基于改进LBP和DBN的人脸识别算法研究

针对传统LBP算法的人脸识别易受光照、背景、遮挡等因素的影响,使用改进局部二值模式(LBP)和深度信念网络(DBN)相结合的方法,用多尺度块局部二值模式(MB-LBP)算法获取人脸图像的纹理特征,在此人脸纹理特征的基础上使用中心对称局部二值模式(CS-LBP)算法获取图像的纹理特征,然后将两次获得的纹理特征图像的直方图进行融合,并将其输入到DBN中进行训练,优化网络参数。     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

基于PCHIP-LMD的虹膜识别方法

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点,提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性,利用PCHIP-LMD对归一化的虹膜图像逐行分解,得到不同尺度的分量图像;通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配,得到匹配向量。最后计算匹配向量的改进标准差,用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明：该方法消除了虹膜特征提取时的高频噪声,有效提取了图像的二值特征,与EMD和LMD方法相比,识别速度,识别准确率和鲁棒性均有极大提高。     

二维Gabor小波在虹膜识别中的应用

二维连续小波变换具有尺度伸缩、平面位移和旋转能力,被广泛应用于检测图像的局部特性,二维Gabor小波变换属于二维连续小波变换,它非常适合于提取图像细节纹理的特征.针对虹膜纹理的局部特性,将二维Gabor小波应用于虹膜识别中.实验结果表明,二维Gabor小波能有效地提取虹膜纹理特征,从而达到虹膜识别的目的.     

基于改进局部二值模式及特征融合的人脸表情识别

局部特征描述算子在表情识别领域有着广泛的使用。通过对现有表情识别算法的的研究，针对传统局部二值模式(LBP)算法只考虑领域像素和中心像素点的关系，而忽略了领域像素之间的相互影响。而中心对称局部二值模式(CS-LBP)只考虑了中心对称像素之间的影响。结合LBP和CS-LBP特点出了一种改进的LBP算法，实验结果表明改进的LBP算子利用像素点更充分，能更好的表达特征。针对单一特征很难准确描述原始图片的信息，又提取了图像的Gabor特征，分别与提取LBP特征和改进的LBP特征进行特征融合，使提取的特征更加丰富详细。分类算法中考虑到SVM具有强大的非线性分类能力，将提取的特征与SVM分类器进行结合，在公开表情数据集CK+上采用留出法进行验证，准确率达到95.77%，实验结果表明该方法优于传统的表情识别算法。     

基于CSLBP的轴承信号时频特征提取方法

针对滚动球轴承振动加速度信号特征提取问题,提出一种基于中心对称局部二值模式(center-symmetric local binary pattern,简称CSLBP)的时频特征提取方法。首先,利用广义S变换对滚动球轴承振动加速度信号进行处理,通过采用时频聚集性度量准则自适应地确定广义S变换的调整参数,从而获取时频分辨性较好的二维时频图;然后,计算二维时频图的CSLBP,提取CSLBP纹理谱描述滚动球轴承振动加速度信号的时频特征。对滚动球轴承正常、外圈故障、内圈故障和滚动体故障4种不同状态的振动加速度信号进行了研究。结果表明,CSLBP纹理谱能有效地表达滚动球轴承振动加速度信号的时频特征,与局部二值模式(local binary pattern,简称LBP)和统一模式LBP纹理谱相比,CSLBP纹理谱具有特征维数低和区分性能好的优点。     

一种基于隐马尔可夫模型的虹膜识别方法

提出了一种基于奇异值分解和隐马尔可夫模型的虹膜识别方法。首先该方法将虹膜准确定位,并采用奇异值分解抽取虹膜图像特征作为观察序列,基于多观测值序列的隐马尔可夫模型算法进行虹膜图像的识别。实验中用VISUAL C＋＋6．0建立了虹膜训练和识别系统,实验数据为CASIA虹膜库中的图像,识别率均达到94％以上。理论分析及实验结果表明：本算法基本满足虹膜识别的稳定可靠、精度高等要求,并且对图像噪声有较强的鲁棒性。     

基于同步压缩广义S变换的发动机故障诊断

为提高发动机故障诊断准确率,提出了基于同步压缩广义S变换（synchrosqueezing generalized S?transform,简称SSGST）与中心对称局部二值模式（center?symmetric local binary patterm,简称CSLBP）的故障诊断方法。首先,针对信号时频分析中的能量泄露、频谱涂抹、频带混叠和时频分辨率较低的问题,基于同步压缩算法与广义S变换提出了SSGST,对缸盖振动信号进行时频分析得到时频聚集性较高的二维时频图;然后,利用CSLBP提取缸盖振动信号时频图的纹理谱特征,并将其输入交叉验证寻优的核极限学习机对发动机进行故障诊断。实验结果表明,SSGST的能量聚集效果好,时频分辨率高,各频带分布较窄且不存在混叠,能够有效分离出非线性混合信号中的各频带分量;时频图的CSLBP纹理谱特征维数较低,且具有良好的类内聚集性和类间离散性;利用交叉验证寻优的KELM对故障特征进行分类,实现发动机故障诊断,获得了较高的诊断速度和精度。     

