面向光伏发电功率预报的云层图像采集与分割研究

设计了一种跟踪太阳的机械装置,能够利用全景相机采集天空图像,并确保太阳在图像的中心区域,以获取更多更有效的云层信息。依据采集图像中白色云层与蓝色天空所含颜色分量的不同,提出一种基于颜色特征的云层检测方法,可以将云层从全景图像中分割出来,并对不同类型的云层进行处理。试验结果表明,设计的图像采集装置能有效获取太阳能电站区域的天空全景图像,设计的图像处理算法能有效分割云层区域,从而为后续的太阳能预报打下基础。     

基于卷积神经网络的场景级云分类算法

遥感图像受云层覆盖的影响,使得光学卫星拍摄的遥感图像中的大量地表或地物被云层遮挡,大量下传此类云覆盖图像则严重浪费卫星对地数传资源。面向遥感图像的在轨云判应用,根据星上对不同含云量场景级遥感图像块的不同处理策略,提出一种新的云覆盖度等级场景分类准则,利用该准则进一步提出基于深度卷积网络的云图像场景分类算法,将传统图像分割算法只计算整幅图像云占比来进行云判的方式,精细到局部场景的不同级别云判,为卫星数据下传提供更精细的指示信息,更有效的利用在轨拍摄资源。通过多组实验分析,同时考虑到星上计算资源的限制,确定了合适的训练样本数量和深度卷积网络,最终证明提出的算法可以实现局部场景不同级别的精准云判。     

汶川地震前上空的地震云分析及自动检测研究

地震对于人类的生产生活有着巨大影响,如何准确地预测地震意义重大。本文利用FY-2D卫星云图序列图像研究了汶川地震前震区上空的地震云,在此基础上采用更高分辨率的MODIS数据进行地震云的检测研究,分别利用高斯马尔可夫场和高斯混合模型来实现云图的纹理分割和地震云异常检测。实验结果表明,此方法可有效检测出震区上空的地震云。     

一种几何约束目标识别方法

针对复杂背景中有几何形状且可分割的目标图像,本文提出了一种以方向编码进行抗旋转匹配,结合几何约束进行目标识别和分类的进行目标检测的方法.首先对图像分割,获得连通区域并进行标记后,对各标记块进行基于模板特征的旋转匹配方法,方法采180个编码矢量进行积相关计算,在标记块比较大的情况下,大大减少了传统相关匹配方法的计算量,获取模板最明显特征块在实时图像中的定位;然后根据目标模板各连通区域间的几何依赖关系进行几何约束计算,消除了可区分背景对模板匹配的影响.图像分割采用改进的分水岭方法实现,减少了纹理和噪声对图像分割效果的影响.最后针对目标识别的实际应用对方法的性能和误差进行了分析,给出了实验结果.     

塔式光热电镜场布置方案的研究

主要是通过MATLAB进行仿真研究,来为塔式光热电站镜场的布置提供一个参考方案。塔式光热电镜场的布置主要受到以下几种因素的影响:余弦损失、大气衰减损失、中心点距离效率、遮挡损失、地理纬度等。将余弦效率、大气衰减损失、中心点距离效率的乘积定义为镜场光学利用效率,用做镜场布置的参考。研究主要考虑纬度对镜场布置的影响,通过绘制纬度为15°、30°和40°的塔式光热电站镜场,从而对不同纬度下镜场布置做出分析。理论分析的结果表明:纬度越低,镜场达到相同功率输出时所需要的定日镜数量越少;反之纬度越高,镜场达到相同功率输出所需要的定日镜数量越多。     

基于速度特征矢量提取运动目标的图像分割方法

研究基于速度特征矢量提取运动目标的图像分割方法,根据目标图像像素移动的一致性,在序列图像中利用块匹配法进行帧间图像配准,得到目标图像块的速度估计,将具有相同速度矢量的目标图像块聚类,即可分割出运动目标。仿真实验结果表明,该方法能有效地对复杂背景下的运动目标图像进行分割,并具有较好的抗噪能力。     

一种改进的基于图像分割的立体匹配算法硏究

针对立体匹配中在低纹理及遮挡区域容易导致误匹配的问题,提出一种改进的基于图像分割的立体匹配算法.首先,采用自适应多边形窗口来对左右图像进行初始匹配,同时通过左右一致性检测得到可靠匹配点;然后根据颜色信息将图像分割为不同区域,运用得到的可靠点计算不同区域的视差模板;将得到的模板结果作为视差估计和能量函数的参考项构造能量函数,使用树形动态规划最小化能量函数计算最优视差.将该算法应用于标准库进行实验,结果表明该算法能够有效地匹配图像,具有较高的匹配精度.     

基于Kinect遮挡条件下行人的深度图像分割

针对Kinect深度图像中有遮挡条件下的多个行人进行分割算法的实时性和应用研究,提出一种双峰法和迭代法的自适应阈值改进算法,并融合平面位置关系消除重复目标的新算法。在提取遮挡行人目标的连通域后,在连通域的遮挡条件下,对行人有不同深度数据的特性计算出多个阈值,快速、有效地分割行人,对分割后深度图像用改进的消除多余目标算法使分割深度图像的结果更为准确。实验结果表明,在使用该新阈值分割和消除重复目标算法后,行人量大和行人量小时处理一帧需要60ms—70ms,正确识别率为94.8%—97.3%。从结果得出,新深度图像分割算法具有更好的实时性和鲁棒性,能良好地应用于Kinect深度图像分割中。     

