基于OpenCV的匀速模糊图像复原与算法分析

对水平匀速直线运动造成的模糊图像进行频谱分析,估计出模糊距离,进而求得图像的点扩散函数。采用维纳滤波法和投影复原法复原图像,分析这2种算法对模糊距离的鲁棒性。采用OpenCV与MFC函数库作为软件设计基础,实现的软件系统对匀速模糊图像的复原效果比较理想。     

基于深度学习的脸部年龄预测算法

为提高脸部年龄预测的准确性,在深度学习的基础上提出一种可有效预测脸部年龄的算法。通过对人脸图像进行预处理,获取左眼、右眼、鼻子和嘴巴四个部分的局部图像,利用迁移TensorFlow深度学习库中的Inception V4模型,提取脸部图像四个部分的多尺度局部特征,并将提取的局部特征使用串联方式相连接以得到融合特征,再将不同年龄的融合特征输入双向长短期记忆中,以学习不同年龄融合特征间的相关性,进而完成年龄预测。在公开数据集FG-NET和MORPH上的实验结果表明,该算法通过利用脸部多尺度融合特征和不同年龄融合特征间的相关性,能够显著提高年龄预测的准确性和鲁棒性。     

基于DAG-LDM的手写音乐符号分类

光学乐谱识别(optical music recognition,OMR)是将纸质的音乐乐谱转化为计算机可以读取的格式。其中音乐符号分类是乐谱识别的重要一个步骤。本文并提出了一种基于DAG-LDM的手写音乐符号分类方法,该方法利用DAG有向无环图结构将二类分类器LDM拓展到多类,对于N类音乐符号,需要训练N(N-1)/2个分类器,并依照音乐符号的特征合理排序,防止DAG结构的错误累积效应,用这种DAG结构解决多类分类问题效率高,速度快。在分类器方面,相比支持向量机(support vector machine,SVM)只优化了最小间隔,DAG-LDM还优化了间隔的分布,这更符合音乐符号的样本分布特性,并且具有较强的抗噪性能。本文将这种新DAG_LDM音乐符号分类算法与几种主流的方法进行对比测试,测试结果显示本文提出的新算法对手写音乐符号分类具有更高的分类准确率。且本文提出的算法不仅仅适用于音乐符号识别,还可以用于其他的多类分类问题中。     

基于卷积神经网络的光伏逆变器故障诊断

光伏逆变器将太阳能电池板的直流电压转换为交流电压以驱动家用电器或者升压并入能源互联网,而绝缘栅双极型晶体管（IGBT）是光伏逆变器的核心组件,其状态异常将直接影响系统的正常运行。从减少传感器数量的角度出发,以直流侧的电流信号作为输入信号,设计了基于卷积神经网络（CNN）的故障诊断模型来监测IGBT的开路状态。并利用设计的Simulink模块生成的仿真数据对模型进行了训练和测试,都取得了很好的故障诊断性能。此外,还设计了不同噪声水平下的故障诊断测试,测试结果表明该故障诊断模型在噪声环境下具备有效性和鲁棒性。     

基于EMD-CNN的光伏逆变器开路故障诊断

绝缘栅双极型晶体管(IGBT)是光伏逆变器的核心部件,其若发生开路故障,不但会影响光伏逆变系统的稳定运行,且可能会损坏系统设备.从减少传感器使用数量和融合多尺度特征的角度出发,对开路故障诊断问题进行了研究,提出了一种基于经验模式分解(EMD)和二维卷积神经网络(2D-CNN)的光伏逆变器故障诊断新方法.该方法利用EMD...     

自监督瓷砖表面异常检测与定位

针对瓷砖表面异常检测中人工检测效率低、成本高和自动检测标记样本不足、漏检率高等问题，提出了一种自监督学习模型，无需大量缺陷样本，即可实现瓷砖表面常见异常的检测与定位。自监督学习通过样本扩充产生负样本，利用分布增强对比学习提高数据不规则性和扩展样本分布，进而降低对比表示的均匀性，使表示特征分布与分类目标保持一致。在自监督学习表示基础上，构建一类分类器实现了准确的异常检测与定位。实验结果表明，在异常检测标准评估度量(AUROC)准则下，该方法相比其他两种先进方法异常检测率分别提高了371%和274%；异常定位率分别提高了122%和401%，且具有更可靠的检测性能。