基于多特征的纹理特征提取方法研究与应用

纹理是图像的1种重要视觉特征,常用于识别和区分图像。纹理特征的提取则是其应用需首先解决的问题。通过总结分析目前较为常用的纹理特征提取方法,基于灰度共生矩阵(GLCM )算法、局部二值模式(LBP)算法和小波变换(DWT )算法的特点,提出基于多特征的纹理特征提取算法,即将各算法提取的特征进行融合。融合中使用权重对参数进行配置。论文设计了1种图像检索实验,通过图像检索实验比较了各算法提取的特征对纹理的描述能力。结果表明,对于Co rel图像库,笔者提出的多特征的纹理特征提取算法检索的平均查准率相对于GLCM 算法提高了20%,相对于LBP算法提高了9%,相对于DWT算法提高了10%,相对于徐少平等人提出的特征融合方法提高了15%。证实了文中所提出的算法能够兼顾各算法的优点,并具有较好的旋转不变性和尺度不变性。其不足之处是需要同时提取GLCM 算法,LBP算法,DWT 算法下的纹理特征,计算所需时间是后3种算法时间之和,使算法的实用性受到了一定的限制。      

Design of DC Partial Discharge Detecting System for Electrical Equipment

A balancing method was used to build a DC partial discharge (PD) testing circuit for electrical equipment, and a narrow-band detection system was designed using detection resistance and a filter. After signal accessed a high-speed digital acquisition (DAQ) card, the system was triggered to extract a single partial discharge (PD) signal. To eliminate the interference pulses caused by power supply ripple, etc., the time domain and frequency domain features of pulses were extracted. Based on the features, cluster analysis was used to exclude interference pulses. Two-dimensional and three-dimensional histograms were obtained by use of the Δt method. Then, 22 discharge statistical operators were calculated for the two-dimensional charts. Lastly, the defective system is capable of PD detection in electrical equipment.     

Support vector machine-based fuzzy rules acquisition system

This paper proposes a support vector machine-based fuzzy rules acquisition system (SVM-FRAS). The character of SVM in extracting support vector provides a mechanism to extract fuzzy If-Then rules from the training data set. We construct the fuzzy inference system using fuzzy basis function (FBF). The gradient technique is used to tune the fuzzy rules and the inference system. Theoretical analysis and comparative tests are performed comparing with other fuzzy systems. Experimental results show the SVM-FRAS model possesses good generalization capability as well as high comprehensibility.     

二维激光雷达数据角点特征的提取

为增强无人车识别行驶环境中角点特征的鲁棒性, 并提高角点特征的识别速度, 基于观测点的二变量正态概率密度映射之间的相对差值, 提出了一种角点特征提取方法; 将观测数据组映射到二变量正态概率密度空间, 获得每个观测点的映射; 对映射结果进行归一化, 消除协方差引起的数值差异; 在映射数值曲线中寻找波峰与波谷的位置, 波峰对应的观测点最接近均值点, 波谷对应的观测点最接近拐点; 利用波峰和波谷的相对高度判定该组观测数据是否符合角点特征的边长要求; 用波谷对应的原始观测数据点坐标作为角点特征, 构建环境特征地图。试验结果表明: 提取方法能够处理观测点数大于63, 观测点角度分辨率大于1°的稀疏观测数据, 在大尺寸室外环境和室内环境中, 提取方法都能够稳定识别大型角点; 对小于180个点的观测数据, 最大处理时间小于5ms, 平均处理时间小于1.9ms, 提取方法减少了构建环境特征地图的时间; 提取方法依据观测数据的二变量正态概率密度提取角点特征, 对观测误差和角点特征的尺度与形状不敏感, 能够有效提高角点特征的识别鲁棒性。      

基于核Logistic回归的乐器音乐辨识

基于统计学习的音频分类具有理论基础坚实,实现机制简单等特点受到广泛关注并被很多音频分类系统所采用。本文对核Logistic回归算法(KLR)进行了深入分析,提出基于KLR的音频分类器设计方法,应用其解决同类型的乐器音乐分类问题。结合所采集的小提琴中提琴和大提琴的音乐信号样本进行了分类仿真试验,并与传统的Logistic回归(LR)和支持向量机(SVM)进行对比。结果表明,核Logistic回归模型具有较为优越的分类性能和非线性处理能力。     

基于特征提取和XGBOOST的电动重卡电池故障预警方法

电池包经常处于深度放电状态会极大地影响电池寿命,在严重情况下甚至会导致停车故障,传统故障诊断方法难以判断电池潜在故障以及故障发生程度。因此,本文提出了一种基于特征提取和XGBoost的电池故障预警方法。该方法对电池数据进行预处理,根据电芯端电压构建新的特征,对电池数据进行标注,建立XGBoost预测模型来预测电压故障,判断动力电池是否欠压。此外,还采用K折交叉验证以及随机搜索算法提高预测的准确性。实验结果表明,该方法可以有效区分故障车和正常车,并提前定位故障发生时间,从而避免潜在的事故风险。     

基于SRM分割和分层线段特征的船舶目标检测方法

针对高分辨率遥感图像细节丰富、纹理复杂,分析困难的问题,且船舶长宽比特征是一个很重要的特征,提出一种基于SRM分割和分层线段特征提取的船舶目标检测方法.利用分层线段搜索更新以及合并附近在阈值下的线段进行快速检测船舶目标.实验结果表明,该检测方法能够有效地检测出高分辨率遥感图像的船舶目标,不需要太多的参数和训练样本,且采用分层线段特征提取方法的性能优于其他常用方法.     

肿瘤图像病理诊断系统的设计

计算机辅助的肿瘤病理诊断与分析是提高病理医生工作效率的主要手段.提出了肿瘤病理诊断系统的软硬件结构,针对图像分割、图像边界跟踪和图像特征提取等功能进行了详细设计.实验结果表明,系统很好地完成了细胞图像的分割、细胞边界跟踪和重要细胞特征参数的提取,为病理医生识别病灶提供了客观依据.     

基于辐射噪声能量分布的舰船目标分类算法

有效的特征提取技术是水中目标识别的基础.为提高基于舰船辐射噪声的水中目标识别准确率,选用小波变换完成信号预处理和滤波,并在信号变换后的多尺度子空间上提取信号特征参数,归一化处理后构建分类特征向量,最后用支持向量机算法进行训练和测试.仿真结果表明,利用小波变换的多分辨率分析方法和支持向量机算法对舰船辐射噪声信号进行分类识别,特征提取算法有效,分类速度较快.     

基于云计算的舰船信息检索系统关键技术研究

为了提高舰船定位识别和信息融合能力,进行舰船信息检索优化设计,提出基于云计算的舰船信息检索系统设计方法,采用关联规则特征提取方法进行信息特征提取,采用高阶统计量分析方法进行舰船信息融合处理,结合模糊C均值聚类方法进行舰船信息的隶属特征分类处理,在云计算环境下实现舰船信息的分类调度和信息分区检索。仿真结果表明,采用该方法进行舰船信息检索的查准率和查全率较高,抗互信息干扰能力较强,具有较好的信息挖掘检索能力。