快速评估颗粒污泥性能的无锚实例分割方法

现有的Anammox颗粒污泥性能评估方法中,生化反应等效测定的方法较为精确但耗时长,基于图像颜色建模的方法足够快但不够精确.因此本研究基于实例分割任务,提出一种新的结合颗粒污泥视觉特征(如颗粒污泥颜色、尺寸、粗糙度等)进行性能评估的模型,使其能够在快速评估的同时保证较高精度.首先设计采样方案,收集颗粒污泥图像后进行图像标注,进而构建颗粒污泥图像数据集.针对图像场景中样本不均衡和小目标信息难提取的难点,本研究对无锚实例分割方法BlendMask进行改进,在主干网络上结合可变形卷积提取小目标信息,在头部网络上提出自适应样本选择策略平衡样本,并重新设计了后处理、损失函数与数据增强等模块,使改进后的BlendMask方法能快速精确提取图像场景中的颗粒污泥个体.然后获取颗粒污泥的视觉特征,设计视觉特征与性能的关联模型,判别输入图像的性能类别.相比之前的研究,本文提出的方法能够快速精确地获得颗粒污泥的性能评估.最后比较了所提出改进的BlendMask方法和先进方法在颗粒污泥图像分割和性能评估方面的表现,实验结果表明,改进的BlendMask和性能评估模型精度分别提升了3.93%和1.49%,方法取...     

内对抗指导无监督多域适配网络的轴承协同故障诊断

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.针对上述问题,本文提出了一种内对抗指导的无监督多域适配网络;构造了一个内对抗模块以计算多源域对抗损失,并联合多组源域-目标域自适应子网指导提取多源域和目标域间的共性特征,增强知识覆盖能力;设计了一个多子网协同决策模块,利用多组源域-目标域的对抗损失和分布差异损失计算置信分数,以辅助多子网分类器做出更佳的融合决策,提升协同故障诊断的准确率.基于恒转速和变转速工况的轴承故障数据构造了多个无监督多源域迁移诊断任务,对比实验结果表明所提方法的优越性和鲁棒性.     

基于拥塞控制与RS编码的自适应有效Internet视频传输

提出一种自适应拥塞控制与自适应RS(reed-solomon)编码差错修复相结合的有效Internet视频传输新方案. 针对Internet共享信道的QoS波动特性而设计的一个带有速率控制参数可调的自适应拥塞控制机制的视频流协议AVSP, 使视频传输具有对网络状况波动的快速反应特性和一定的TCP友好性. 在不增加系统总带宽的前提下, 与拥塞控制相结合的可变参数自适应RS编码MPEG视频传输差错修复, 有效地增强了Internet分组丢失差错环境下视频传输的鲁棒性.     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

一种改进拉氏算子的四阶偏微分方程图像去噪方法

建立了一种描述图像平滑度的泛函,并推导出新的四阶偏微分方程图像去噪模型,在有效去噪的同时,较好地保持了图像的特征。由于该方法得到的图像是分段线性图像,避免了二阶偏微分方程处理图像常出现的"阶梯"效应,同时,和同类的四阶偏微分方程去噪模型相比,其处理结果不会出现"斑"点,因此视觉效果更加理想。最后通过实验证明了该方法的有效性。     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

考虑时间效应的UH模型

分析时间对土的效应,在对现有理论和试验数据总结分析的基础上提出了瞬时正常压缩线的概念;基于蠕变规律,建立老化时间与超固结度的关系;采用UH模型(以统一硬化(United Hardening)参数作为硬化参量建立的三维超固结土弹塑性本构模型)的再加载公式计算瞬时变形,提出超固结土一维弹黏塑性应力应变关系;分析一维弹黏塑性应力应变关系的演化规律,定义特征速率并给出其与超固结参数的关系;在UH模型屈服面方程中引入折算时间,建立三维弹黏塑性本构模型.该模型在UH模型的基础上考虑时间效应,不仅能够描述土的剪切蠕变、松弛、速率效应等黏性规律,而且能够反映土的剪胀、软化等超固结性质;与修正剑桥模型相比,仅增加一个次固结系数来反映土的蠕变规律;该模型在瞬时加载条件下退化为UH模型,从而使弹塑性与弹黏塑性框架得到统一.     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

