基于BP神经网络的仓储火灾火焰识别研究

仓储环境的特殊性限制了传统火灾探测设备的探测效果.为利用现有监控设备,可将图像火灾探测方法引入仓储领域.首先将采集的图像进行预处理,得出感兴趣的目标前景.然后对前景进行特征提取.最后采用基于BP神经网络的识别方法,以提取的图像特征作为输入,对网络进行训练与仿真.实验结果表明:BP神经网络对于火灾火焰图像具有很好的识别能力;作为其输入的图像特征对于火灾火焰图像有着较好的判别效果;为减少硬件投入,采用图像火灾探测方法弥补传统火灾探测设备在仓储应用中的不足是可行的.     

飞机维修短期计划模型及其算法研究

目前对于飞机维修计划的研究,大都通过精确算法一次性完成周期内所有飞机的排班优化。本文在分析传统数学规划模型的基础上,以最大化利用两次维修之间的可用飞行时间为目标,构造了飞机维修计划优化模型。然后提出了求解此模型的启发式两阶段分解算法,第一阶段优先完成需维修飞机的任务指派,第二阶段再完成余下飞机的任务指派。利用航空公司真实数据进行的数值试验表明,两阶段分解算法能够显著提高模型的求解效率和质量,可以有效求解大规模飞机维修计划制定问题。     

基于多特征与卷积神经网络的SAR图像分类方法

针对合成孔径雷达图像的分类优化方法,提出一种基于多特征与卷积神经网络的SAR图像分类方法Canny-WTD-CNN.将Canny算子提取的边缘特征,与小波阈值去噪法提取的小波特征进行自适应融合,作为卷积神经网络的输入;以softmax为分类器,对SAR图像进行分类识别检测.最后利用MSTAR公开数据集的三类目标数据进行试验,并给出该方法与其他方法结果的对比,表明该方法的有效性,识别率达到99.14%.     

基于区域推荐和深度卷积网络的交通目标检测

为解决传统目标检测算法需要人工设定目标特征、使用滑动窗法判断目标可能区域耗时等问题,将基于区域推荐和深度卷积网络用于交通目标检测,直接从原始图像提取特征,免去了人工选取特征的环节;解决了滑动窗口法耗时的问题.首先采用Selective Search方法在源图像上生成大量的候选区域,以这些候选区域作为输入样本,训练深度卷积网络学习算法,自动进行特征提取,对每个候选区提取的特征采用SVM分类器进行分类,最后基于贪婪非极大值抑制方法精修候选框的位置.此算法通过matlab编程分别对单目标、多目标及多类交通目标进行检测实验,证明了所提方法的可行性和有效性.     

基于方向多尺度变换和统计建模的纹理分类方法

纹理是图像分析和识别中经常使用的关键特征, 而小波变换则是图像纹理表示和分类中的常用工具. 然而, 基于小波变换的纹理分类方法常常忽略了小波低频子带信息, 并且无法提取图像纹理的块状奇异信息. 本文提出小波子带系数的局部能量直方图建模方法、轮廓波特征的Poisson 混合模型建模方法和基于轮廓波子带系数聚类的特征提取方法, 并将其应用于图像纹理分类上. 基于局部能量直方图的纹理分类方法解决了小波低频子带的建模难题, 基于Poisson 混合模型的纹理分类方法则首次将Poisson 混合模型用于轮廓子带特征的建模, 而基于轮廓波域聚类的纹理分类方法是一种快速的分类方法. 实验结果显示, 本文所提出的三类方法都超过了当前典型的纹理分类方法.     

基于SVM的高分辨率遥感图像的分类方法研究

SVM(Support Vector Machine,支持向量机)分类算法是一种在高分辨率遥感图像分类中逐步得到重视的算法.首先详细介绍了SVM算法的数学原理,其次给出了基于SVM的高分辨率遥感图像分类方法的模型建立、光谱特征提取以及分类器设计,然后在AVIRIS标准多波段遥感数据集Indian Pines上进行了仿真,通过混淆矩阵和kappa系数评价了分类性能,最后以作者所在高校地区高分图像分类为例,验证了方法在高分辨率遥感图像地物分类上的有效性.     

基于深度学习的人体行为识别算法

目前,针对深度学习的人体行为识别研究,往往采用视频中的全局信息对人体行为进行分析.然而,局部信息缺失造成的特征提取不完备,同样会导致识别精度急剧下降.由此,提出了基于多流深度学习的人体行为识别方法,将人体局部信息与全局信息相结合,通过局部不同特征的精确识别,使人体行为识别更加准确.实验表明,与现有深度学习方法相比,提出的方法在数据集UCF101和HMDB51上识别精度分别平均提高了约4.0%和6.2%.     

