基于分数阶微积分正则化的图像处理

全变分正则化方法已被广泛地应用于图像处理,利用此方法可以较好地去除噪声,并保持图像的边缘特征,但得到的优化解会产生"阶梯"效应.为了克服这一缺点,本文通过分数阶微积分正则化方法,建立了一个新的图像处理模型.为了克服此模型中非光滑项对求解带来的困难,本文研究了基于不动点方程的迫近梯度算法.最后,本文利用提出的模型与算法进行了图像去噪、图像去模糊与图像超分辨率实验,实验结果表明分数阶微积分正则化方法能较好的保留图像纹理等细节信息.     

图像处理的结构层次建模

图像处理是应用广泛的现代工程技术 ,但直到现在尚无完备的数学模型体系 .依结构层次观点对其数学模型化进行探索 ,给出了图像处理的结构层次模型 ,将图像处理与数学科学中的常见数学理论联系起来 .同时 ,对目前常见图像处理器进行数学模型描述 .     

基于组合预测的变压器故障诊断模型

为了快速准确地预测出变压器的故障类型,及时做好维修工作,本文提出了一种基于非线性规划的组合预测模型.首先,利用改进的鲸鱼算法优化BP神经网络建立IWOA-BP预测模型;然后,在IWOA-BP预测模型和梯度提升树的基础上,利用非线性规划与遗传算法相结合的方法确定各算法的权系数,再将各算法的结果加权得出组合模型的最终预测结果.通过实例验证,IWOA-BP预测模型的变压器故障预测效果强于BP神经网络、随机森林等多种预测模型,并且利用IWOA-BP预测模型和梯度提升树建立的组合模型,其预测准确率高于组合中任意一种算法.     

基于Matlab灰色神经网络的电力变压器故障诊断研究

针对电力变压器故障的特点及传统诊断方法在变压器故障诊断中的局限性,提出了基于灰色神经网络的变压器故障诊断方法.首先将典型油中气体浓度样本集作为参考序列,挖掘出样本集中的故障信息,然后利用灰色神经网络进行变压器的故障诊断.通过大量的实例,并将诊断结果与IEC三比值法和改良三比值法的诊断结果相比较,表明基于matlab灰色神经网络的诊断方法具有更高的精确度.     

一种电力变压器铁芯柱截面优化设计的模型

首先分析了电力变压器铁心柱制造的特点,以铁心柱外接圆为650毫米时建立了非线性的数学规划模型.并用Lingo10.0软件求解了该模型,从而得到了电力变压器铁心柱截面的优化设计方案,方案有模型简单和计算速度快等特点.     

基于面积约束的统计直方图曲线拟合

我们提出用分段三次Hermite插值曲线拟合统计直方图的新方法.先根据统计直方图的特点选取Hermite插值曲线在插值点处的导数值和可调整的插值点,然后根据面积约束确定调整值,从而得到拟合曲线.所得拟合曲线与统计直方图有面积相等的约束,并且拟合曲线是C1连续的光滑曲线.所给方法简单、实用.     

基于模糊分类的多维定性数据的统计分析

在多维定性数据处理的问题中,不仅要研究变量之间的关系、样本之间的关系,还需研究样本与变量之间的关系,从而对潜在样本群子结构水平及其类型特征进行分析。本文采用对偶标度统计方法利用设计矩阵变换将原始多维定性数据进行类型特征分析,并在此基础上建立了基于模糊分类的直方图,表现出了潜在样本群的特征及其子结构之间的差异与联系。文章以分析儿童主体品质发展规律为例,说明此方法的有效性。     

基于图像处理的枪弹头痕迹自动匹配方法

针对子弹自动自动匹配问题,首先利用子弹表面为圆柱面的假设,对采集得到的数据进行误差校正,然后将圆柱面上的深度数据展开到平面上,用经典的中值滤波和平滑算法去除噪声,良好的数据预处理算法对后续的特征提取和子弹匹配起到了重要作用.一方面将z轴数据映射到二维图像上,提出了基于统计的鲁棒的互相关性系数准则,另一方面,对三维数据进行可视化操作,显示划痕条数、划痕宽度等宏观特征,二者结合起来对子弹进行匹配.实验表明,方法取得了良好的效果,具有高达80%以上的识别率.     