因果推理引导的复杂花纹织物缺陷视觉检测深度学习方法

AI视觉质量检测是两化融合的先导场景,是复杂产品质量管控的重要手段.本文以复杂花纹织物为对象,提出因果推理引导的产品缺陷视觉检测深度学习方法,从而解决复杂背景干扰下的视觉检测难题.首先,构建复杂背景干扰下的缺陷检测结构因果模型,并提出阻断背景特征干扰的因果干预策略.其次,在因果干预策略的基础上建立缺陷特征敏感性神经网络(defect feature-sensitive neural network, DFSNN),包括两个特征提取模块(分别以同视角的无缺陷、有缺陷面料图像作为输入).然后,提出了因果关系敏感性学习模块,其差分两个特征提取模块的输出,并通过最大化输出差分来构建因果敏感损失函数,从而实现训练过程中对背景特征的阻断和对缺陷特征的敏感性学习.实验结果表明, DFSNN可有效减弱背景图案的混淆干扰,保持95%的缺陷识别准确率.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

视觉显著性引导的局部图像质量度量

全参考图像质量评价通常包括局部图像质量度量和池化(pooling)两个阶段.经典的基于视觉显著性(visual saliency, VS)的评价算法,将VS用于池化阶段,利用VS对相似度谱(similarity map)作加权平均,强调显著性强的区域对整体图像质量的贡献大,而显著性弱的区域对整体图像质量的贡献小.与经典方法不同,本文将VS用于局部图像质量度量阶段,利用VS自适应地调节局部图像质量的计算,强调人类视觉系统感知到的局部质量退化由客观退化程度和显著性共同决定.本文的主要贡献包括:(1)提出了一种视觉显著性引导的局部图像质量度量框架;(2)在此框架内,对之前发表于IEEE Signal Processing Letters的ESSIM(edge strength similarity)算法进行了扩展,提出了VS引导的ESSIM算法(VS-ESSIM).在测试数据库TID2013, TID2008和CSIQ上的实验结果表明,提出的算法能够提高对图像质量的预测精度,获得与主观评价结果更好的一致性.     

基于压缩感知思想的图像分块压缩与重构方法

压缩感知理论在数据获取、数据存储/传输、数据分析和处理方面有很大优势,成为近年来的研究热点.考虑到大多数图像信号信息分布有差异,编码端,在对图像分块的基础上,融合熵估计和边缘检测方法计算各图像块的信息含量,再从两个不同的角度进行分类采样:依据信息量多少将图像块分为平滑、过渡和纹理3类,使用不同的采样率采样;依据信息量的分布特征,采用不同的采样率分配策略进行采样.在解码端,根据不同类型的图像块构造不同的线性算子进行重构,再运用改进的迭代阈值算法去除块效应和噪声.实验证明,算法在提升图像重构质量的同时缩短了重构时间,并且对纹理边缘多的图像的重构效果较其他方法理想.     

一种基于相似度聚类方法的指纹识别算法

提出了一种基于相似度聚类的指纹识别算法．同现有的指纹识别算法相比较，该识别算法的独特之处体现在如下方面：首先，根据指纹纹理特性，采用二元尺度空间方法来对图像进行增强处理；其次，构造一种局部拓扑结构．细节点单形，根据与图像变换的相关性，将这些拓扑结构的属性分为变换可变特性和变换不变特性；再次，应用聚类方法，分析指纹之间的变换模型的分布空间；最后，用递归分层搜索方法，在变换模型的分布空间中估计出最优参数，并求指纹之间的最大相似度．FVC2002(the 2^nd International Fingerprint Verification Competition in 2002)对该算法的性能测试与认证结果表明了算法的有效性与先进性．     

基于深度强化学习的不完美信息群智夺旗博弈

复杂环境中群智博弈问题是近年来的研究热点之一.为解决不完美信息条件下多智能体夺旗博弈问题,本文提出了一种基于多智能体双重决斗深度Q网络(multi-agent dueling double deep Q-network, MAD3QN)以及图注意力网络(graph attention network, GAT)的多智能体夺旗博弈深度强化学习算法(G-MAD3QN).该算法在实现多智能体在迷宫地图中路径规划的同时,建模不完美信息条件下多智能体合作与竞争关系,从而确定夺旗博弈策略.在实验中,本文基于二维迷宫环境,考虑智能体观测信息不完美条件,将G-MAD3QN算法与多智能体深度Q网络(multi-agent deep Q-network, MADQN)、MAD3QN等多智能体深度强化学习的基线算法进行对比,从而验证了在二对二夺旗博弈中本文G-MAD3QN算法的有效性.     