直写平台定位系统图像识别程序设计

该文针对平台定位系统中的图像识别和位移计算模块展开研究。利用MATLAB的数字图像处理环境,开发了一套图像识别与处理程序,实现了从CCD读取图像、图像分割、特征信息提取、模板匹配、相对位移计算等功能。该文研究的图像均是二维图像,首采用灰度变换增强、二值化图像等方法对图像进行预处理,较好地解决了背景和噪声干扰、部分遮挡的图像匹配问题。     

CNN边缘提取在冰雹预测中的应用

冰雹是一种破坏性较为严重的自然灾害之一.结合细胞神经网络理论对雹云进行了预测研究,选取新疆几个地区的冰雹云层图像进行分析,提供了一种简单的利用细胞神经网络边缘探测方法来判别云层图像是否降雹.在MATLAB程序进行边缘探测得到图像对应的像素矩阵数据,将矩阵数据处理得到每个图像的像素强度,像素强度小于0.8的是降雹云层,大于0.9的是无雹云层.经验证细胞神经网络理论在冰雹的预测识别中是有效的.     

塔式系统圆形镜场中余弦效率分布的研究

定日镜在接受和反射太阳辐射能至吸热器的过程中,存在着诸多损失。不正当的聚光镜场布置方案将引起过量的损失,其余弦损失所占的比例最大。因而有必要对定日镜处于不同坐标位置的余弦效率进行研究。首先建立了塔式太阳能热发电中余弦效率的数学模型。其次通过对阴影和阻挡损失——聚光场密度的折衷考虑,选择规则且灵活的放射状交错排列方式,得到圆形聚光镜场。最后在圆形镜场中对夏至日不同时间的余弦效率进行仿真,并从仿真结果中得到一些结论。基于这些结论,可重新定义定日镜的布置方案和检修策略,以便于获得更多的太阳辐射能,降低其成本。     

热红外图像等温线温度场分割研究

为了改变传统电力设备检测方式,快速预测诊断出潜在故障的电力设备故障点,对采集到的电力设备热红外图像进行预处理和等温线温度场分割等关键技术,确定出热红外图像的缺陷中心位,为后期进行图像匹配,快速预测出电力设备故障点提供了良好的基础。经实践表明,研究方法达到了很好的实际效果,帮助变电站预测出了多处可能发生故障的电力设备,值得实际推广应用。     

基于分水岭变换及分层区域合并的城市高分辨率影像分割

针对城市区域高分辨率图像的特点, 以及传统的基于分水岭变换的图像分割方法中存在的过分割问题, 提出一种分割区域的分层合并方法来改进分割结果。首先采用多通道分水岭分割得到初始分割结果, 然后通过定量分析城市不同地物内部光谱变化性的特点, 对影像进行分层, 并对不同的层分别进行合并, 得到最终的分割结果。采用一景北京地区的QuickBird影像, 从目视评价、定量指标计算以及应用等3个方面, 对提出的方法进行验证和评价, 并与现有的分割方法比较。结果表明, 与现有方法相比, 基于分层区域合并的方法可得到更准确的分割结果, 适合城市高分辨率图像的分割。     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

基于图像分割和孔洞修复的三维伤口测量方法

伤口测量是临床医学研究中一项重要工作。传统的接触式伤口测量方法存在测量结果稳定性差、易造成伤口二次伤害的问题,基于2D图像处理的非接触式伤口测量方法存在精度差、无法获得伤口深度信息的问题。因此,本文设计了一种基于图像分割和孔洞修复的三维伤口测量方法。采用异源图像对齐算法解决了异源图像由于视差导致的图像像素错位问题;通过基于改进的区域生长法设计了一种交互式伤口区域分割方法,实现伤口区域精准分割;最后,采用基于RBF的三维点云孔洞修复算法进行伤口皮肤复原,从而得到伤口的最大深度、体积等三维参数。实验结果表明,本文方法的测量误差低于3%,其测量精度以及稳定性皆优于接触式和基于2D图像处理的伤口测量方法,满足临床使用以及医学研究的应用需求。     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展,更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括;然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展,详细地介绍了典型的语义分割网络模型;接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证,系统性评估其在地基云图分割的性能,验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。     

基于图像语义分割的水位智能监测方法

为了解决现有基于灰度图像分割的水位线检测方法易受水面耀光、倒影等复杂光照条件的影响,且在高洪期水尺易被漂浮物缠绕引起测量粗大误差的问题,设计了一种基于深度学习的水尺水位智能监测方法。该方法采用不同条件下采集并由人工精确标注的水尺、水面和漂浮物三分类样本图像构建数据集,训练深层全卷积神经网络,实现了对水尺图像的逐像素分类预测,最终在语义分割图像中检测水位线的像素位置,将其转化为实际水位值。试验结果表明:该方法能够克服传统方法在图像特征提取方面的不足,提升图像分割对野外复杂变化环境的适应性,实现测量有效性的识别,达到水尺水位智能监测的目的,测量的综合不确定度小于3.cm。     

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.     

一种半自动分割视频对象的方法

提出一种半自动视频对象分割方法，通过对跟踪分割视频序列的后继帧，这种方法首先采用基于块匹配和最大边缘强度的运动估值和补偿方法进行对象轮廓定位，接着采用模板匹配以特定对象知识检测对象像素，为使轮廓定位更可靠，在块匹配的运动估值中使用了彩色信息，而模板匹配则使分割结果精确化，避免误差传递，并且在出现遮挡时只要对象颜色在整个序列中一直保持相似性，就能够正确测出对象，实验结果证明这种方法能够分割复杂场景中的任意对象。