Model-1故障特征提取法、Copula函数的故障特征分类法,对电力设备故障特征进行提取和分类,将分类后的特征数据随机组成训练集X,并在此基础上获得故障特征优化的二维数据,将Copula函数的输出结果导入优化ID3的井漏类型分类算法中以完成对故障特征的优化,得到电力设备故障特征分类矩阵;利用非对称性卷积层的CNN模型,实现对电力设备多种故障类型的快速识别。实验结果表明：在进行故障准确性检测时,所提方法的故障识别率平均高达87.2%、识别精准率平均高达71.06%;在不同负荷对系统灵敏性影响的测试中,所提方法在任意负荷状态下的故障识别数据计数不低于40次,优于对比方法;在对电力设备匝间短路故障位点的识别性能测试中,所提方法在任意匝间短路故障位点的故障识别数据计数均高于140次,优于对比方法。所提方法的故障识别精确度高、故障位置识别敏感性高,可促进电网安全运行和发展。     

一种改进的背景感知相关滤波跟踪算法

针对视觉目标跟踪复杂环境中的遮挡、运动模糊、形变以及背景干扰等问题,提出了一种改进的背景感知相关滤波跟踪算法,通过增加提取灰度特征(Histogram of Oriented Gradient,HOG)及颜色特征(Color Names,CN),提升了目标定位精度,并在此基础上采用多峰检测的模型更新策略抑制相似特征,解...     

基于机器视觉技术与图像分割算法的篮球行为检测

为了自动分析篮球比赛战术与策略,精准识别赛场上运动员行为,提出一种基于机器视觉技术与图像分割算法的篮球行为检测方法。采用CCD摄像机采集篮球运动员俯视与侧视角度图像,基于GrabCut算法通过K维全协方差高斯混合模型对目标与背景信息建模,提取篮球目标前景信息;构建5层次卷积神经网络,在卷积层提取分割图像的特征、融合俯视与侧视图像特征,在全连接层提取高维深度特征信息,通过Softmax分类器完成篮球行为检测。结果显示,该方法取得了理想的图像分割效果,提高了篮球行为检测精准度,降低了行为检测的时间开销。     

基于卷积网络的浮式平台人员舒适度评价

为了解决浮式平台六自由度运动对平台人员舒适度的影响,本文开展了基于卷积神经网络的浮式平台人员舒适度平台研究.基于分形学理论和统计分析方法,对实测荷载信息进行降维分析以选取混合特征参数.同时将半潜式平台运动响应简化为刚体运动,利用中心差分和矢量叠加法,推导了平台任一点处的加速度和六自由度的对应关系.针对平台运动产生的人员...     

基于改进YOLOv5的交通车辆目标检测

随着城市人口的不断增加,不同的车辆使得交通状况越来越复杂。对此番现象进行研究之后,提出了一种改进的YOLOv5深度神经网络模型来实现交通中的车辆识别与检测,将有效帮助交通管理部门分析车辆和行人的运行状况。在分析YOLOv5算法的核心后,并针对交通目标尺度变化大的特点,充分利用了YOLOv5算法检测轻量化、速度快、实时性强的性质,并在此基础上,用FPN架构改进网络结构以便适应目标尺度的剧烈变化,用改进的K-means算法选出更加适合的初始候选框,不仅提高了运行速度,而且满足了实时性和准确性的要求,最终获得了较为成功的目标检测效果及其方案。