基于Parzen窗的Vague集理论用于油液原子光谱特征优选

油液原子光谱信息量大且具有模糊性,严重影响了在故障诊断中的应用效率和精度.为选择数量少、效率高的光谱特征,提出了一种光谱特征选择的新方法.基于齿轮箱实验台架,模拟了齿轮正常磨损状态和两种典型放障,并采集了油液样本.将三种磨损状态视为三个Vague集,光谱特征值视为Vague集上的Vague值.基于Vague值之间的相似...     

基于Parzen窗的油液原子光谱数据半监督FCM聚类研究

提出了一种基于Parzen窗的半监督模糊C-均值(Semi-supervised Fuzzy C-Means Based on Parzen window,PSFCM)聚类算法。根据训练样本确定出模糊C-均值(Fuzzy C-Means,FCM)的初始聚类中心;利用Parzen窗法计算出测试样本对各类状态的隶属度后,重新定义了隶属度迭代公式。通过齿轮箱磨损实验台模拟了齿轮箱的2种典型磨损故障并采集了油样。选取实验油样光谱分析数据中代表性元素Fe,Si,B的浓度值作为分析数据集的3维特征量,分别进行了FCM聚类和PSFCM聚类分析。聚类结果为:FCM聚类的正确率为48.9%,而融入了监督信息的PSFCM聚类的正确率为97.4%。实验说明,将PSFCM算法引入到油液原子光谱分析,降低了对人为经验和大量故障数据的依赖,提高了齿轮箱磨损故障诊断的准确度。     

基于小波不变矩的多类目标特征选择算法

特征选择是目标识别中的重要问题。对于有着3个参数（m,n,q）的小波矩来说更是如此。基于2类模式的特征选择思想,提出多类模式下绝对可分的特征选择算法,给出图像数值化处理中参数(m,n,q)的合理取值范围。实验结果表明：无论是对差别比较大、差别比较小还是混合型的多类目标,经过此特征提取出来的小波矩都有着较好的识别效果。     

基于形状特征的水声图像小目标识别方法

为了抑制背景噪声,提高目标识别准确率,该文提出一种基于形状特征的水声图像小目标识别方法.对含有目标的水声图像进行非局部均值去噪处理后,使用OTSU算法自适应选取阈值对去噪图像进行二值化分割,结合形态学处理获得分割后的目标区域;提取目标区域的矩形度、圆形度、几何不变矩等各项形状参数,将目标的特征向量输入随机森林分类器实现...     

基于矩的不同地面分辨率红外图像的不变量分析

为了进一步提高匹配制导精度[5],从红外成像的基本原理出发,讨论了由于红外探测器在与目标不同距离上摄取的实时红外图像的地面分辨率的不同对统计不变矩特征不变性的影响,从理论上推导出了不同地面分辨率图像的6维不变矩特征向量,以及不变矩特征匹配制导中实时图像采集过程中弹目距离需要满足的关系,仿真实验部分验证了方法的正确性和可行性。     

图像区域不变矩的快速计算方法

为了实时提取图像中任意尺寸窗口区域的不变矩,提出了一种快速计算方法。该算法通过构造一组积分图像,避免了在直接计算中出现的大量重复运算,使得图像中任一子窗口区域的不变矩都可以通过组合几个查找表运算得到。由于查找表运算的加法和乘法次数是恒定的,从而使得不同尺寸窗口区域的不变矩的计算均能在相同时间内完成。实验结果表明,该方法不会引起计算精度的损失,极大地降低了计算复杂度。对于从300×300pixels图像中提取的所有81×81pixels的窗口区域的不变矩这一任务而言,快速算法仅需31ms,比直接计算的速度提高了324倍。     

基于不变矩特征匹配的目标定位方法的实现

研究了弹道导弹在再入段的红外成像制导中存在几何失真及像质模糊的实时采集图像与基准地图的匹配定位问题。用不完全统计法证明经过平移、伸缩、旋转、加噪等多种复合变换下的图像的矩不变性,并选择6种经过消误差处理后的不变量作为弹道导弹成像匹配应用的特征量,采用Camberra距离最小法进行实时图像和基准图像的特征量匹配。实验部分验证了方法的正确性和可行性。     

基于边缘区域不变矩的缺损扩展目标识别方法

 该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

基于边缘区域不变矩的缺损扩展目标识别方法

该方法提出以基于边缘区域的局部不变矩作为识别特征,结合多神经网络实现对缺损扩展目标的有效识别。讨论了离散情况下基于边缘区域局部不变矩的平移、旋转和尺度不变性。在此基础上,建立目标多个处理区域的BP人工神经网络,利用各网络分类综合结果提高缺损目标的识别率。实验结果显示该方法能够对缺损扩展目标进行正确识别,特别对于有较大部分缺损的扩展目标识别有明显优势。     

基于矩和小波变换的目标图象识别

在图象目标的识别中,目标图象的不变矩对于具有旋转、尺度变换特性的目标具有良好特征匹配性能,但其识别准确度直接受到不变矩计算区域内的目标个数的影响.本文首先采用一维小波变换降噪并获取图象边缘,结合轮廓跟踪法(“爬虫法”)与投影法对图象进行区域分割获取各目标存在区域,再利用目标图象的不变矩进行目标识别,最后通过利用目标的主轴特性及质心变化计算目标的旋转角度及尺度变换倍率.通过仿真实验,证明方案可行且具有良好的识别性能.     