一种基于自适应神经网络的航空发动机故障诊断方法

航空发动机在使用过程中,气路部件的性能不可避免地发生了蜕化,相应的故障诊断技术对发动机的健康管理系统具有重要意义.本文针对发动机在设计点的非线性部件级模型,借助PCC(Pearson correlation coefficient)相关分析方法,对神经网络的输入参数和输出参数的选取方式进行了优化.以前馈型神经网络为基础,针对常规BP(back propagation)神经网络收敛速度不稳定、且容易陷入极小值的缺陷,设计了一种新的自适应神经网络,准确估计了发动机部件的蜕化情况.这种算法融合了比例因子和动量因子,改善了网络的学习速率,提高了神经网络置信度和对发动机模型参数的泛化能力.结果表明,本文设计的自适应神经网络的精度优于常规BP神经网络,并且在训练样本数较少时,依然能够通过训练得到理想的网络,保证发动机健康参数的故障检测具有较高精度.     

基于模糊神经网络的图像恢复技术

通过分别引入输入与输出空间的合理剖分,定义了一种新的模糊神经网络(FNN), 即选择型FNN, 该系统是一种多层前向网络, 在最大模意义下构成一类函数泛逼近器.基于一组具有实际意义的模糊推理规则, 得出了一个简单实用的推理型FNN. 利用选择型FNN与推理型FNN的有机结合, 得到FNN滤波器, 它不仅结构简单, 易于设计参数学习算法, 而且能同时有效去除图像信号中的脉冲噪声和保持图像结构. 实验结果表明, 与其他滤波器(如:中值滤波, 自适应加权模糊平均(AWFM)滤波等)相比, FNN滤波器在去除各种噪声, 保持图像未污染部分结构等方面性能卓越     

多源异构感知数据融合方法及其在目标定位跟踪中的应用

物联网的全面感知产生了海量的感知数据,并且感知数据呈现为显著的多源异构性.因此,如何实现海量多源异构感知数据的智能处理是一个具有挑战性的课题.数据融合是处理多模态数据并挖掘提取有价值信息的有效手段,但针对多源异构数据,特别是非结构化的视频多媒体信息,如何实现高效的融合计算还面临许多问题需要解决.本文针对物联网多源异构感知信息的处理问题,提出多层次的多源异构数据融合方法,并以基于无线信号、视频和深度感知数据的目标定位跟踪应用为切入点,重点研究多源异构数据的处理、特征表示和数据融合方法.根据不同类型数据的特性采用不同的数据融合方法,通过挖掘无线信号、视频和深度等多源异构数据内在的关联性,实现多源异构数据有价值信息的有效利用.实际复杂场景的实验表明,本文提出的基于多源异构数据融合的目标跟踪和定位方法,能够解决传统依赖单源同质数据的目标跟踪方法所面临的光照变化和遮挡交错等难点问题,并且可以获得较为准确的运动目标三维位置,具有良好的跟踪定位效果.     

基于双向非局部模型的图像插值

如何充分利用自然图像的自相似特性来进行图像恢复是近年来图像处理领域研究的热点问题之一.事实上,自相似体现为两方向相似结构,当一组相似块被安排成矩阵时,该矩阵的行与行、列与列之间均存在相似性.为此,提出一种双向非局部模型,该模型对称地利用了两方向相似结构,此外,该模型直接将相似块作为字典来表示每一图像块且对表示系数进行Tikhonov正则化.将双向非局部模型用于图像插值,获得了目前最好的恢复效果,无论峰值信噪比还是视觉质量,相比已有算法都有很大地提高.     

基于视频图像的火灾探测方法

图像型火灾探测是利用摄像机作为探头,对拍摄到的现场视频进行处理和分析,通过形体、颜色等变化特征探测火灾.本文提出一种基于视频图像的火灾探测方法,首先探测视频中是否存在移动区域,然后对移动区域内满足火焰颜色特征的区域利用HIS模型进行分割,分别分割计算区域的圆形度,面积变化率,闪烁频率及面积变化趋势特征等,最后通过分析特征进行火灾的探测.在此基础上,对提取的各项特征进行综合分析,从而实现火灾的探测和判别.仿真实验结果证明了算法的有效性.     

基于二通道不可分小波的多光谱图像融合

提出了一种伸缩矩阵为[1,1;1,-1]的二通道不可分小波滤波器组的构造方法,并把它应用于多光谱图像与高分辨图像的融合中．设计出多组不可分4×4小波滤波器组,并提出了一种基于该类小波的多光谱图像融合算法．利用所设计滤波器分别对多光谱图像的亮度分量和全色图像作多尺度小波分解,选取参数对分解后的低频分量进行调节融合．实验结果表明,该方法能较好地保持多光谱信息和高分辨率信息,其保持光谱信息的能力和保持高分辨率信息的能力比基于张量积离散小波帧变换（DWFT）的融合方法和基于改进的IHS变换的融合方法都强,当t值较大时,融合结果图像含有较丰富的光谱信息．与基于4个通道小波的图像融合方法相比,该方法可节约一半的运算量．