基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

基于DenseNet的图像识别方法研究

在深度学习中,随着神经网络层数的加深,训练网络变得越来越困难,现有的浅层的网络无法明显提升网络的识别效果。针对在原有网络的情况下提升网络识别效果,减少参数的问题,本文提出一种改进的DenseNet网络模型,借鉴Inception V3的思想,利用非对称卷积将DenseNet网络中Dense Block层所包含的3×3卷积分解成3×1和1×3的两个卷积,简化网络结构模型。之后再对改进前与改进后的网络模型在数据集上进行训练,实验结果表明,与经典的DenseNet网络模型相比,改进后的网络模型可以提高图像识别的准确性,降低参数,有效地缩短运行时间。     

对数变换主成分分析的图像识别

为了进一步提升现有鲁棒主成分分析(PCA)算法处理含有异常样本数据的性能,提出了对数变换的PCA算法。为降低异常样本对目标函数值的影响,根据对数函数的性质建立了对数变换PCA算法的目标函数,证明了所提目标函数值小于标准PCA算法的。之后,给出了求解所提目标函数的一种优化算法,即为所提算法。通过迭代计算对角矩阵和进行特征值分解进行优化,证明了所提算法可以近似收敛于所提目标函数的最优解。分析证明了所提算法具有旋转不变性。为了更好地比较各算法处理异常样本数据的能力,使用AR数据库中的原样本作为异常样本,在其他数据库中人为添加了异常样本。与标准PCA算法、鲁棒PCA算法、包括贪婪求解的基于l1范数的PCA算法、非贪婪求解的基于l1范数的PCA算法、基于l2,p范数的PCA算法和基于最大相关熵的PCA算法在AR、Extended Yale B、CMU PIE这3个人脸数据库和MNIST这1个手写字符数据库进行了实验对比,结果表明:所提算法均得到了最低的重构误差和最高的识别精度;所提算法具有良好的收敛性能,一般迭代5到6次即可收敛。     

枇杷枝条修剪机器人的视觉识别和框架提取

通过对枇杷枝条特征图像的分析,提出了一种枇杷枝条图像识别和框架提取的方法.该方法首先通过对亮度进行转换,找到通用的分割阈值;然后将分割图像和转换的二值图像进行叠加,获取初始枇杷枝条特征图像;再利用枇杷枝条的连枝特征进行第二次特征图像的提取和噪音的消除;之后通过枝条边界轮廓和非合理间断部分的补偿处理,完成枇杷枝条框架的提取,获得机器人修剪所需的枇杷枝条直径和中心点坐标.文中还通过实例对该方法的准确性进行了验证,枇杷枝条图像正确识别率达91.2%.     

基于小波变换与野草算法的细胞图像特征提取与识别

本文在细胞图像小波多尺度分解的基础上,提出在小波域中进行细胞图像特征提取的方法。针对基于小波变换提取的细胞图像特征向量维数过大、冗余等问题,提出一种基于小波变换与野草优化算法相结合的细胞图像特征的提取方法,最后利用BP神经网络作为分类器进行细胞图像识别。计算机实验仿真结果表明,与现有的未进行特征优化的细胞图像特征提取识别方法相比,本文细胞图像特征提取、分析、识别方法所需时间更短,识别正确率更高,实时性、鲁棒性能更好。     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于深度学习的铝厂工业自动浇筑中的图像识别

将深度学习的图像识别应用到工业生产中是一个重要的应用方向.相比传统图像处理,深度学习在图像识别中具有高识别率、抗干扰性强等特点.首先采用小波变换对图像去噪、归一化,然后利用多层卷积对图像进行特征提取并采用全连接层和softmax分类器进行分类实现图像识别.在铝厂工业自动浇注过程中,对已经浇注完成和未完成的图像进行识别、解决传统图像处理在工业生产中多干扰、亮度不足的情况下难以识别的问题.实验结果表明,采用小波变换与深度学习融合对图像进行识别的识别率可达到91. 88%,基本能满足铝厂工业生产的需要.     

隧道图像识别系统的设计

隧道图像系统的设计是在了解隧道开掘技术要求的情况下，在立足应用、强调实用和兼顾技术先进性的指导思想下，从隧道图像总体框架设计，到分级模块设计，通过现在的相关技术开发本系统，是可行的，并且在隧道工程领域是具有一定的创新性的.     

基于YOLOv5算法的图像水深自动提取

将人工智能领域里的目标检测方法应用到城市内涝监测中.首先，选取YOLOv5(You Only Look Once version 5)算法用于城市洪水参照物模型的训练；其次，根据监控设备所拍摄的洪水期与非洪水期参照物的高度差来计算道路的内涝深度信息；最后，通过一个水池实验来验证该方法的有效性，将人工计算数据与YOLOv5自动监测数据作对比，实验结果显示RMSE值为0.007 m, MAPE值为2.738%.结果表明该方法能够监测城市内涝水深状况，具有检测速度快、准确性高、成本低等优势.     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.