基于局部区域灰度矩图像边缘定位方法的研究

在采用机器视觉测量零件尺寸的过程中,提出了一种基于局部区域灰度矩图像边缘定位方法。该方法先利用中值滤波对采集到的图像进行处理,然后通过Prewitt算子对边缘进行初步定位,在此基础上,对图像边缘附近的9个像素的灰度值进行一维灰度矩定位,最后采用误差分析和处理的方法,获得更精确的边缘位置。实验证明,该方法能有效提高边缘检测精度,在检测分辨率为1000DPI情况下,尺寸检测误差小于2um。     

基于Hu矩和纹理特征结合的人体异常行为识别

为了提高人体异常行为识别的准确率,采用了一种将多特征结合的异常行为识别算法,主要包括对步行、快跑、慢跑、拳击、双手挥舞、鼓掌六种异常行为进行识别。首先从视频流中提取出人体轮廓,然后从所得的轮廓中提取Hu矩特征与纹理特征。最后通过模板匹配的方法,采用马氏距离度量所需识别的当前行为特征向量与标准模板行为的特征向量之间的相似性,并通过设置相应的阈值判定该行为所属类别。实验证明,该方法比提取单一特征的方法识别率高,且具有一定的实用价值。     

基于轮廓特征理解的城市道路图像深度估计

准确估计道路场景图像中的深度信息,是智能交通和机器人导航中对障碍物估计和定位的关键。基于区域特征理解的单幅静态城市道路图像深度估计算法,可以通过边缘生长图像分割算法得到一系列封闭的图像区域;然后统计每个分割区域自身的多元特征,包括区域的颜色、面积、位置,所包含的直线、垂线和平行线;基于这些特征,进一步估计道路消失点,并实现天空、垂直面和道路区域的分割和三维空间推理,最后根据典型道路的深度变化规律实现对道路图像的深度估计。实验结果表明,该算法能够有效地估计道路消失点以及道路区域内部的渐变深度信息。     

基于改进Hu不变矩的图像篡改检测算法

提出了一种针对图像的复制-粘贴篡改进行检测的方法。算法以图像子带编码为基础,利用Hu不变矩和Zernike矩的不变量对篡改图像进行检测。对图像做子带编码处理,得到近似子带(LL)图像,对近似子带图像进行Hu不变矩和Zernike矩的特征提取,用来表征图像的信息,最后采用上述特征信息进行图像的相关匹配。实验中将所提算法与极余弦变换(PCT)算法以及图像Zernik矩算法进行比较,结果表明所提算法对图像的旋转、平移攻击具有更优质的鲁棒性,提高了检测准确率。     

基于LVQ神经网络的目标识别技术

通过对目标特征的分析比较,选取不变矩作为识别特征.为了达到很好的识别效果,对不变矩做了优化处理.采用LVQ神经网络技术建立了识别模型,提高了识别速度.运用有限的样本对目标识别技术进行了测试,结果表明采用此技术后的识别成功率较高,平均约为98%,识别速度快,每幅二值目标图像的识别时间约为16 ms.     

基于Zernike正交矩的亚像素图像线宽测量算法

针对图像内的细窄线宽,提出了一种基于Zernike正交矩的亚像素图像线宽检测算法。该算法具有明确的几何模型,通过计算图像的2阶和4阶Zernike正交矩,推导出了亚像素线宽表达式。根据数字图像的离散性,给出了计算正交矩所需的模板系数,并分析了由离散性造成的原理误差。将所提出的亚像素线宽检测技术应用于安瓿内异物粒径的标定实验,结果表明:该算法可有效地测量弱小目标在图像中的亚像素线宽值,从而得到了异物粒径大小与亚像素线宽之间的标定曲线。     

基于SIFT特征和ISM的X射线图像危险品检测方法

针对行李安检时X射线图像中的危险品检测问题,提出一种基于尺度不变特征变换(SIFT)和隐式形状模型(ISM)的检测方法。首先,采集不同姿态的危险品X射线图像,并标注目标位置,构建训练数据集。然后,通过SIFT算法提取目标关键点,并以此构建目标的ISM模型。在检测过程中,将提取的目标SIFT描述符与ISM模型中的视觉描述符进行匹配,通过投票机制来判断目标是否为危险品。通过手枪和酒瓶的检测实验表明,该方法能够从X射线图像中准确检测出危险品,且对目标姿态变化具有鲁棒性。     

基于扩展目标的不变矩跟踪算法

 提出基于边缘区域的不变矩计算方法，在此基础上，针对在运动中形状、尺寸和方位不断变化的扩展目标，提出一种以不变矩作为跟踪特征，粗、精阶段相结合的相关跟踪算法，并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高，对于复杂背景，较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

基于扩展目标的不变矩跟踪算法

提出基于边缘区域的不变矩计算方法,在此基础上,针对在运动中形状、尺寸和方位不断变化的扩展目标,提出一种以不变矩作为跟踪特征,粗、精阶段相结合的相关跟踪算法,并根据目标图像的相关性给出一种新的跟踪置信度。实验结果显示算法迅速、有效、匹配精度高,对于复杂背景,较强噪声和运动状态发生变化条件下的扩展目标跟踪稳定可靠。     

基于分段轮廓平滑的目标识别

提出了一种基于分段轮廓平滑的目标识别算法.首先通过曲率将轮廓划分为特征区域和非特征区域;然后在不同区域内分别采用不同方差的高斯函数进行轮廓平滑;最后采用基于仿射不变矩的目标识别算法对平滑后的目标轮廓进行识别.结果表明,该算法不仅取得了更好的轮廓平滑效果,而且在强噪音条件下能够显著提高识别准确率.