基于特征融合的奶牛个体识别

为快速精准对奶牛个体进行自动化识别,提出一种基于改进方向梯度直方图与局部二值模式(HOG-LBP)特征融合的特征提取算法,结合主成分分析对奶牛个体进行分类。首先依据奶牛头部鼻镜和额部位差异明显的特点,利用方向梯度直方图(HOG)特征检测算法进行边缘特征提取,得到奶牛头部的轮廓特征,然后与改进的局部二值模式(LBP)纹理特征提取进行特征融合,结合主成分分析方法进行奶牛个体识别,对20 000张奶牛图像进行试验。结果表明,该方法识别正确率超过99%,可成功应用到奶牛识别领域。     

基于多小波域变换和分形维数的图像融合算法

为了充分利用图像的纹理特征,本文将多小波变换方法和分形理论相结合,提出了一种新的基于多小波变换域方向对比度和分形维数的图像融合算法。该图像融合算法首先通过多小波变换进行原始图像分解,然后采用差分和维数法计算分形维数相应的低频分解系数,建立基于分形维数的低频融合规则,高频部分则根据方向对比度的值通过选择法或加权平均法进行融合计算。该算法对IR图像和可见光图像进行融合实验,采用图像熵、标准偏差以及质量度量这些客观指标评估图像融合的质量。实验结果表明,把分形维数与多小波变换方法相结合进行图像融合处理,图像融合质量和效率都明显提高。     

基于EDA算法的改进KPCA的某型测角仪的状态监测与故障预测研究

基于电子系统状态监测为研究背景，传统的Kernel Principal Component Analysis（核主成份分析法，简称KPCA）在状态监测过程中做数据特征降维处理，使得电路状态数据在消除冗余信息的同时，也能在相应的模型算法计算中很大程度的减少计算步骤，但是KPCA法的降维数据处理过程对数据样本贡献率的识别能力有不足之处，虽然达到了降维的目的，但是对特征样本数据的信息保留能力存在不足。本文中采用经验模态分解法（Empirical Mode Decomposition，简称EMD）对输出信号进行采集处理作为样本数据，设计基于Fisher准则的状态信息识别能力分析，采用Estimation of Distribution Algorithms（种群算法，简称EDA）对KPCA分析法进行改进研究，通过对数据处理，最大限度的保留状态主信息，使得在电路系统状态监测过程中减小实验误差，为后续故障预测打下基础。     

基于像素直方图和YOLO优化算法的视觉图像识别检测技术研究

针对传统识别检测技术对较小目标的检测准确度不足,且检测速度较慢的问题,提出利用小波变换进行图像整合得到原始的背景图像,并引入图像特征融合机制和感受野增强机制优化YOLO算法。对改进像素直方图方法的性能验证结果表明,像素直方图+小波变换检测方法在数据集1～4中的准确率分别为90.39%、94.29%、96.69%和96.60%。在数据集1～4中改进的YOLO算法在目标检测的准确度和检测速度高于YOLOv2和RetinaNet算法。从结果可以看出,改进后的方法具有较高的准确性,可以实现对较小目标的检测,在视觉图像识别技术中可以得到较好的应用,具有较高的应用价值。     

基于PSO优选特征的实木板材缺陷的压缩感知分选方法

针对实木板材表面缺陷的复杂性与随机性,提出了一种快速、准确的识别方法。首先,对实木板材表面图像进行3级双树复小波分解,提取低频子带、高频子带、原图像的均值、标准差和熵,共40维特征向量;然后,运用粒子群算法(PSO)优选出20个关键特征;最后,采用压缩感知理论将优选后的特征向量作为样本矩阵列,构建训练样本数据字典,通过最小残差完成缺陷识别。对4类柞木样本进行了仿真实验,活结、死结、虫眼、裂纹的分类正确率分别为93.3%、86.7%、100%和93.3%,结果表明:双树复小波良好的方向性能够表达实木板材表面复杂的信息;基于粒子群算法的特征选择能够提高分类效率;压缩感知分类器与传统分类器相比,具有结构简单、分类精度高的特点。      