融合注意力机制的残差网络晶体硅片分类方法

为了更好地利用晶体硅片资源,实现对晶体硅片准确高效的分类,提出了一种改进的ResNet34卷积神经网络,且用于对晶体硅片高清图像进行分类.通过拍摄晶体硅片高清图像建立自有数据集,并对其进行离线扩充来有效扩大数据集.基于ResNet34网络建立分类模型,采取自适应矩估计权重衰减优化算法(AdamW)来提高ResNet34网络的泛化能力,同时将注意力机制的方法融入到ResNet34网络中增强模型的特征提取能力,之后将改进的模型载入到晶体硅片数据集上训练,实验结果发现,所提W-ResNet34+SC-SEAM分类模型的准确率可达99.91%,比在仅利用ResNet34模型分类结果上提高了2.68%的准确率,实现了对晶体硅片的精确分类,证明了所提分类方法是可行的.     

直肠癌淋巴结转移的智能诊断研究

基于数字图像处理与机器学习等技术,对直肠癌淋巴结转移情况的诊断问题进行了研究,将肿瘤诊断分解成肿瘤区域提取的图像分割问题与肿瘤区域诊断的图像分类问题.首先,针对肿瘤区域提取的问题,根据直肠肿瘤CT图像的特点,提出了一种结合聚类和水平集方法的图像分割算法,其结果的Dice系数达到0.895 4±0.051 2,与专业医生人工提取的结果相比具有较高的相似度.然后,使用传统特征提取的方法,针对直肠癌淋巴结是否转移的问题,对肿瘤区域的CT图像进行了分类.实验结果表明,肿瘤的灰度特征与其淋巴结转移情况关联性最高,并且使用PCA降维得到的分类效果最优.最后,本文还使用深度学习方法对肿瘤图像进行了分类.本文使用AlexNet网络模型并采用迁移学习的方法进行训练,实验表明,该方法的效果优于传统方法,其F1-Score达到了0.771 9.     

基于SVM的车牌数字识别方法

运用支持向量机对车牌字符进行识别,解决了由于图像受客观条件的影响、样本数量不是很大等原因导致的识别率不高的问题.主要针对车牌字符中的数字进行实验,选取了15组数字样本,8组进行训练,7组进行测试,采用交叉验证的思想对SVM进行参数C与g的寻优,并选择合适的核函数,对样本进行训练和预测,对于某些数字的识别率可达到100%,并在相同的训练集和测试集下与BP网络的识别效果进行对比.实验结果表明,SVM在训练样本较少且无字符特征提取的情况下具有很好的识别率,并且有很好的分类推广能力.     

改进Canny算法在钢印数字特征提取中的应用

边缘检测是实现图像分割、特征提取和图像理解的基础.研究了传统Canny算子的优势与不足.在此基础上,提出了一种快速分块自适应Canny算法.方法首先按字符大小分割图像,然后在每一块上进行自适应边缘检测.自适应边缘检测是在平滑图像的同时得到高斯滤波尺度参数,然后采用Otsu方法的自适应阈值计算Canny算子的高、低门限值.实验结果表明,方法不需人工设定参数就能自动提取不同光照背景下的钢印数字边缘,而且能有效抑制噪声,与传统Canny算子相比,边缘连接程度最佳,噪声敏感程度较低,实时性较强.     

基于卷积神经网络的公安案件文本语义特征提取方法研究

公安案件文本语义特征提取指的是从案件文本中提取案件的作案方式等特征.从本质上说问题是一类特殊的文本分类问题.构建了基于卷积神经网络(CNN)的文本语义特征提取方法框架.构建了CNN文本分类模型;针对多标记特征提取问题,使用问题转换法结合CNN分类方法来提取特征;讨论了分类中不均衡数据带来的问题,改进了CNN模型中的损失函数.实证结果表明:使用的CNN模型对于文本分类的效果优于传统的支持向量机等分类模型;使用问题转换法中的二值相关法结合CNN模型进行多标记语义特征提取准确率较高;改进后的CNN模型更加适合于不均衡数据的分类,宏平均F1值有了显著的提升.     

