改进的Otsu算法在图像分割中的应用

针对二维Otsu自适应阈值算法计算复杂度高的问题,提出一种新的快速有效的Otsu图像分割改进算法。该算法通过求两个一维Otsu法的阈值来代替传统的二维Otsu法的分割阈值,使得分割的计算复杂度从O(L4)降到O(L)。为保证分割对象的完整性,算法引入类内最小离散度的概念,并通过遗传算法实现对参数的自动优化。理论分析和实验结果表明本算法计算速度不仅优于原二维Otsu算法,而且分割效果较好。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

基于蝗虫算法的图像多阈值分割方法

针对图像分割中的阈值选择问题,提出了一种基于蝗虫算法的图像多阈值分割算法。该算法综合考虑Otsu法和最大熵法的分割特性,以Otsu算法的最大类间方差和Kapur最大熵法的最大熵值构造适应度函数,利用蝗虫算法进行寻优求解最佳阈值,最后利用最佳阈值对图像进行分割。将该算法与传统的Otsu算法、最大熵法、基于粒子群的图像分割方法、基于人工蜂群的图像分割方法进行比较,实验结果表明,相对其他算法,分割所得的峰值信噪比更大,分割效果更好,在阈值个数为4和5时,该算法所得的峰值信噪比(PSNR)值相比粒子群算法、人工蜂群算法提高了约3%和1. 5%,算法的运行时间相比粒子群算法和人工蜂群算法,快了约9%和5%。     

自适应粒子群集优化二维OSTU的图像阈值分割算法

为了解决红外相机采集行人图片时图像分割效果问题,提出一种自适应粒子群优化二维OSTU的阈值分割算法。利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,通过计算二者的均值和方差,建立二维最大类间方差模型,结合自适应粒子群集算法,估计出图像的最佳阈值,该方法不仅能够准确估计阈值且计算时间减少。仿真结果表明,阈值最佳时,当结合自适应粒子群集优化算法后计算时间减少到原来的50%,所提出的算法能够快速准确得到最佳阈值,提高了图像预处理的分割效果。     

基于灰度熵多阈值分割和SVM的火焰图像状态识别

为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。     

改进的二维Otsu法阈值分割快速迭代算法

常用的灰度级-平均灰度级二维直方图存在错分,导致二维Otsu法阈值分割结果不够准确;其快速迭代算法搜寻最佳阈值时避免了穷举搜索,但仍需遍历整个解空间.为此,提出了一种改进的二维Otsu法阈值分割快速迭代算法.采用灰度级-梯度直方图及其区域划分方法,导出了基于该直方图区域划分的Otsu法阈值分割快速迭代算法公式;在实验结...     

基于粒子群算法的多阈值图像分割

将模式识别中的Fisher准则推广到多阈值范围内,对图像的阈值分割结果进行评判,并使用粒子群优化算法对搜索过程进行优化,达到图像分割的日的.从理论上上对算法的参数取值进行了讨论并从实践角度提出正交试验的参数确定法以在实际运算中提高运算速率并规避局部极值点.并在此基础上进行了灰度图像分割实验与彩色图像分割实验.最终实验结果证明,该算法较传统算法效率上有极大提高,实现简洁,可用于嵌入图像分析与图像识别领域.     

基于二维熵的空中小目标跟踪研究

二维熵是图像分割技术中的一种重要方法。结合空中小目标的特点将二维熵阈值算法应用于空中小目标图像序列中,并求取质心进行跟踪。重新定义了传统二维熵中二维直方图的双轴,并加以讨论。同时用泰勒一阶展开求取公式的近似表达,消除原始算法中大量的对数计算,加快了运行的速度。仿真实验表明,该方法可以有效的跟踪空中运动目标,在工程实际中具有很好的应用价值。     

基于粒子群优化的最佳阈值法在局部放电信号去噪中应用

抑制白噪声干扰是局部放电（ Partial Discharge,PD）在线检测中的关键技术。提出一种基于粒子群优化的最优阈值选取去噪方法。该方法采用小波对局部放电信号进行分解,在选取阈值时建立广义交叉验证准则,以广义交叉验证准则作为适应度值函数,并结合粒子群优化算法自适应地确定出各分解层的最佳阈值。该方法不依赖任何先验知识,实现局部放电信号自适应去噪。对局部放电仿真信号和实测局部放电信号的去噪结果表明：本文提出的方法与标准阈值法相比,能更好地去除局部放电信号中的白噪声。     

用于金属板图像分割的自适应阈值算法

针对生产线上金属板表面光照不均匀和白、灰细颗粒相间的特点,将一维、二维Wellner自适应阈值算法应用到这种场景,并结合高斯加权距离,将算法推广,提出了一种针对金属板表面图像分割的高斯加权自适应分割算法.该方法首先通过计算区域内像素间的高斯加权距离,形成一张加权距离图,然后利用Wellner的“中心-周围比较思想”直接求算二值图像.最后对实际产线上采集的图片进行了实验,将二维otsu算法、均匀性度量算法、一维、二维Wellner自适应算法和最后改进的算法在分割效果进行比较.实验结果表明,相对于其他算法,最后应用的算法在分割效果上具有明显的优势.     

