Log-Gabor小波和分数阶多项式KPCA的火焰图像状态识别

目的 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Log-Gabor小波和分数阶多项式核主成分分析(KPCA)的火焰图像状态识别方法。方法 首先利用Log-Gabor滤波器组对火焰图像进行滤波,提取滤波后图像的均值和标准差,并构成纹理特征向量。然后使用分数阶KPCA方法对纹理特征向量进行降维,并将降维后的纹理特征向量输入支持向量机进行分类。结果 本文与基于Log-Gabor小波特征提取以及2种基于Gabor小波特征提取的方法相比,本文方法的分类识别正确率更高,分类精度为76%。同时,第1主分量方差比重与核函数参数d之间满足递增关系。本文方法能够准确地提取火焰图像纹理特征。结论 本文提出一种对锅炉燃烧火焰图像进行状态识别的方法,对提取的火焰图像纹理特征向量进行降维并进行分类,可以获得较高的分类精度。实验结果表明,本文方法分类精度较高,运行时间较短,具有良好的实时性。     

基于人脸认知模式的相似脸搜索

目的 人类对人脸认知模式的探索由来已久,并且已经成功应用于美容整形等研究领域。然而,目前在计算机视觉和模式识别领域,计算人脸相似度的方法没有考虑人对人脸的认知模式,使得现有方法的计算结果从人的认知习惯角度来讲并非最佳。为克服以上缺陷,提出一种基于人脸认知模式的相似脸搜索算法。方法 依据人脸认知模式,选取特征点,并计算特征量,构造各面部器官（眼睛、鼻子、嘴巴、脸型）分类模型,即面部器官形状相似性度量模型,并采用圆形LBP算子,计算两幅人脸对应器官的纹理相似度,二者综合作为相似脸搜索的依据。结果 分别用本文方法和代表相似脸搜索最高水平的Face++的方法对80幅正面、中性表情、平视角度拍摄的人脸图像进行测试。本文方法的整体准确率高于Face++方法,其中,TOP1、TOP2最相似搜索结果准确率优势明显,均高出Face++方法12%以上。结论 实验结果表明,本文方法的搜索结果更加符合人脸认知模式,可应用于正面、中性表情、平视角度拍摄的人脸图像的相似脸搜索。此外,还可以将此类基于认知模式的图像搜索思路推广应用于商业领域,如基于图像的相似网购商品搜索等。     

烧结断面火焰图像退化模型及断面图像复原

目的 图像复原是基于物理模型提高退化图像质量的一种客观方法,复原图像无失真且细节丰富。烧结机尾断面火焰图像可以反映料层的烧结状态,对烧结矿质量的检测起到至关重要的作用。由于烧结机尾环境恶劣,存在大量的烟气、粉尘以及亮度不均等干扰因素,导致相机采集到的烧结断面火焰图像存在退化现象。为消除这些影响,本文建立了烧结断面火焰图像退化模型,提出了有效的烧结断面火焰图像复原算法。方法 基于大气散射模型,采用一级多散射方法对烟尘多次散射过程进行简化,建立烧结断面火焰图像退化模型,依据Retinex理论,将场景成像分解为环境光照射分量与反射率的乘积,明确复原图像所求参数。1）求取原始图像亮度,利用Retinex理论分解原始图像,使用双边滤波来调整亮度图像,采用Sigmoid函数对反射图像进行增强,得到亮度平衡后新的烧结断面火焰图像;2）利用暗通道原理估计环境光值,结合引导滤波细化图像透射率分布;3）采用容差机制改进火焰区域的透射率,得到复原图像。结果 使用本文方法对单幅图像进行复原并与其他4种方法进行主客观评价,结果表明本文得到的复原图像亮度均衡,火焰区域细节清晰并且与烧结料层区别明显,在保持较高图像对比度的同时,图像信息熵和峰值信噪比分别为17.532 bit与22.127 dB,相比其他算法明显提高。结论 本文研究了烧结断面火焰图像的退化模型,提出有效的复原算法,实现了Retinex理论与暗通道原理的有机结合,复原图像质量较高,为烧结火焰特征准确提取打下基础。     