融合频谱变换的板材纹理缺陷分类

为了实现板材表面纹理和缺陷的自动分类识别,提出一种融合小波、曲波和双树复小波3种频谱变换的板材表面纹理和缺陷的快速协同分类方法。分别提取小波变换的14个特征、曲波变换的16个特征和双树复小波变换的38个特征;融合三者特征以及整幅图像的标准差和熵,采用粒子群算法优选出24个关键特征;运用BP神经网络作为分类器,针对乱纹、抛物纹、直纹、活结和死结5种类别的300幅图像进行仿真实验,基于小波变换、曲波变换、双树复小波变换与特征融合方法的平均分类正确率分别为80.0%、81.1%、84.2%、88.0%,分类平均时间分别为0.018、0.503、0.021、0.325 s。实验结果表明,特征融合方法实现了对小波特征、曲波特征和双树复小波特征的有效选择,提高了分类的速度和精度。     

基于改进模板匹配的限速标志识别方法研究

限速标志的识别是智能交通系统的重要环节.模板匹配法在目前的交通标志识别领域中应用比较广泛,传统的模板匹配法对于限速标志的识别容易出现拒识和误识的问题,正确识别率不高.将改进模板匹配算法应用于限速标志的识别中,将限速标志字符的直观形象抽取特征,并结合边缘模板匹配,对限速标志进行识别,并在Visual C++6.0环境下开发了限速牌识别软件系统.实验结果表明,基于改进模板匹配算法较传统模板匹配算法对限速标志的识别正确率有较大提高,识别率由80.95％提高到95.24％.     

基于Contourlet与子空间投影的ICA手部特征多模融合识别算法

本文提出了1种基于Contourlet与ICA相结合的手部生物特征多模态融合的识别算法。这种多模融合的算法主要利用掌纹和指横纹特征2种模态进行融合,首先把掌纹和指横纹图像分别用Contourlet小波变换,得出一个低频分量和一些列的高频子带,其低频分量可体现纹理的概貌,高频子带可以概括纹理细节,将用Contourlet小波变换提取出来的掌纹与横纹的低频分量再用ICA算法对数据进行降维处理,再用归一化和简单加权融合的方法进行融合处理,最后用分类比对法计算出识别率。通过实验测试表明,两种模态融合的效果要优于单一的掌纹或指横纹的识别效果,证明了该算法的有效性。     

基于改进YOLOX的自然环境下核桃识别算法研究

针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题,提出了一种基于Swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先,在主干特征提取网络中引入基于Swin Transformer的多层特征融合模块,借助Swin Transformer的多头注意力机制对小目标的特征信息进行提取并与特征图进行融合,可以有效解决因网络层数加深导致的高层特征图中小目标特征信息丢失问题;其次,为了提高算法的检测精度,引入更高效的Repblock模块对原网络中的CSP模块进行替换;最后,为了提高下采样效果,使用更为优秀的Transition Block模块作为主干特征提取网络的下采样模块。结果表明,改进后的YOLOX-S模型在采集的自然环境下核桃数据集上平均精度AP50达到96.72%,分别比Faster-RCNN、YOLOv5-S、YOLOX-S算法提高7.36、1.38、0.62百分点,检测速度达到46 f/s,模型参数大小为20.55 M。改进后的YOLOX-S算法具有更好的精度,改善了漏检和误检问题,对自然环境下的核桃有更好的识别效果。     

自然背景下的梅花图像分割算法研究

针对梅花数据的特点,提出一种基于自然背景下的梅花花朵分割算法TC(Texture Color)。该算法综合运用了分形纹理和颜色2种特征,有效分割背景图像中的干扰物,实现梅花图像分割。首先,采用双毯子方法计算图像的局部分形维数图,并对分形维数图采用大津阈值分割去除背景中大部分的干扰物;然后,利用颜色特征对剩余的干扰物进行有效分割。在采用颜色特征进行分割时,改进了色度直方图累加算法,并融合了饱和度特征,取得了很好的分割效果。在分割过程中,算法还采取了形态学操作、去噪和填充等处理技术,得到最终的分割结果。对9种梅花图像（每种20幅,共180幅）进行了分割实验,采用误分率对实验结果进行评价,并分别和2RGB模型分割方法、GrabCut算法进行了实验对比。实验结果表明:TC算法平均误分率控制在3%之内,比2RGB模型分割方法更加有效,并且该算法所耗费的时间比GrabCut算法要少很多而且无需人工交互。因此,本文提出的TC算法针对梅花图像的分割是非常有效的。      