基于变异粒子群的快速运动估计算法

为了提高视频编码效率,提出了一种基于变异粒子群的快速运动估计算法.新算法将运动矢量特性和粒子群算法的全局搜索特性结合,通过迭代寻找全局最优解.为了避免粒子群算法陷入早熟收敛,在每次迭代中加入了变异算法.同时采用合适的终止策略降低运算复杂度.实验结果表明,新算法对运动平缓的视频序列,搜索精度和运算复杂度与以往快速搜索算法...     

粒子群算法用于局部放电小波阈值去噪

小波阈值去噪在局放信号监测分析方面应用效果较好,而小波系数阈值的选取是决定局放信号去噪后的失真和误差的关键因素。针对局放脉冲频谱特征,提出了一种基于粒子群算法的小波最优阈值选择方法,用于局放脉冲信号去噪。采用小波对局放信号进行分解,在估计最优阈值时以广义交叉验证为标准,利用粒子群算法进行全局搜索,使阈值寻优效果大大提升。对人工模拟加噪信号和典型局放脉冲仿真信号进行去噪处理和定量分析,结果表明与标准软阈值法以及Donoho阈值计算法相比,对局放信号的去噪效果更好,有着非常好的应用前景和价值。     

电压波动估计的混沌简化粒子群算法

针对粒子群算法(particle swarm optimization,PSO)估计电压波动频率收敛速度慢,采样频率和窗口长度选择不当算法易陷入局部最优的问题,采用简化进化公式和混沌理论两项策略加以改进,提出基于混沌简化粒子群(chaotic simple particle swarm optimization,CSPSO)算法的电压波动幅值和频率估计新方法.去掉粒子群算法进化公式的速度项,仅由粒子位置控制进化过程,避免由于速度项引起的粒子发散而导致算法收敛速度慢的问题;并引入混沌理论,利用其随机性、遍历性和规律性提高算法的全局寻优能力,避免简化粒子群算法陷入局部最优.仿真结果验证了该方法的有效性和准确性.     

改进粒子群优化算法的概率可用输电能力研究

研究了基于改进粒子群优化算法的概率可用输电能力的计算问题。建立了基于最优潮流的区域间可用输电能力模型；构造了适合可用输电能力研究的改进粒子群算法，并提出了自适应调整惯性权重的策略，该策略有效改善了算法的适应性和收敛速度；针对改进粒子群算法的搜索特点，动态调节罚函数。在此基础上对经模态分析方法选出的系统严重故障进行可用输电能力计算，并对各种故障出现概率和相应的可用输电能力进行概率统计分析，得到具有概率性质的可用输电能力。对IEEE-30节点系统的仿真计算验证了文中所提方法的合理性和有效性。     

基于多分辨率奇异谱熵和支持向量机的断路器机械故障诊断方法研究

根据高压断路器机械振动信号的特点,提出一种基于多分辨率奇异谱熵的信号特征提取方法,并以此特征向量作为支持向量机的输入对断路器机械状态进行识别。多分辨率奇异谱熵是在信息熵模型的基础上,将多分辨率分析和奇异谱分析有效结合的一种信息处理方法,用信号的奇异谱熵作为特征向量更能体现断路器在不同机械状态下的不同特征。利用交叉检验和粒子群优化方法来对支持向量机模型中的参数进行寻优。通过对断路器实际振动信号分析表明,该方法能对断路器故障进行准确诊断分类。     

增强输电能力的TCSC选址与定容研究

提出了一种新的TCSC选址方法,采用简易粒子群算法求出系统中较为敏感的支路群,用改进的粒子群算法在较敏感支路群中确定TCSC的最佳安装位置,并求出TCSC的最佳安装个数和安装容量,来达到系统输电能力最大的目的。针对PSO易陷入局部最优的缺陷,把种群熵的概念引入粒子群算法对其进行了改进,IEEE30节点系统的仿真计算结果验证了所提方法的有效性。     

用于机组组合优化的蚁群粒子群混合算法

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时,用一个粒子群处理一个时段的优化问题,通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。