反映人的认知习惯的商品检索方法

目的 便捷的商品检索是用户网络购物体验良好的关键环节。由于电商对商品描述方式的规范性要求以及用户对商品属性理解差异等问题，基于关键词的检索方法在商品检索的应用并不理想。近年来，以图搜图的检索方式在各大电商平台上得到越来越多的应用，但检索结果往往不尽如人意。为此，提出了一种新的检索思路，从商品外观设计特征出发，将人们对商品的认知模式引入到商品图片的检索过程，从而获得更符合人们预期的检索结果。方法 以时尚女包商品为例，在分析设计师的设计规范的基础上，将外观设计特征分解为形状特征、颜色特征和设计元素特征。利用深度卷积神经网络建模、提取特征，并使用哈希方法和Top3类内检索算法加快检索速度。结果 利用建立的商品数据集构建3个对应的特征模型，并进行分类识别和图像检索实验。结果表明，各个模型Top1的识别准确率均小于95%，而Top3的识别准确率均在98.5%以上；商品检索速度加快了将近3.5倍。实验及用户调查结果表明，本文提出的检索方法与淘宝、百度图片等基于图像的检索工具相比，检索结果更为多样，与原图像相似度更高。结论 本文提出的从商品外观设计规范出发、与人的认知模式相结合的商品检索方法，更能满足用户的检索意图，可用于时尚女包商品检索，对基于图像的其他商品的检索方法的研究具有借鉴意义。     

跨模态多标签生物医学图像分类建模识别

目的 生物医学文献中的图像经常是包含多种模式的复合图像,自动标注其类别,将有助于提高图像检索的性能,辅助医学研究或教学。方法 融合图像内容和说明文本两种模态的信息,分别搭建基于深度卷积神经网络的多标签分类模型。视觉分类模型借用自然图像和单标签的生物医学简单图像,实现异质迁移学习和同质迁移学习,捕获通用领域的一般特征和生物医学领域的专有特征,而文本分类模型利用生物医学简单图像的说明文本,实现同质迁移学习。然后,采用分段式融合策略,结合两种模态模型输出的结果,识别多标签医学图像的相关模式。结果 本文提出的跨模态多标签分类算法,在ImageCLEF2016生物医学图像多标签分类任务数据集上展开实验。基于图像内容的混合迁移学习方法,比仅采用异质迁移学习的方法,具有更低的汉明损失和更高的宏平均F1值。文本分类模型引入同质迁移学习后,能够明显提高标签的分类性能。最后,融合两种模态的多标签分类模型,获得与评测任务最佳成绩相近的汉明损失,而宏平均F1值从0.320上升到0.488,提高了约52.5%。结论 实验结果表明,跨模态生物医学图像多标签分类算法,融合图像内容和说明文本,引入同质和异质数据进行迁移学习,缓解生物医学图像领域标注数据规模小且标签分布不均衡的问题,能够更有效地识别复合医学图像中的模式信息,进而提高图像检索性能。     

基于Radon-经验模式分析的纹理分类

目的 纹理分类是机器视觉和设备状态检测研究的核心技术,在工业生产领域起着重要的作用。高效的纹理分类方法不仅可以提高生产效率,还可以大幅提高产品的质量和可靠性。针对工业生产中图像纹理提取计算方法复杂等缺陷,提出一种1维化图像的纹理分类方法。方法 在图像1维化基础上,将其视为一类特殊的时域信号,引入EMD(empirical mode decomposition)特征计算方法。具体包括,通过Radon变换将2维信号1维化,评价投影信号以选取有利于分类的投影方向;对投影信号进行端点效应抑制和经验模式分解,并根据各个IMF(instrinsic mode functions)分量与原始信号构建纹理特征集;对特征集进行主成分分析,简化压缩特征集以降低特征集维数;结合支持向量机对特征集进行分类有效性评估,建立最优分类决策体系。结果 在Brodatz和KTHTIPS数据集上展开了多尺度、多方向等纹理分类实验,取得了满意的纹理分类结果。建立了基于网点纹理识别的印刷机状态检测系统,实现了工业生产应用。通过分析多幅Brodatz图像进行了特征提取速度对比,本文方法耗时5 s左右,而GLCM、Gabor滤波分别为9.5 s和24 s左右。结论 1维投影信号的IMF特征对于纹理特征有着很好的识别效果;由于进行了旋转投影选择并计算了统计特征,使得该方法对于多方向和多尺度纹理同样有效;所提出方法有着较高的计算效率。     