基于排队论的内场维修设备数量确定方法

在内场车间维修设备配置研究中,为了科学合理地确定维修设备数量需求,运用排队论的基本方法,结合飞机内场维修工作特点,提出了基于排队论的内场维修设备数量确定方法,构建了相应的数量确定模型,结合实例验证了该方法可行有效.结果表明方法可以提高飞机基层级内场车间维修设备数量确定的准确性.     

有杆抽油系统工况诊断的数学模型研究

小波矩特征法是一种既能反映图像的全局信息,又能反映局域信息,并且具有旋转、平移和缩放不变形的图像特征提取方法,在模式识别中能大大提高对近似目标识别的能力.为保证油井正常生产,精确快速地诊断出有杆抽油系统的工况,基于小波矩特征和自组织竞争神经网络(SCNN)建立了一种泵功图诊断模型.利用Matlab将悬点示功图转化为泵功图,然后基于小波矩特征法提取泵功图的小波矩特征并优选出合适的小波矩特征量,使用SCNN识别诊断.仿真研究表明,模型能够可靠的诊断有杆抽油系统的工况,实现简单,准确率高,适用于现场诊断,具有一定的工程应用前景.     

持续同调在图像分类和识别中的应用

运用持续同调和单纯复形同调群计算的方法对图像做定性分析.将彩色数字图像看作为5维欧氏空间的一个子空间,构造出这个空间在不同参数下的单纯复形;然后,通过计算单纯复形的同调得到相应的条形码,从而基于该条形码来获取图像的拓扑特征以及相应的几何结构信息;最后,探讨了将持续同调应用在图像的分类和识别工作中的可行性.     

灰色系统理论在飞机操纵钢索磨损预测中的应用

钢索是软式飞行操纵系统的核心组成部件,其工作性能将直接影响飞机的飞行安全.因操纵钢索磨损问题具有典型的贫信息、小样本特点,采用灰色系统理论,建立钢索磨损量灰色预测模型,研究钢索随飞行小时数的磨损量灰色预测方法.实例分析和实际预测验证表明,灰色系统理论用于钢索磨损量预测是可行有效的.研究也有助于飞机维修从定检修理向视情维修转变.     

航空装备飞行机务准备时间估算方法研究

航空装备飞行机务准备是保持和及时恢复飞机良好状态并使之符合具体飞行任务的重要工作内容,直接影响着飞机的出动强度.以航空装备直接飞行机务准备工作为例,建立航空装备机务准备时间估算模型,对模型进行了求解,实例证明该方法对于估算飞行机务准备维修时间,优化机务准备流程,缩短飞行机务准备时间,完善机务维修保障工作提供了一种有效的途径.     

低分辨率医学图像的多图谱分割方法

基于多图谱的图像分割方法因其分割精度高和鲁棒性强,在医学图像分割领域被广泛研究,主要包含图像配准和标签融合两个步骤.目前对多图谱分割方法的研究通常都是在图谱图像和待分割目标图像具有相同分辨率的情况下展开的.然而,由于受图像采集时间,采集设备等影响,临床实践中采集的影像大多是低分辨率数据,使得目前在影像研究中广泛使用的方法无法有效应用于临床实践.因此,针对这一问题,我们结合图像超分辨率恢复方法,提出了精确鲁棒的低分辨率医学图像的多图谱分割方法,实验结果显示提出的方法显著地提高了多图谱分割方法的分割精度.     

一种新的病毒图像分类方法

提出了一种新颖的病毒图像分类方法.该方法主要利用PCANet提取病毒图像的特征,从而达到提高分类正确率的目的.首先,利用双三次插值对实验数据进行预处理.然后,利用PCANet提取病毒图像的特征.最后,采用支持向量机进行分类.实验表明,该方法极大地提高了病毒图像的平均分类正确率.     

运用DMAIC方法优化更换起动发电机碳刷流程

探讨六西格玛管理DM A IC方法在航空维修业务中优化流程、降低隐性成本、提高工作效率的作用.运用DM A IC方法(界定、测量、分析、改进、控制),识别更换D 328飞机起动发电机碳刷流程中“装机打磨”、“超声波清洁”关键过程输出变量和“换向器的辙痕深度”、“附着碳粉程度和绝缘电阻值”关键过程输入变量.优化更换D 328飞机起动发电机碳刷中“装机打磨”作业流程、“超声波清洁”作业流程,缩短了更换时间,降低了D 328飞机起动发电机周转成本.为航空部件维修由底层延伸拓展至顶层的业务流程优化,提供了有价值的参考,验证了航空维修行业推行六西格玛管理DM A IC方法的可行性.