图像识别中的兴趣点匹配方法研究

针对图像检索识别的需求,提出了一种基于兴趣点的匹配算法,利用小波变换对图像进行降维和去噪,提取其SIFT点特征,同时进行PCA降维,最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验,结果表明,该方法具有很强的匹配性和鲁棒性,是一种较好的图像匹配算法,可以广泛应用于图像的检索和识别中。     

改进的快速独立分量分析算法

介绍了独立分量分析的基本理论和算法,在快速分离算法基础上提出了一种基于改进的牛顿迭代法的独立分量分析算法。仿真结果表明,改进的算法在分离效果相当的情况下,减少了迭代次数,提高了收敛速度,用于实时处理和解决高维问题有显著的优越性。     

基于独立分量分析的电力线通信的研究

针对电力线通信信道的特点,提出了将ICA算法应用于电力线通信系统的方案,并根据电力线的传输特性,构建了系统模型。实验和仿真表明该系统模型能有效地从传输信号中提取弱信号,并进行正确的解码,从而增加了传输距离,而且此系统约束条件少,具有很强的通用性。     

基于BEMD的电力设备红外与可见光图像的配准研究

电力设备的红外图像和可见光图像从不同角度反映了设备的状态,对它们进行配准可以提高在线监测的准确性.将2维经验模态分解( BEMD)方法引入到电力设备的红外与可见光图像配准中.通过理论分析得出了基于BEMD的图像配准原理,把图像的配准问题转化成了BEMD分解后子图像的配准问题,并确定了原始图像、趋势图像及2维仿射变换在配...     

基于光滑自助法的风功率预测误差核密度建模方法

在风功率预测误差建模应用中,无偏交叉验证(UCV)和经验法则(ROT)是两种常用的非参数方法。然而,由于风功率预测误差中存在的尖峰厚尾,以及局部小样本特征,直接使用这两种方法会产生较大的泛化误差。为了使UCV和ROT在应用中发挥更好的作用,文章提出了一种基于光滑自助法的核密度估计方法。该方法利用了光滑自助法在分位数推断上的优势,通过修改平均积分平方误差(MISE)指标函数,实现了对基本估计方法的校正。该方法本质上是一种装袋方法,可以与任何基本的核密度方法结合使用。在实例仿真中,得到了SBUCV方法和SBROT方法的运行结果,并与UCV和ROT方法的结果进行了对比。仿真结果表明了该方法的有效性。     

基于注意力特征融合YOLOv5模型的无人机输电线路航拍图像金具检测方法

无人机采集输电线路航拍图像由于其特殊性,往往背景复杂多变,检测目标存在尺度不一及部分遮挡等问题容易造成检测过程中误检、漏检。本文从特征融合角度出发,提出基于注意力特征融合YOLOv5模型的输电线路金具检测方法。首先,在主干提取网络中引入了具有自注意力机制的AFF-Transformer模块更好的捕获全局信息和上下文信息,提高主干网络特征提取能力。其次,通过在特征融合过程中使用通道空间注意力避免了关键信息丢失。最后,利用双向加权特征融合机制使得模型更有效的将浅层特征和深层特征进行融合,以上改进有效缓解了金具在密集状态下的误检、漏检等问题。通过在自建输电线路金具数据集上进行实验,结果表明：本文提出的方法在原YOLOv5模型的基础上准确率提升了2.7%,模型召回率提高了1.5%,针对于小目标,以及漏检、误检等问题有了较好的改善。     

自监督E-Swin的输电线路金具检测

目的 输电线路金具种类繁多、用处多样，与导线和杆塔安全密切相关。评估金具运行状态并实现故障诊断，需对输电线路金具目标进行精确定位和识别，然而随着无人机巡检采集的数据逐渐增多，将全部数据进行人工标注愈发困难。针对无标注数据无法有效利用的问题，提出一种基于自监督E-Swin Transformer （efficient shifted windows Transformer）的输电线路金具检测模型，充分利用无标注数据提高检测精度。方法 首先，为了减少自注意力的计算量、提高模型计算效率，对Swin Transformer自注意力计算进行优化，提出一种高效的主干网络E-Swin。然后，为了利用无标注金具数据加强特征提取效果，针对E-Swin设计轻量化的自监督方法，并进行预训练。最后，为了提高检测定位精度，采用一种添加额外分支的检测头，并结合预训练之后的主干网络构建检测模型，利用少量有标注的数据进行微调训练，得到最终检测结果。结果 实验结果表明，在输电线路金具数据集上，本文模型的各目标平均检测精确度（AP⁵⁰）为88.6%，相比传统检测模型提高了10%左右。结论 本文改进主干网络的自注意力计算，并采用自监督学习，使模型高效提取特征，实现无标注数据的有效利用，构建的金具检测模型为解决输电线路金具检测的数据利用问题提供了新思路。