选择性卷积特征融合的花卉图像分类

目的 针对花卉图像标注样本缺乏、标注成本高、传统基于深度学习的细粒度图像分类方法无法较好地定位花卉目标区域等问题,提出一种基于选择性深度卷积特征融合的无监督花卉图像分类方法。方法 构建基于选择性深度卷积特征融合的花卉图像分类网络。首先运用保持长宽比的尺寸归一化方法对花卉图像进行预处理,使得图像的尺寸相同,且目标不变形、不丢失图像细节信息;之后运用由ImageNet预训练好的深度卷积神经网络VGG-16模型对预处理的花卉图像进行特征学习,根据特征图的响应值分布选取有效的深度卷积特征,并将多层深度卷积特征进行融合;最后运用softmax分类层进行分类。结果 在Oxford 102 Flowers数据集上做了对比实验,将本文方法与传统的基于深度学习模型的花卉图像分类方法进行对比,本文方法的分类准确率达85.55%,较深度学习模型Xception高27.67%。结论 提出了基于选择性卷积特征融合的花卉图像分类方法,该方法采用无监督的方式定位花卉图像中的显著区域,去除了背景和噪声部分对花卉目标的干扰,提高了花卉图像分类的准确率,适用于处理缺乏带标注的样本时的花卉图像分类问题。     

压缩感知下溃疡性结肠炎辅助诊断

目的 长期感染溃疡性结肠炎（ulcerative colitis,UC）的患者罹患结肠癌的风险显著提升,因此早期进行结肠镜检测十分必要,但内窥镜图像数量巨大且伴有噪声干扰,需要找到精确的图像特征,为医师提供计算机辅助诊断。为解决UC图像与正常肠道图像的分类问题,提出了一种基于压缩感知和空间金字塔池化结合的图像特征提取方法。方法 使用块递归最小二乘（block recursive least squares,BRLS）进行初始字典训练。提出基于先验知识进行观测矩阵与稀疏字典的交替优化算法,并利用压缩感知框架获得图像的稀疏表示,该框架改善了原来基于稀疏编码的图像分类方法无法精确表示图像的问题,然后结合最大空间金字塔池化方法提取压缩感知空间金字塔池化（compressed sensing spatial pyramid pooling,CSSPP）图像特征,由于压缩感知的引入,获得的图像特征比稀疏编码更加丰富和精确。最后使用线性核支持向量机（support vector machine,SVM）进行图像分类。结果 对Kvasir数据集中的2 000幅真实肠道图像的分类结果表明,该特征的准确率比特征袋（bag of features,BoF）、稀疏编码空间金字塔匹配（sparse coding spatial pyramid matching,SCSPM）和局部约束线性编码（locality-constrained linear coding,LLC）分别提升了12.35%、3.99%和2.27%。结论 本文提出的溃疡性结肠炎辅助诊断模型,综合了压缩感知和空间金字塔池化的优点,获得了较对比方法更加精确的识别感染图像检测结果。     

自上而下注意图分割的细粒度图像分类

目的 针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法 首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果 该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论 基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。     

