含噪无人机图像拼接方法

为解决传统图像拼接方法对含噪无人机(UAV)图像的拼接存在严重图像畸变的问题,提出一种基于欧拉弹性模型与加速稳健特征(SURF)算法的含噪无人机图像拼接方法.将欧拉弹性能量模型应用在无人机图像拼接的去噪预处理环节,通过SURF算法进行特征点的提取、描述与匹配,通过随机抽样一致性(RANSAC)算法进一步去除错误的特征匹配点,运用加权平均融合算法实现对含噪无人机图像的无缝拼接.实验结果表明,相比传统拼接算法,该方法能有效实现对含噪无人机图像的拼接,消除拼接图像的畸变现象,显著改善拼接图像质量.     

非负约束自动编码器在电缆早期故障识别中的应用

电缆早期故障的准确识别有助于降低电力系统的故障停电率和提高供电可靠性。在传统模式识别方法中,利于分类识别的有效特征通常难以选择,从而影响识别的准确度。鉴于此,将非负约束自动编码器(Non-negative Constrain Autoencoder, NCAE)堆叠形成的深度学习(Deep learning, DL)网络应用于电缆早期故障识别中。为了提高DL网络的学习效率,首先对故障相电流进行平稳小波变换,提取出一些具有相关性、冗余性的统计量、能量熵和信息熵等作为初级特征,其次堆叠多个NCAE构建出DL网络,通过预训练和微调机制,从初级特征中获得更易于早期故障分类识别的有效特征,最后利用Softmax分类器从正常状态和其他扰动信号中识别出早期故障。利用电缆电流仿真数据进行实验,结果表明与传统模式识别方法相比,所提方法识别准确率更高。     

基于深度图像的非接触呼吸频率检测方法

为便捷且有效地实现对人体呼吸频率的日常检测，提出基于深度图像的非接触式呼吸频率检测方法。利用Real-Sense相机获取的人体及背景的深度图像信息，根据提出的最大距离限制法与最大外轮廓提取算法分别消除空洞噪声和近距离干扰物体的影响，凸出人体深度图像；通过Zhang-Suen细化算法提取人体骨架，结合骨架关节信息实现对胸腔呼吸区域的定位；利用主成分分析算法(PCA)提取胸腔区域深度图像包含的呼吸信号数据，进一步通过峰值检测法求解人体呼吸频率。实验结果表明，该方法可有效实现对人体呼吸频率的非接触式检测，具有良好的准确性。