基于独立分量分析的热波检测图像增强

热波检测中直接获取的原始热图序列存在"高噪声、低对比度"等问题。为了抑制噪声的不良影响,提高热波方法检测缺陷的能力,基于独立分量分析方法对试验获取的热波图像进行增强去噪处理,采用性能指数对图像的增强效果进行评价。图像增强结果表明该算法较好地保留了原图像的信息,获得了较好的去噪效果。     

红外图像增强方法的研究

为解决对比度差、边缘细节模糊等问题,提出了用分段增强法提高红外图像对比度.分段小波增强算法能有效地同时增强红外图像对比度及边缘细节,并抑制噪声.建立了表征图像边缘的特征向量.根据红外图像边缘的特征,准确提取红外图像的边缘.通过神经网络边缘检测法对样本集训练,使网络具有依据边缘特征向量求解场景中物理边缘的能力.实验结果表明神经网络边缘检测算法的精度优于其他算法,抗噪声能力强、边缘定位能力强、检测精度高.     

基于光声光热检测的反演技术在热波成像及缺陷分析方面的应用

从样品表面光声光热信号出发,利用一种类似Newton迭代的反演算法和正则算法对内含缺陷的样品的热学参数予以深度剖面重构.引入一种简单且行之有效的数据处理方法对重构数据进行处理,最终实现对试样的热波成像和缺陷分析.数值模拟的结果证明了该方法的有效性及在噪声扰动下的稳定性和实用性.     

基于对比度增强与小波变换相结合的红外与可见光图像融合算法

针对红外与可见光图像在传统离散小波变换的基础上,提出了一种基于对比度增强与小波变换相结合的红外与可见光融合算法.对红外图像进行对比度增强和去噪预处理,选取最佳小波基,分别对红外与可见光图像进行多尺度小波分解,提取两张图像的高频与低频分量,高频与低频取绝对值最大,对高低频分量进行小波逆变换重构图像.实验结果表明,该算法能够有效地获取边缘等细节信息,得到较高清晰度和对比度的融合图像,其边缘强度、信息熵、标准差、清晰度等客观评价指标均优于传统的PCA、Laplace金字塔和离散小波变换等算法.     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

基于噪声估计的钢材表面图像增强与缺陷检测

低光照低对比度的钢材表面图像(low-light and low-contrast steel surface images, LCSI)往往被大量噪声污染，给检测和识别带来很大的困难，导致缺陷的识别率很低。为了解决这一问题，本文提出一种基于噪声水平估计(noise level estimation, NLE)的钢材表面图像分解增强算法。根据快速的噪声水平估计确定总变分（total variation, TV）正则化的平衡因子，将低光照低对比度的钢材表面图像分解成基础层和细节层，利用视网膜大脑皮层理论（retina+cortex,Retinex）模型将基础层分解为光照分量和反射分量并分别增强使光照均衡化。对于包含更多图像细节（缺陷）和噪声的细节层，使用高斯滤波抑制噪声后，再对细节进行增强并与增强后的基础层重构得到高质量的输出图像。最后利用最新的基于Canny边缘检测和基于大津算法（nobuyuki Otsu method, Otsu）对增强的钢材表面图像进行缺陷检测。实验结果表明：增强后的缺陷识别率比最新的方法提升至少15%以上。     

一种边缘优化的红外与可见光图像模块化融合方法

针对红外与可见光图像融合中出现的对比度较低和图像模糊的问题,提出了一种边缘优化的模块化融合方法.首先,对红外图像进行局部对比度自适应增强,突出红外图像中的目标;然后分别对红外图像和可见光图像进行HSV色空间变换,在亮度分量中,对其进行边缘细节增强的模块化融合,进一步突出红外图像中的目标轮廓;最后,结合可见光图像的色调和饱和度分量,经过RGB色空间的转换,获取融合后的图像.结果表明,与简单加权平均算法和小波融合算法的融合结果相比较,该融合算法能够较好的保持原图像的细节和目标信息,图像的对比度和清晰度也有较大的提高.     

基于PCANN的BP神经网络话者识别系统

本文利用主分量神经网络分析法(PCANN)和反向传播神经网络,提出了一种具有较强自适应性和较高识别率的说话人识别方法.在此算法过程中,主分量分析法主要是对语音信号的原始特征作分析以得到更好的特征参数;BP神经网络则是作为一个分类器对说话人进行分类.文章将主分量分析与BP神经网络相结合,提高了识别的正确率,增强了系统抗噪声能力,减少了训练时间和计算量,同时简化了网络结构.     

基于PSO-BP神经网络的红外无损检测缺陷定量识别

为解决红外无损检测缺陷定量识别困难的问题,提出了一种粒子群算法(PSO)优化反向传播(BP)神经网络的缺陷定量识别方法。以最佳检测时间与最大温差为模型的输入,孔洞缺陷的深度与直径大小为模型的输出,建立粒子群优化的BP神经网络缺陷定量识别模型。使用ANSYS软件对带有平底孔洞缺陷的金属平板进行脉冲热分析,提取金属平板检测表面的最大温差与最佳检测时间,作为神经网络模型训练与检验的数据样本,使用神经网络进行预测。计算结果表明:预测值的最大误差为5.5%,最小误差为1%,证明了粒子群优化BP神经网络方法进行红外无损检测定量识别的可行性。     