基于GA-ANN融合算法的棉田杂草特征降维及分类识别

准确识别杂草是智能化除草技术所要解决的关键问题,为了实现棉花田间杂草的特征降维及分类识别,提出了遗传算法(GA)融合人工神经网络(ANN)的算法。试验中共采集棉花和杂草样本195个,提取棉花和杂草的形状特征、4个方向灰度共生矩阵纹理特征、HSV空间颜色特征等21个参数。将21个特征参数按照一定顺序组成码串作为遗传个体,融合神经网络模式识别算法,以实现特征参数的有效降维。对利用降维后的优良特征参数组合、全部特征参数以及主成分分析方法(PCA)降维识别的准确率进行了对比,结果表明:利用融合算法降维得到的不同特征组合,可将特征参数维数保持在8~13维,有效降低了特征参数空间的复杂度;融合算法平均分类准确率稳定在98%左右,明显优于PCA分析法。对降维后的优良特征参数组合进行自组织特征映射网络训练(SOM),可视化拓扑结构图表明,降维后的优良特征组合对各个类别的影响呈现出独立性、可区分性的显著特点,宽长比、H三阶矩特征与棉花样本的分类准确率呈强相关性,H一阶矩、S三阶矩对苘麻、龙葵草、灰菜、田旋花样本的分类影响显著,而对棉花样本的分类准确率影响较弱。     

一种改进的基因表达数据分类方法

从分类算法和特征基因选择两个方面研究基因表达数据的分类,将传统的Support Vector Machines(SVM)算法和K-nearest neighbor(KNN)算法两者结合成为一种应用于基因表达数据分类的算法,并针对基因表达数据分类数据集“样本少,维数高”的特点,提出了一种改进的基于相关性的递归特征消除算法(简称为C-RFE),消除了数据冗余．实验结果表明,新方法可有效提高分类准确率和特征选取的效率．     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95%的识别率.平均每张人脸图像识别时间为0.14s,表明该算法能符合实际应用的要求.     

基于PCA和Whitening算法的水稻病害图像预处理研究

水稻病害图像预处理在使用机器视觉技术对水稻病害智能诊断识别中至关重要。预处理效果直接影响水稻病害识别准确率。提出一种新的基于PCA和Whitening融合算法的水稻病害图像预处理方法。实验获取了水稻病害彩色图像和灰度图像的训练样本和测试样本,对获取的样本应用PCA降维,然后对降维后的样本随机取样,应用Whitening算法得到了相应的训练特征和测试特征。实验表明,该融合算法增强了预处理后的水稻病害图像样本对光照及亮度的鲁棒性,可有效提高病害识别准确率。     

基于改进YOLOv4的林业害虫检测

为了提高林业害虫检测的准确性,提出一种基于YOLOv4的改进算法。首先,基于智能害虫捕捉装置拍摄的图像,制作害虫数据集,采用K-means算法对样本数据集的目标框进行聚类分析,基于DIoU-NMS算法实现对害虫的计数功能;然后,在模型的路径聚合网络（PANet）结构上增加特征融合和104×104层级特征检测图,以提升对小个体害虫的识别率;最后,根据模型检测效率和复杂度,调整模型中的尺度特征图组合,在保证检测准确度的基础上,提升检测效率,并精简模型。试验结果表明,改进的YOLOv4模型的平均识别精度比传统YOLOv4模型提高了1.6百分点,且对于小个体害虫的识别效果更好,模型复杂度和模型参数量分别减少了11.9%、33.2%,检测速度提升了11.1%,更适于应用部署。     

基于改进小波神经网络的滚动轴承故障诊断

根据轴承故障产生的机理和常用故障特征参数的分析与提取方法,针对滚动轴承系统的非线性和表面振动信号的非平稳特性,采用小波分析法,并对小波分析中容易产生频率混淆而进行改进小波包快速算法。试验结果表明,改进的小波分析能减少频率混淆现象,克服传统小波包快速算法中高低频重迭难以分辨的问题,并利用小波频带分析技术对故障信号中含有的噪声信号进行分离。结合小波和神经网络的优势建立改进小波神经网络的结构模型,研究小波神经网络的学习算法,解决传统BP算法收敛速度慢和容易陷入局部极小值等问题,从学习率和连接权值两个方面对算法进行改进。以N205型滚动轴承在试验台上所测取的试验数据进行网络训练,用振动信号为网络输入向量给出训练结果。仿真实例分析结果表明,采用改进的小波神经网络能够对滚动轴承故障进行分类,且其收敛速度明显快于相同条件下的小波神经网络和改进的BP网络,可有效实现滚动轴承的故障诊断。     

