基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前,仍然以人工识别的实验方法作为主要方法,普遍存在主观性强、周期长、成本高等典型问题。机器学习的分类算法在图像分类领域已经得到广泛应用,然而由于岩石样本图像具有明显的差异性特征,甚至同类岩石样本图像也具有一定的色差,直接应用现成智能算法进行分类,验证集的准确度仅为85%左右。所以,基于色彩空间下岩石样本图像的颜色特征曲线,提出了一种基于颜色类别和深度残差网络ResNet-50的智能分类及识别方法。首先,以7种不同岩性的岩石图像为样本,提取样本的RGB颜色特征,应用无监督K-means聚类算法,按颜色分为3个大类,再通过有监督精细K-近邻(K-nearest neighbor, KNN)算法对颜色类别进行验证,平均分类精度为99%。然后,对于不同颜色类别下的岩石样本,利用深度残差网络ResNet-50进行分类识别。结果表明,不同颜色类别的岩石样本平均训练精度为93.15%,验证精度为88.21%,可以作为岩石样本分类的有效方法。     

基于卷积神经网络的岩石图像分类

在显微镜下分析岩石薄片并对其进行分类时,人工鉴定效率较低且易受主观因素影响,为此提出了一种基于卷积神经网络深度学习的岩石粒度自动分类方法。该方法通过卷积网络模型实现图像特征自动提取,并同时建立模式分类器,实现基于薄片图像的粒度自动识别。采用鄂尔多斯盆地的4 800样品对卷积网络模型进行训练,通过1 200个样品对模型测试,测试集分类结果的准确度达到98.5%。理论分析与数据验证说明,通过深度学习所建立的卷积网络模型能够基于岩石薄片图像获得高效、准确、可靠的自动分类结果。     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空...     

基于改进ShuffleNetV2网络的岩石图像识别

由于基于传统深度学习的岩石图像识别算法模型比较繁琐,而且应用于移动终端等需要一定的计算能力,因此很难实现对岩石类型的实时准确判别。为此,以ShuffleNetV2网络为基础,插入通道连接注意力机制ECA(Efficient Channel Attention)模块,使用Mish激活函数代替ReLU激活函数并引入轻量级网络部件中的深度可分离卷积。将该方法用于岩石图像识别,实验结果表明,改进后的算法结构简单,同时具有轻量化的特点,其识别精度达到94.74%,可在移动终端等有限资源环境下应用。     

城市空间色彩规划设计探析

城市色彩是城市面貌的最直接反映,中华大地上的建筑一直有着自身独到的色彩特征,城镇也一贯追求着自己的色彩风格。近年来,随着城市建设速度的加快,西方建筑思潮的引入,城市色彩出现了杂乱、无序等问题,而目前国内又没有一种行之有效的手段去管理、约束城市色彩的形成与发展。本文基于这种环境对城市空间色彩的规划设计进行了探讨和阐述。     

论医疗建筑空间的色彩设计

在现阶段医疗建筑室内空间的装饰设计上,设计者往往注重室内空间功能上的需求,在空间环境设计上缺乏对病人的关爱,忽视了病人心理与生理特性的特殊需求。笔者通过对我国医疗建筑室内色彩设计的现状分析,指出了医疗空间色彩的设计对病人康复治疗中的应用价值及其重要性,并通过国内外先进案例研究,提出了各病区的色彩设计方法。     

HSV色彩空间皮肤红斑特征研究

在HSV色彩空间中对皮肤红斑数字图像进行分割处理,对图像分割效果较好的参量h和f进行初步分析,发现这两个不受光照影响的参量在不同区域的分布规律存在明显的不同．对病变和正常皮肤分析对比,色度参量h在病变和正常区域的分布规律存在稳定的变化趋势,即病变区域的h分布“重心”左移;而参量f在色彩空间的分布规律则未表现出与病变程度相关联的特点．     

建筑空间的色彩研究

介绍了最早将色彩用于建筑设计的专家之一Werner Splllmann,他创立的概念色彩设计方法,即从心理学、社会学和文化学等方面对色彩进行评价与规划,并在实践中进行检验,以及德国Kirchsteigfeld的色彩计划,体现了他的设计思想.     

HSV 色彩空间罐斑颜色特征研究

中医拔罐技术通过负压作用改变局部皮肤血液分布进行治疗时形成罐斑.对健康群体实施低强度常温拔罐,在 HSV 色彩空间中,分析此类罐斑颜色特征.结果表明:与正常皮肤相比,罐斑的 h 参量具有明显变化,f 参量基本不变,h 直方图重心变化不明显;而病变红斑的颜色特征不同,其 f 参量变化较大,h 直方图重心左移.     

色彩管理系统理论与方法的实现

随着桌面电子出版系统的高速发展,图像色彩的质量控制仍是最关键、最难的研究课题.在桌面出版的整个工艺流程中,所涉及到的设备,材料和影响图文复制的因素越来越多,已不再是传统意义上的彩色复制,这给色彩复制造成了很大困难,因此,色彩管理的重要性也就不言喻了.     