基于稀疏重构的跳频信号检测方法

针对复杂电磁环境下跳频信号的检测问题,提出了一种基于稀疏重构的跳频信号检测方法,首先采用近似l0范数算法对含有干扰的跳频信号进行稀疏重构,采用拟牛顿法求解无约束多维最优化问题,然后对得到的时频图的频率分量进行二值形态学滤波以去除干扰和噪声,最后通过统计匹配信号的个数完成信号的检测。同时为提高算法的自适应能力,在选取二值化阈值时采用最大类间方差法。理论分析和仿真实验表明该算法在较低信噪比下仍能克服干扰和噪声并较好地保存各跳,实现对跳频信号的检测。     

基于形态学方法的工件表面缺陷红外热像检测技术

提出一种基于形态学理论的红外热像分割方法,用于工件表面缺陷的自动检测。首先在含缺陷钢制试件红外热成像检测试验的基础上,对工件的红外热像进行灰度化、高斯高通滤波、对数变换和二值化等方法相结合的增强处理;然后采用形态学方法,基于缺陷的空间连续性和缺陷与噪声的尺寸差别,设定连通分量所含像素数的阈值,最终实现红外热像的有效分割。结果表明,新的红外热像处理方法可以实现缺陷位置和形状的精确检测,可作为含缺陷部件的红外检测和自动识别手段。     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。     

脉冲热源激励金属板材缺陷的红外热波检测

以含有盲孔缺陷的金属板材试件为研究对象,在闪光灯脉冲热源激励下对试件内部热流的传递过程进行了有限元仿真。在检测参数和分析参数给定条件下,利用脉冲红外热波检测系统测得试件表面最大对比度原始热图,应用FFT变换方法分析了原始热图序列的幅值图和相位图。结果表明,试件表面的最大温差越大,缺陷越容易检测,幅值图的信噪比较大而相位图的探测深度较深。该方法提高了脉冲红外热波检测技术的探测能力。     

改进的基于PCA的软件缺陷预测方法

为了避免在变量多重情况下基于PCA的软件缺陷预测出现明显失误,对传统PCA方法的缺陷加以改进,利用UML软件工程组织网站上公布的某中等规模软件公司项目功能点数据,采用改进的PCA方法对项目综合性能进行软件缺陷预测,并与传统PCA方法的预测结果进行了对比．结果表明,改进的PCA方法对软件系统的综合性能有较好的预测能力．     

基于相空间重构和核主分量的水声信号增强

多径衰落是水声信道的主要特征,利用多径衰落信道具有的混沌行为,提出一种新的抗多径干扰的方法.建立基于混沌相空间的水声信道模型,利用核技巧φ(x)·φ(y)=k(x,y),通过核主分量分析提取相空间数据中累积贡献率达到90%的非线性核主分量,然后利用核主分量逆向投影回原相空间,通过去掉噪声干扰等次分量,提高水声衰落信号的信噪比.基于实测水声数据的仿真实验结果表明,该方法能将chirp水声信号信噪比提高7.76 dB,达到对多径衰落水声信号增强的目的.      

基于PCA和DWT的强鲁棒数字水印算法

针对传统离散小波变换(DWT)数字水印算法抗几何攻击能力较弱的问题,提出一种基于主成分分析(PCA)和DWT的新的数字水印算法。新算法对载体图像进行一级小波分解,在低频子带上用主成分分析提取出既含有高频又含有低频成分的主成分系数,将水印嵌入到提取出的主成分系数中。实验结果表明,与传统DWT水印算法相比,该算法不仅明显提高了抗剪裁、旋转等抗几何攻击能力,对加噪、图像灰度值变化等攻击也表现出了很强的鲁棒性。     

利用主成分分析法提取水体信息

以陕北农牧交错带为试验区,采用主成分分析法对TM图像进行增强,然后应用最大似然分类法提取水体信息,并将提取的结果与单纯依靠最大似然分类法得到的结果进行了对比.试验结果表明,主成分分析法应用于水体信息提取中,可明显增强水体光谱特征,主成分分析法与最大似然分类法结合得到的提取精度高于直接采用最大释然分类法提取的精度.     

结合Gabor滤波和同质性判定的高光谱图像分类

针对传统高光谱图像分类算法多利用目标类别光谱信息而忽略空间信息的问题,提出了一种综合利用空间信息与光谱信息的分类算法．首先,利用主成分分析（PCA）和无参数加权特征提取（NWFE）分别对高光谱数据进行特征提取;然后,在PCA第一主成分的基础上进行二维Gabor滤波得到像元纹理特征,结合纹理信息与光谱信息利用支持向量机对图像分类;最后利用多尺度区域同质性判定进一步改进图像分类精度．实验表明,该算法能够消除“噪声”像元,有效地提高图像分类精度．     

基于BP网络的同面多电极技术图像重构算法

为实现同面多电极技术对飞机用复合材料损伤区域和大小的识别,采用BP神经网络算法建立采样电容值与检测区域介电常数分布的非线性映射,利用输出灰度值实现损伤区域的图像重构.利用主元分析法对输入电容值进行降维处理.采用自适应调整学习率与动量因子方法加快了BP网络训练的收敛速度.仿真结果表明,该算法重构的损伤区域图像成像速度较快,准确度满足实现同面多电极技术对复合材料损伤区域大小和位置识别的要求.