基于GeoGebra的数学可视化教学研究——以《总体分布估计》为例

以“总体分布估计”一课为教学案例,创设统计数学实验任务;依托GeoGebra平台,通过构建动态统计模型,将探究问题可视化呈现,促进学生合作学习及动手能力,发展了学生数据分析、数学建模及逻辑推理等数学核心素养.     

基于GPRS的黄河冰凌图像远程测报系统设计

基于当前成熟的移动网络覆盖技术,设计了一种新型的冰凌图像远程测报系统.系统利用监控类摄像头获取河道现场冰凌图像,通过移动GPRS网络实时传送到监控中心,实现对黄河冰凌的实时远程监测预报.通过特定的图像处理方法与软件,冰凌图像测报系统不仅可以在线实时浏览黄河河道现场的实时图像,还能获得被监测河道河面的瞬时冰凌分布密度和流速等重要参数,从而为凌汛预警和防凌决策部门提供第一手河道现场资料.     

基于PDE模型的图像处理方法

介绍了异质扩散偏微分方程 ( PDE)和几何驱动 ( GD)图像处理新方法 .对照传统滤波方法 ,分析了PDE和 GD方法的优点 ,并给出用于模糊和噪声图像恢复处理的两个模型     

基于改进遗传算法的自动阈值图像分割方法

图像分割技术在图像分析和图像识别上具有重要意义.传统自适应遗传算法有可能使问题求解陷入局部最优解,而求得错误的图像分割阈值.为了得到最优的图像分割阈值,对交叉率和变异率公式进行了重构,使得交叉率和变异率在任何情况下都不为零.同时,以最大二维熵函数作为适应度函数,采用选择、交叉变异等遗传操作作搜索最优分割阈值.仿真实验表明,该方法可以有效地提高图像分割精度和计算速度.     

基于上下文光谱角映射的无监督图像变化检测方法

对传统遥感图像变化检测方法未充分利用像素上下文信息的问题,提出一种无需关于像素的概率分布假设、基于上下文光谱角映射的无监督图像变化检测方法.方法避免了在图像分析过程中将像素看作独立单元,通过引入图像的空间上下文信息特征,在对像素变化类别的判别测试阶段加以利用,从而达到提高变化检测精确度的效果.对卫星图像的实施过程首先利用上下文光谱角映射创建一幅相似图像,然后用K均值聚类算法将其分为有变化和无变化的两类来生成映射图像.实验从定量和定性的两方面与最大似然估计法(MLC)比较,结果显示所提方法比已有方法有所改进,对于二时刻图像和多光谱图像的变化检测问题有更好的适用性.     

一种基于物体质心的图像自动化校准方法

图像校准是将任意相邻两图像都具有公共部分的一列图像合成一副全图的图像处理过程.而图像自动化校准的难点在于对一组图像公共部分特征信息的提取和自动匹配,尤其是自动匹配和图像校准的误差分析.本文基于放射变换不变性,给出了一种基于特征信息质心的自动匹配方法,与目前国际上主流特征提取和特征校准方法相比,本文方法较准确,且适用于卫星图片及一些MRI和CT 图片.本文方法的另一优点是具有线性计算复杂度.     

Network Flow Models in Image Processing

Two problems in image processing are presented: chromosome classification and the construction of cross-sectional images from non-cross-sectional views. Both problems are formulated as network flow models, a type of model generally found in the O.R. setting. This shows the applicability of such O.R. techniques to problems of intelligent information processing.     

基于L-M算法的电压互感器状态监测

电力系统发展中,互感器的运行管理相对注重长周期的检测,缺乏完整的安全监测与运行状态评估体系,从而导致因互感器异常而出现偏差的结果.因此,从数据的角度对互感器的测量数据进行挖掘与探索,将已经得到的测量数据通过潮流计算方程,利用L-M算法计算出对应的状态评估数据;而后利用一段时期的历史状态评估数据以及测量数据之间的误差关系,做出误差分析与判断,得到目标互感器的系统误差与随机误差,实现互感器监测与评估的整个过程.     

基于多重共线性的处理方法

多重共线性简称共线性是多元线性回归分析中一个重要问题。消除共线性的危害一直是回归分析的一个重点。目前处理严重共线性的常用方法有以下几种:岭回归、主成分回归、逐步回归、偏最小二乘法、Lasso回归等。本文就这几种方法进行比较分析,介绍它们的优缺点,通过实例分析以便于选择合适的方法处理共线性。