自适应神经网络判决树及其在人脸识别领域的应用

提出了一种神经网络与判决树结合而成的新结构———自适应神经网络判决树（ＡｄａｐｔｉｖｅＮｅｕｒａｌＮｅｔｗｏｒｋｓＤｅｃｉｓｉｏｎＴｒｅｅ,简称ＡＮＮＤＴ）。实验表明,基于ＡＮＮＤＴ的人脸识别方法,能够综合利用多种神经网络模型和特征提取算法,不仅具有较高的识别速度、准确率、容错性和健壮性,而且基本满足开发实用化人脸识别系统的要求。     

复杂背景下基于肤色检测的动态手势分割与识别

在类肤色的复杂背景下,基于肤色检测的动态手势识别会因肤色干扰导致识别效率较低。提出了一种基于YCbCr颜色空间的改进三帧差分法的动态手势识别方法。首先利用改进的三帧差分法对动态手势进行分割,有效去除类肤色背景;然后根据人体肤色在YCbCr颜色空间中的聚类效果,采用基于椭圆模型的肤色检测方法有效去除非肤色背景,分割出手势区域。通过双特征提取,有效去除大范围的肤色背景,最终得到完整的手势;最后利用BP神经网络较强的自学习能力,对分割的动态手势进行检测识别。实验结果表明,此方法在应对环境变化时具有较好的实时性和抗干扰能力,拥有较高的识别率。     

Gender Recognition with Face Images Based on Partially Connected Neural Evolutionary

In this paper,a new type of neural network model - Partially Connected Neural Evolutionary (PARCONE) was introduced to recognize a face gender. The neural network has a mesh structure in which each neuron didn't connect to all other neurons but maintain a fixed number of connections with other neurons. In training,the evolutionary computation method was used to improve the neural network performance by change the connection neurons and its connection weights. With this new model,no feature extraction is needed and all of the pixels of a sample image can be used as the inputs of the neural network. The gender recognition experiment was made on 490 face images (245 females and 245 males from Color FERET database),which include not only frontal faces but also the faces rotated from-40°-40° in the direction of horizontal. After 300-600 generations' evolution,the gender recognition rate,rejection rate and error rate of the positive examples respectively are 96.2%,1.1%,and 2.7%. Furthermore,a large-scale GPU parallel computing method was used to accelerate neural network training. The experimental results show that the new neural model has a better pattern recognition ability and may be applied to many other pattern recognitions which need a large amount of input information.     

基于RGB三基色原理的手持式颜色检测仪的设计

针对物体颜色信息的测量，介绍了一种基于RGB三基色原理的手持式颜色检测仪的实现方法。系统充分利用了MCS系列颜色传感嚣和PICl8Fxx8系列单片机的各种内部资源，实现了数据采集和处理。系统设计出白色发光二极管环形照明系统，覆盖整个可见光范围，使测量结果更准确。通过对标准比色卡上900多种颜色的测量．对理论值进行验证，二者吻合良好。     

自组织神经网络在空中目标识别中的应用

本文研究了将自组织神经网络用于空中目标识别的方法,并基于此提出一个识别飞机及其诱饵红外图象的方案,提出目标表面的分形特征和熵特征,针对各特征量纲不统一,信息表达方式差异等特点,利用自组织神经网络来实现特征间的有效融合,实验表明,该方法具有较高的稳定性和准确性。     

基于多图像组信息的人脸识别研究

提出利用多图像组信息构建二部学习框架进行人脸识别。首先,利用两种不同的多图像组信息源分别学习两个相应的度量空间模型;其次,将得到的模型合并为一个统一的判别距离度量空间;最后,对所构建的二部学习框架进行范化,使得框架中的多图像组信息能够用来进行子空间学习和距离度量学习。通过在多个标准通用数据集上得到实验结果验证了所提出方法的有效性。     

一种新型的模式联想器

提出了一种新型的模式联想器,并将它应用于手写体英文字符的识别。由于该模型的训练和回忆的数学运算简单,易于理解,而且运算速度非常快,因此便于计算机模拟。此外,由于网络突触间的二进制权值,它很适合于数字VLSl技术的硬件实现。     

一种基于稀疏指数联想记忆神经网络的图像识别方法

区别于一般的图像识别方法,指数联想记忆模型(EAM)是一种对数据分布无任何要求的非线性技术,具有指数级的存储容量和良好的容噪性能.随着实际的需求和被处理问题规模的扩大,EAM所采用的全互连结构将导致布线工艺上的困难而难以克服,限制了模型的VLSI(超大规模集成电路)硬件实现.通过在EAM中引入社会领域中广泛存在的"六度分离"现象,借鉴Watts和Strogatz提出的"小世界网络"理论对EAM进行了稀疏化改造.改造后的稀疏指数联想记忆模型(SEAM)不仅结构相对简单、易于硬件实现,而且仿真结果表明在灰度图像加噪和部分缺失的情况下,SEAM识别性能和全互连的EAM相当,表现出了较强的鲁棒性.     

彩色图象分割方法及进展

图象分割是图象分析和模式识别的首要问题和基本问题,也是图象处理的经典难题.彩色图象比灰度图象具有更多的视觉信息,因而受到了越来越多的重视.本文结合近年来彩色图象分割中出现的新算法,将彩色图象的分割方法分为四大类,并分别加以介绍,分析了各种方法的优缺点,最后指出了彩色图象分割的发展趋势.