结合深度学习与相关反馈的遥感图像检索

目的 针对基于内容的图像检索存在低层视觉特征与用户对图像理解的高层语义不一致、图像检索的精度较低以及传统的分类方法准确度低等问题，提出一种基于卷积神经网络和相关反馈支持向量机的遥感图像检索方法。方法 通过对比度受限直方图均衡化算法对遥感图像进行预处理，限制遥感图像噪声的放大，采用自学习能力良好的卷积神经网络对遥感图像进行多层神经网络的监督学习提取丰富的图像特征，并将支持向量机作为基分类器，根据测试样本数据到分类超平面的距离进行排序得到检索结果，最后采用相关反馈策略对检索结果进行重新调整。结果 在UC Merced Land-Use遥感图像数据集上进行图像检索实验，在mAP（mean average precision）精度指标上，当检索返回图像数为100时，本文方法比LSH（locality sensitive Hashing）方法提高了29.4%，比DSH（density sensitive Hashing）方法提高了37.2%，比EMR（efficient manifold ranking）方法提高了68.8%，比未添加反馈和训练集筛选的SVM（support vector machine）方法提高了3.5%，对于平均检索速度，本文方法比对比方法中mAP精度最高的方法提高了4倍，针对复杂的遥感图像数据，本文方法的检索效果较其他方法表现出色。结论 本文提出了一种以距离评价标准为核心的反馈策略，以提高检索精度，并采用多距离结合的Top-k排序方法合理筛选训练集，以提高检索速度，本文方法可以广泛应用于人脸识别和目标跟踪等领域，对提升检索性能具有重要意义。     

回转窑烧成带状态混合智能识别方法

针对氧化铝回转窑过程复杂、长期依赖人工看火操作而造成的生产过程不稳定、 产品质量一致性差、能源消耗大等问题,提出了基于烧成带火焰图像特征与关键过程数据融合的烧成带状态自动识别方法, 该方法由烧成带火焰图像的分割、特征提取、 关键过程数据的融合以及二叉树支持向量机分类器模型组成.工业实验表明, 该方法能够较准确地识别烧成带状态,为基于产品质量指标优化的窑温控制器提供决策依据.     

基于改进斜分Otsu法的回转窑火焰图像分割

因受窑内高温、高粉尘等因素的影响,氧化铝回转窑火焰图像中往往存在噪声.针对现有火焰图像分割算法存在抗噪性差和计算时间长等问题,对斜分最大类间方差法(Otsu法)进行改进,提出一种基于改进斜分Otsu法的回转窑火焰图像分割算法.该算法采用简化的距离测度函数作为阈值选取标准,以减少计算量和便于多阈值扩展; 采用基于后处理原理的图像分割方式,以进一步增强算法的抗噪性; 运用分子动理论优化算法实现加快计算速度.某厂氧化铝回转窑火焰图像的分割实验表明,该算法抗噪性强,运算速度快,能较为精确地分割出火焰图像的背景区、黑把子、火焰区、辐射带、物料区等区域.     

氧化铝回转窑火焰图像分割和特征提取技术

窑内参数难以准确在线检测是氧化铝回转窑自动控制的瓶颈之一；通过CCD工业摄像头采集窑内火焰图像，采用增强FCM算法对图像进行分割，针对不同情况采用有效的滤波方式，并实时准确提取了火焰温度、熟料温度、料高和黑靶子面积等多个参数，为回转窑自动控制奠定了基础。     

基于图像反馈的回转窑烧结温度智能预测控制

利用火焰图像作为回转窑烧结温度的反馈信号参与闭环预测控制,融合现场热工信号,设计了烧结温度的RBF网络预测模型,并利用遗传算法进行滚动优化,现场运行结果表明该方法可在正常工况下对烧结温度进行稳定控制.     

基于燃烧火焰图象特征的回转窑神经网络控制系统

提出了一种基于燃烧火焰图象特征的回转窑神经网络控制系统.系统主要由两部分组 成,一部分是回转窑煅烧带火焰燃烧状态识别系统,包括火焰图象获取、预处理、分割、特征提 取与识别;另一部分是基于高斯基函数神经网络的控制系统.实际运行结果表明该系统的有效 性和实用性.     