基于高光谱成像的苹果果梗完整性识别方法研究

为了实现对苹果品质的等级评价,对果梗的完整性进行检测是必不可少的。选取了苹果样本260个,其中果梗完整果104个、果梗不完整果92个、没有果梗果64个。利用高光谱成像技术提取苹果感兴趣区域光谱信息。采用逐步多元回归算法(stepwise multiple linear regression,SMLR)从全波段(450~970nm)提取了5个特征波长(594.78,572.08,599.84,626.48,666nm),采用连续投影算法(successive projections algorithm,SPA)从全波段(450~970nm)提取了7个特征波长(467.5,672.4,695.4,730.2,840.4,952.6,969.6nm)。然后,提取感兴趣区域的惯性矩、相关性、能量和熵4个纹理特征。将光谱特征、纹理特征、光谱特征结合纹理特征3组数据,分别作为输入矢量,采用支持向量机(support vector machine,SVM)、BP人工神经网络(BP artificial neural network,BPANN)对苹果果梗完整性进行识别,使用交叉验证的方法进行5组交叉验证,每一组分别从训练集和验证集中拿出30个进行互换,将5组验证集正确率的平均值作为评价指标,并且对比分析结果。结果表明:单独使用纹理特征作为输入矢量,果梗识别效果不佳,SVM模型正确率为50.3%,BPANN模型正确率为37.2%。融合光谱特征和纹理特征作为输入矢量识别效果一般,SPA-T-SVM模型正确率为86.6%,SPA-T-BPANN模型正确率为80.3%,SMLR-T-SVM模型正确率为77.2%,SMLR-T-BPANN模型正确率为74.9%。只采用光谱特征作为输入矢量识别效果较好,其中SPA-SVM方法识别效果最好,识别正确率达到91.7%,且数据计算量小。该研究为苹果品质等级评价提供了理论依据。     

基于改进免疫遗传算法的汽车零件排样

为提高汽车零件排样的板材利用率,对汽车零件的排样技术进行研究.汽车零件大多是不规则零件,因此其排样属于二维不规则排样问题范畴.在智能优化算法求解二维不规则排样领域,遗传算法容易产生早熟现象,并且局部寻优能力较差,而免疫算法具有很强的局部寻优能力.结合遗传算法与免疫算法的全局与局部寻优能力,提出一种改进的免疫遗传算法.该算法的遗传选择操作加入个体浓度计算,操作步骤和变异概率可以自适应调整,从而有效避免早熟现象.自适应计算免疫选择个体数以及免疫克隆个体数以提高算法的收敛性能.分别使用ESICUP网站提供的公开数据和实际汽车零件专用数据对提出的免疫遗传算法的性能进行测试,实验结果表明,和现有的几种算法相比,本研究提出的免疫遗传算法能获得更高的材料利用率.     

一种岩芯识别算法

针对石油勘探中的岩芯识别问题,给出了一种分形理论和纹理分析相结合的识别算法。算法首先使用"双毯法"计算岩芯图像的分形维数,根据分形维数对岩芯图像进行分组,使具有相似分形维数的岩芯图像分为一组,并提取出图像的特征区域,实现对岩芯图像的"粗分"。其次对分组中的岩芯图像使用"空间灰度层共现矩阵法"进行"细分",实现岩芯图像的识别。实验结果表明给出的算法能够实现对岩芯图像的有效识别。     

基于二维经验模态分解与小波变换的农作物图像去噪

将小波自适应阈值去噪引入二维经验模态分解（bidimensional empirical mode decomposition,BEMD）中,提出一种自适应图像去噪算法,该算法首先对农作物噪声图像进行二维经验模态分解,获得具有不同尺度特征的固有模态函数（intrinsic mode function,IMF）子图像序列;然后将该序列中前3个子图像分别进行3层小波变换,引入一种新型自适应小波阈值去噪函数模型分别进行噪声抑制,实现小波系数重构;最后,对去噪后的固有模态函数子图像与剩余固有模态函数进行重构,获得去噪后的农作物图像。对实地拍摄的农作物图像进行去噪试验,结果表明,自适应图像去噪算法与均值滤波算法、小波阈值去噪算法相比,性能有较大幅度的提升。