基于局部纹理描述算子的手掌静脉身份识别

由于手掌生理结构特性和采集环境因素影响,手掌静脉识别系统中所获取图像容易出现噪声过大、光照不均匀等现象,导致识别性能降低.为了解决这一实际问题,提出一种基于局部纹理描述算子的掌脉识别方法.首先使用Gamma校正、DoG滤波、对比度均衡等手段对掌脉图像进行预处理,降低光照影响.然后将掌脉图像分成互不重叠的区块,使用局部三值模式(LTP)提取每一小块的纹理特征,并加以融合,最后利用卡方距离进行匹配识别.在香港理工大学接触式掌脉图库和自建的非接触式掌脉图库上进行实验测试,结果表明,当图像分块大小为16×16像素时,本方法获得了最高的正确识别率,分别为99.981 6％,99.299 4％,优于其他典型方法,提升了掌脉识别系统的性能,增强了系统的鲁棒性,具有实际应用价值.     

用于人脸识别的相对梯度直方图特征描述

由于方向边缘幅值模式(POEM)在剧烈光照变化情况下无法获得足够的特征描述信息,本文分析了相对梯度幅值图像特点,提出了相对梯度直方图特征描述方法。该方法根据图像的梯度方向对相对梯度幅值图像进行分解、滤波、局部二值模式编码和特征降维,形成了对光照变化,尤其是非均匀光照变化具有健壮性的低维直方图特征。在FERET和YaleB子集上的人脸识别实验证实:在光照变化较小时,相对梯度直方图特征描述方法与方向边缘幅值模式的性能相当,均显著优于经典的局部二值模式特征;在光照剧烈变化时,前者的识别精度比方向边缘幅值模式至少高5%,性能显著优于方向边缘幅值模式和局部二值模式,展示了相对梯度直方图特征描述方法的有效性和对光照变化的良好健壮性。     

金属圆柱工件缺陷的光电检测

针对金属工件外观缺陷检测存在光学照明不均、检测缺陷种类繁多、检测系统识别率不高等问题,研究了检测金属圆柱工件缺陷的方法。分析了局部二元模式(LBP)与局部图像方差强度(LVAR)的基本原理,研究了两者在金属纹理表面缺陷检测中的具体实现方法。采用LBP反应局部图形空间纹理模式,LVAR突出图像强度对比信息,然后用LVAR计算结果作为权重值来调整LBP的局部纹理提取和度量结果,实现了金属圆柱工件的自动缺陷检测。实验中采用步进电机控制工件旋转,配合线阵相机采集圆柱工件的展开图像。实验结果显示,这种方法有效克服了金属材质光照不均的缺点,对大量缺陷种类具有较高的鲁棒性,其检出率高达95.1%,漏检率为0%,满足了工业检测要求。     

实时带钢表面质量检测算法研究与应用

针对现有带钢表面质量检测技术在检测精度、数据实时吞吐量等方面存在的问题,提出了一种基于纹理特征编码的带钢表面缺陷检测方法。首先,利用高斯滤波器的差分响应模拟人类视觉的纹理感知模型,在原始图像空间内进行缺陷可疑点检测;然后对疑似缺陷位置进行纹理特征的提取与编码,在纹理特征编码空间内完成缺陷的精密定位。实验结果表明,该方法可以对带钢表面常见的氧化、孔洞、边裂、麻点等十几种不同类型缺陷进行精确地检测,降低了系统的误检率,同时提高了缺陷检测的识别率和算法的计算效率。     

结合噪声估计的NRLBP铆钉表面缺陷检测

针对铆钉表面缺陷纹理形态复杂多变,传统纹理特征提取方法难以获取准确纹理信息、铆钉缺陷识别率较低的问题,提出一种自适应阈值抗噪LBP的铆钉表面缺陷检测算法AT_NRLBP。首先,将铆钉图像均匀分块后提取铆钉子块;然后,基于PCA分解铆钉子块的协方差矩阵,估计子块图像的噪声水平。根据图像噪声强度计算NRLBP阈值,编码铆钉子块得到NRLBP纹理特征。最后,训练SVM单分类器分类铆钉子块,检测并标记出缺陷子块。实验结果表明,这里算法能有效地检测出铆钉表面缺陷,误检率明显降低;与其他纹理分类算法相比,这里算法在KTH-TIPS数据集上的分类准确率较高。     

局部纹理特征改进空闲车位智能检测算法

针对车辆数量的爆炸式增长而智能停车场车位检测速度慢、正确率低的问题,提出了一种基于局部二值纹理特征改进的空闲车位检测算法,算法首先将监控摄像机采集的车位图像降噪滤波后转化为局部二值模式,然后通过结构模板集提取图像的局部二值纹理特征,作为空闲车位和有车车位的识别特征,最后通过核Fisher判别方法实现空闲车位的检测。实验结果表明,所提方法对空闲车位的正确检测概率达到91.57%,对有车车位的错误检测概率只有4.46%,满足停车场空闲车位自动检测的要求,检测性能优于实验中采用的对比方法。     