基于神经网络的回转窑建模及其优化控制设计

实现水泥回转窑温度稳定性控制,水泥回转窑熟料煅烧是一个涉及传质、传热和物理化学反应的复杂多变量、多扰动非线性过程。为了稳定回转窑烧成温度以提高孰料烧成质量,降低能耗,传统的控制方法,存在干扰大,稳定时间长等问题。在分析水泥回转窑工艺的基础上,采用Elman神经网络建立回转窑系统的模型,提出BP神经网络的PID控制方法,根据系统的运行状态,调节PID控制器的参数,以达到性能指标,设计了回转窑温度优化控制器,具有超调量小、动态性好、收敛速度快和控制精度高等优点。进行仿真的结果表明,回转窑烧成带温度逐渐趋于稳定,实现了对水泥回转窑的优化控制。     

基于2D-OTSU图像边缘检测的回转窑工况识别方法

回转窑作为水泥窑炉煅烧过程的核心热工设备,其正常运转率与产品产量、质量及能耗紧密相关,由于回转窑内部核心反应区温度高且装置持续旋转,接触式温度传感器无法安装在窑内核心反应区域,而筒扫系统借助红外扫描装置能够实时监测回转窑筒体表面温度并间接反映窑内热工状况.签于此,提出一种新的基于筒扫图像2D-OTSU边缘检测的回转窑异常工况识别方法.该方法首先构建基于灰度梯度和局部灰度标准差信息的融合模型,并利用相对熵概念计算模型权重系数,进而通过1D-OTSU预搜索策略提升识别算法的效率;然后给出一种2D双阈值检测阈值分割策略,以保证边缘的连续性;最后采用工业现场实际的回转窑筒扫图像对所提方法与其他典型检测方法进行比较研究.对比实验结果表明,所提出方法的检测率和单位误报次数均优于其他算法并具备一定鲁棒性,能够有效检测回转窑内的异常工况,达到提高回转窑运转率的目的.     

一种基于 Parzen 窗估计的鲁棒 ELM 烧结温度检测方法

在回转窑燃煤火焰视频模糊且干扰较大的情况下, 基于火焰辐射能量和燃烧稳定程度提取多帧煤粉燃烧图像的统计特征进行烧结温度判断. 为克服工业现场特征数据中的粗差干扰,将极限学习机(Extreme learning machine, ELM)与稳健估计理论相结合, 用训练误差分布的Parzen窗非参数估计构造ELM权矩阵,对其输出层权值进行稳健最小二乘估计. 基于上述火焰视频的统计特征,用该改进的鲁棒极限学习机(Robust-ELM)检测烧结带温度.实验结果表明, 在视频图像模糊、不能用常规静态图像处理方法软测量烧结带温度时,本文方法可快速有效地检测窑内烧结温度, 且检测系统不易受现场干扰,稳定性强.     

基于回声状态网络的回转窑工况识别方法

回转窑烧成带图像蕴含了丰富的温度场和熟料烧结信息,是回转窑烧结工况识别的重要依据。现有的基于静态图像的识别方法易受各种噪声影响,工况识别准确率较低。而视频图像序列蕴含了更多的烧结工况,具有区分性和不变性时空特征,在反映烧结工况变化方面信息更全面,更鲁棒。鉴于循环神经网络(RNN)和回声状态网络(ESN)适合处理时间序列方面的问题,分别根据两种神经网络构造动态分类器模型,提出了基于烧成带视频图像的回转窑熟料烧结工况识别方法,并且采用基准数据集时间序列做预测实验,通过设计实验考查两种神经网络处理分类和回归问题的能力。实验结果表明,针对回转窑工况识别问题,在不同数量样本条件下,ESN模型的识别率均略优于RNN-GRU,在MIMO时间序列预测问题上,ESN模型预测效果较好。     

氧化铝回转窑监督控制系统研究

为提高回转窑的台时产能、降低煤粉消耗,应用热工过程在线计算和图像测温结果,建立了以料浆流量、烧成带长度、熟料高度和熟料温度为输入的氧化铝回转窑给煤量优化数学模型;基于该模型开发的给煤优化监督控制系统用于某铝业公司大型回转窑的控制,使回转窑的自动控制熟料容重比合格率提高8.51%,台时产量提高2.5 t/h,煤耗降低2.5 kg/t,回转窑的自动控制运行率达70%;工业实践证明了该优化模型及系统的正确性和有效性,在同类回转窑自动控制中具有良好的推广应用价值.