基于机器视觉的玉米行导航线提取方法

提出一种利用玉米行快速、准确地提取农业机械导航线的方法。提取Cg灰度图像,利用最大类间方差法自动分割后,得到二值化图像,结合形态学和八邻域算子去除二值化图像的噪声。针对传统方法提取和分类特征点需要设置距离阈值的不足,利用高斯滤波算子对垂直投影曲线进行平滑处理,利用特征点的位置特征自动提取得到特征点,然后自动归类特征点,并利用稳健回归法线性拟合特征点得到导航线。统计试验表明:该算法处理一幅640×480像素的图片平均耗时108 ms,准确率为92%,具有实时性好、准确率高的特点;同时,算法对于杂草较多的复杂环境具有良好的鲁棒性,可为防治玉米病虫害的农业机械提供视觉导航。     

一种基于消失点和颜色过滤器的车道线检测算法

针对经典霍夫车道线检测方法实用性较差,无法准确区分车道线和路沿与应用道路场景简单等问题,提出 了一种基于消失点和颜色过滤器的车道线检测算法,不仅提高车道线检测的准确率,而且能够应用较复杂行车场 景;首先,对行车视频连续五帧图像进行预处理,获取行车环境下车道线消失点位置,能够自适应选取行车环境图 像的感兴趣区域(Region of Interest,ROI);然后,对 ROI 图像根据车道线颜色特征进行过滤得到二值图像,获取二 值图像中所有连通区域质心和倾斜角等数据,通过结合消失点特征和角度阈值进行限制,筛选记录符合车道线特 征连通区域的数据,接着分割较大区域获取更多质心点,识别漏检符合车道线特征的区域质心点;最后,对获取的 质心点使用最小二乘法进行拟合并标识车道线;实验结果表明:算法能够在多场景道路上快速准确的检测出车道线,与经典霍夫算法进行仿真比较,算法具有一定的鲁棒性和实时性。     

焊缝结构光图像处理与特征提取方法

为实现焊缝磨抛自动化,将双CCD相机与激光器搭载于磨抛机器人上,构成机器人视觉导航和检测系统。根据机器人与焊缝特征点之间空间位置的相关性,构造动态感兴趣区域(ROI),提出了一种提取焊后焊缝结构光特征线的快速算法,该算法可将图像处理区域缩小到原来的1.49%,从而极大地提高了运算效率。在动态ROI内,对图像进行分析,针对焊缝结构光图像的特点,对图像的预处理过程进行了优化,采用动态高斯平滑模板处理直方图,改进了阈值计算方法。在此基础上,提取焊缝激光带的特征线,并进行了实验研究。研究结果表明,视觉系统稳定可靠,提出的算法能够快速地锁定动态ROI,可准确地提取结构光特征线,从而为磨抛机器人视觉导航和检测奠定了基础。     

基于改进SegNet算法的车道线检测方法

无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,本文提出一种利用改进SegNet网络算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet网络算法改为非对称结构对车道线作逐像素提取：利用卷积与池化提取车道线特征,摒弃传统的车道线聚类过程,利用二值化图像结合连通域约束与关联对车道特征点进行分类,最后对相同类别的车道特征点进行车道线拟合。该算法在香港中文大学的 CULane 数据集和图森未来的TuSimple数据集上进行了训练与测试,该算法对车道分割准确、实时处理能力优秀,检测识别效果优于传统SegNet网络算法,其平均检测精度为 94.60%,每帧检测耗时提升53毫秒。     

脉搏波图像的包络线提取与特征点跟踪

针对传统包络线提取需要手工绘制的问题,提出一种自动识别多普勒超声图像包络线方法.该算法首先对脉搏波图像进行ROI区域裁剪,然后利用最大类间方差阈值法二值化图像,结合形态学方法和Sobel算子边缘检测提取脉搏波的包络线,最后采用多门限阈值法判断和分析脉搏波特征点,实现了对脉搏波图像包络线提取和对脉搏波特征点的精确定位.     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