颜色空间统计联合纹理特征的无参考图像质量评价

为了客观评价图像质量,本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先,对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数;然后,对MSCN系数提取其统计参数特征和权重LBP直方图特征,其中统计参数由广义高斯模型获得,权重为MSCN系数的幅度。另外,还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述,并运用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明:4个数据库加权平均Spearman秩相关系数为0.776,Pearson线性相关系数为0.821,均优于其他方法;图像大小为512×512时特征提取只需0.19s。本文提出的方法与人眼主观感知具有良好的一致性,并具有复杂度低等优点。     

衍射光学元件制作技术及未来展望

回顾了衍射光学元件(DOE)制作技术的发展过程,介绍了未来制作技术的发展以及元件演变的未来趋势。     

增量式局部切空间排列算法在滚动轴承故障诊断中的应用

针对流形学习算法的批量处理方式无法利用已学习的流形结构实现新样本的增量处理问题,提出一种增量式局部切空间排列算法。阐述局部切空间排列算法的基本原理及一次性观测样本全局坐标矩阵迭代和低维坐标提取方法。在算法增量学习上,对因新增样本加入而改变近邻点的样本进行全局坐标更新,建立新样本点的全局坐标;利用原始样本低维嵌入坐标和更新后的全局坐标矩阵对新增样本的低维嵌入坐标进行估计,并采用特征值迭代方法实现全局坐标更新。将增量式局部切空间排列算法应用于滚动轴承四种不同状态的模式识别中,提取的新增样本低维特征与特征空间聚集度分析结果表明:增量式局部切空间排列算法能够在保留一次性观测样本建立的低维流形基础上实现算法的增量式学习,同时对新增样本具有较高的识别率。     

A study on fault diagnosis and maintenance of CNC-WEDM based on binary relational analysis and expert system

The paper presents a binary relational analysis and expert system base module for maintenance and fault diagnosis of CNC wire EDM. The module proposes a framework of integrated maintenance and fault diagnosis system. The study explores the binary coded matrix system, which plays an important role in prediction and diagnosis of wire electrical discharge machining (WEDM) faults on the spot by expert guidance. In this study, 15 inputs were considered to observe eight probable causes with the help of the forward and backward propagation algorithms. Inputs and output matrices were considered in the form of a square matrix. To explain the fault diagnosis and to realize the importance of maintenance through advice, the detection of faults is investigated through forward and back propagation of matrix transformation on the spot. It is an integrated backup that can be individually focused when input and output parameter do not match. It is a time saving, knowledge acquisition, easy to maintain, and capable of self-learning system. To verify the developed framework, 120 data sets were generated for proper analyzing of acquired output through graphical representation. The paper also presents some of the important features of maintenance schedule and probable causes of wire breakage with remedial actions in tabular form. The developed system can help the operators, trainees, and manufacturing engineers in achieving trouble free machining through quick detection of faults and proper maintenance of machines in actual practice.     

A study on fault diagnosis and maintenance of CNC-WEDM based on binary relational analysis and expert system

The paper presents a binary relational analysis and expert system base module for maintenance and fault diagnosis of CNC wire EDM. The module proposes a framework of integrated maintenance and fault diagnosis system. The study explores the binary coded matrix system, which plays an important role in prediction and diagnosis of wire electrical discharge machining (WEDM) faults on the spot by expert guidance. In this study, 15 inputs were considered to observe eight probable causes with the help of the forward and backward propagation algorithms. Inputs and output matrices were considered in the form of a square matrix. To explain the fault diagnosis and to realize the importance of maintenance through advice, the detection of faults is investigated through forward and back propagation of matrix transformation on the spot. It is an integrated backup that can be individually focused when input and output parameter do not match. It is a time saving, knowledge acquisition, easy to maintain, and capable of self-learning system. To verify the developed framework, 120 data sets were generated for proper analyzing of acquired output through graphical representation. The paper also presents some of the important features of maintenance schedule and probable causes of wire breakage with remedial actions in tabular form. The developed system can help the operators, trainees, and manufacturing engineers in achieving trouble free machining through quick detection of faults and proper maintenance of machines in actual practice.     

LMD-KICA滚动轴承信号特征提取方法研究

在实际工程机械所产生的滚动轴承故障信号十分复杂,有效的故障信号和特征信息极易被噪声信号所干扰,针对工程中振动信号的特点,提出了一种基于局部均值分解(LMD)结合核独立分量分析(KICA)的方法提取故障信号特征.首先将源信号进行LMD分解,根据相关系数准则提取相关程度高的PF分量并构建新信号,对新构建的故障信号运用KIC...