基于最小二乘法的曲线导航线提取算法

针对视觉导航中的曲线导航线提出了一种基于最小二乘法的导航线提取算法。首先通过图像分割将原始图像转化为二值图像,其中导航线对应像素点标记为1,再通过最小二乘法拟合这些导航线对应的像素点得到导航线方程。实验结果表明新算法不仅能较好的提取曲线导航线而且对直线导航线也能适用。     

SURF算法在局域盲人图像导航中的应用

局域盲人图像导航即在建立基准图像信息特征库的基础上,对实时拍摄图像提取特征并与基准图像特征库进行匹配,得到相应地理信息并语音输出给盲人,从而实现导航的一种方法。本文基于SURF算法对图像特征进行匹配,首先提取SURF特征点,然后采用Hessian矩阵迹快速索引匹配以及匹配点距离差平方和的相似性度量方法进行匹配。实验表明SURF匹配算法优于SIFT匹配算法,并可实现快速、鲁棒、准确匹配,为实现盲人局域图像导航奠定理论基础。     

多元量化SIFT视觉特征提取方法

视觉特征提取质量决定了UCAV认知导航的效能。为实现UCAV认知导航的高鲁棒性特征点提取，提出一种特征点优选的多元量化MQ-SIFT方法。针对SIFT模拟特征序列分布不均匀、正确匹配率不高的缺陷，提出采用多值量化与比特抽取结合法对模拟特征序列进行多元量化，并且分析验证了该方法的优越性能。为确保高鲁棒性特征点用于认知导航，对特征点进行了优选，给出了优选准则，提出了搜索最大连通集的改进迭代互欧氏距离方法。仿真结果表明：在图像信噪比大于10 dB时，MQ-SIFT算法及其优选的特征点具有较高的正确匹配率，并且其匹配率能够满足认知导航系统需求。     

基于多种连通域特征的结构表面裂缝提取方法

针对传统裂缝图像信息提取方法的局限性,提出了一种基于多种连通域特征的工程结构表面裂缝提取方法.在采用最大类间方差(Otsu)法对原始图像进行初始分割的基础上,对裂缝图像的连通域面积、最小外接矩形长宽比和连通域内最远距离等连通域特征参数分别进行K-means聚类分析,得到了裂缝目标和噪声背景区域的连通域特征参数分布范围;进而建立了一种新的裂缝信息提取方法,并给出了具体算法流程.该方法与其他方法对比验证表明:该算法计算得到有效性评价系数平均值为0.039 3,比其他方法具有更强的抗噪性和适用性.     

基于特征迁移和深度学习的配电网故障定位

故障诊断对电力系统的稳定运行至关重要。当配电网的拓扑结构发生较大变化时,难以获取大量带有标签的暂态数据,导致传统的故障预测模型精度难以提高。针对此问题,提出一种将特征迁移和深度学习相结合的配电网故障诊断新方法。首先,采集配电网不同线路的零序电流构造故障特征集;其次,引入加权半监督迁移成分分析方法(semi supervised migration component analysis,SSTCA),利用混合核函数将不同拓扑结构下的特征样本映射到同一特征空间中,缩小数据间的分布差异性;最后,将映射后的源域样本输入到卷积神经网络中进行分类训练,并测试映射后的目标域样本。通过Simulink仿真表明,在改变配电网拓扑结构的新场景下,文中所提的特征迁移方法与其它方法相比,对目标域故障定位精度最高且达到98%以上。     

基于论域划分的无监督文本特征选择方法

由于缺乏类信息,使得无监督文本特征选择问题一直未较好地加以解决。为此,对该问题进行了研究并提出了一个基于论域划分的无监督文本特征选择。该方法主要是把论域划分的思想引入到无监督文本特征选择之中,其首先使用一种新型无监督文档进行文本特征初选以过滤低频的噪声词,然后再使用所给的基于论域划分的属性约简进行文本特征优选。实验结果表明这个方法能够克服文本聚类时缺乏类的先验知识的不足,可以较好地解决无监督文本特征选择问题。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

基于粗糙集决策树算法的研究

传统的决策树方法在实际应用中存在很多不足,如生成树规模过大,抗噪性较差等,因此,提出了将变精度粗糙集和混合变量集算法应用于决策树分类中,通过变精度和混合属性集分类减小树的规模和过度拟合问题,降低了噪声数据对属性选择的影响,并通过实验证明该算法与传统的算法相比具有较大的优越性。     

基于机器人的地下电缆巡检与故障定位装置设计

为了克服传统电缆故障检测方法效率低、故障与异常点查找困难、不能对故障隐患进行早期预测等缺点,设计了基于机器人的地下电缆巡检与故障定位系统,该系统不仅可以发现故障隐患,预防恶性事故的发生,还可以实现对短路、断路等故障的快速、准确的识别和精确定位.侧重介绍了地下电缆巡检与故障定位系统的组成、工作原理、故障检测与定位方法、机器人的选型、温度传感器的选型等内容.工程实践表明,该系具有结构简单、可靠性高、工作稳定、故障处理速度快等优点,可用于通信、航空、航天、工业等多种领域.     

特征选择中的一类遗传序优化算法

针对模式识别中特征子集的选择存在组合优化的情况,采用了一类遗传序优化算法,以序优化思想为指导,对传统遗传算法中的参数及操作进行改进.利用有限的计算资源寻求复杂特征选择问题的近似最优解,从而有效地降低了特征维数,加快搜索到最优特征子集的速度,为特征选择问题提供了一种新的处理方法.通过Matlab仿真,对美国加州电力市场的实际数据进行预测.结果表明,月平均误差不超过2.62％,因此该算法在电力负荷预测方面有很强的实用性.     

基于多生理信息迁移学习的脑力负荷分类

在复杂的人机系统中,保持对实验人员脑力负荷状态的监测对于维护人机系统的安全、高效运行具有极为重要的理论和应用意义。针对现有脑力负荷分类方法识别率低及实际应用时测试样本数据偏移问题,本研究提出采用迁移学习及脑电和心电特征融合的脑力负荷分类识别方法,基于多任务航空情境操作的MATB-II平台同步采集12名健康受试者的脑电信号和心电信号,分别从时域和频域上提取各生理信息特征并进行融合,在此基础上引入迁移学习,基于迁移成分分析(Transfer Component Analysis,TCA)方法进行特征空间变换,实现源域和目标域的边缘分布适配,并进行脑力负荷分类。实验结果表明,基于多生理信息特征融合识别率高于传统脑力负荷识别方法,使用迁移学习可取得较高的识别准确率,为多生理信息脑力负荷分类研究提供了新方法。     

基于两级结构的电网运行断面特征选择与在线生成

为解决利用机器学习算法在线生成电网运行断面时所面临的特征因素“维数灾”问题,提出了一种基于两层模式的电网运行断面特征选择与在线生成方法。上层为过滤式特征选择层,采用Fisher分和信息增益两种特征选择指标对初始因素集进行筛选,重点剔除重复因素和无关因素,输出基础因素集。下层为包裹式特征选择层,利用序列后向搜索算法,进一步分析电网运行断面与运行参数之间的内在关系,生成特征因素集,同步形成基于该特征因素集的运行断面生成智能体。基于某地区电网实际数据构造的算例表明,本文方法能大幅降低特征因素“维度”,与初始因素集相比缩小90%以上,基于该特征因素集的智能体能在10秒中内在线生成运行断面,准确性评价指标达到95%,能够满足电网实时运行控制辅助决策的需要。     

基于扩展的情感词典和卡方模型的中文情感特征选择方法

根据经典的特征选择方法在中文情感评论文本中应用的缺陷和不足,提出了一种改进的中文情感特征选择方法.目前,现有的情感特征选择方法普遍只利用了特征项在褒贬类中的统计信息,忽略了情感极性值对特征选择的影响;同时情感文本中否定词会带来特征项情感极性反转的情况,为特征选择带来较大的负面影响.针对这些问题,首先对情感文本中的否定词进行了检测和判定,对否定词界定范围内的情感特征词进行反义变换处理,有效的解决了情感文本中极性反转的问题.同时还将特征项的情感极性值和其在类中的频率特点两个因素融入到卡方特征选择模型(CHI)中,从而提升了卡方模型在文本情感特征选择的效果.实验结果表明,本文算法较其他算法在多个领域数据集上的情感分类准确率提高了1.5%左右.