基于多特征分步模糊推理的边缘检测算法

基于Mamdani模糊推理的边缘检测,将多个特征作为整体进行一步推理,但不同特征难以兼顾对模糊边缘的敏感和噪声的抑制,导致算法鲁棒性下降. 为此,该文提出了一种基于重要性加权的分步推理算法,根据各特征对边缘敏感和噪声抑制的重要性分步进行模糊推理,并加权每步推理结果作为边缘隶属度. 并提出了一种基于面积近似的重心法改进算式,能更好兼顾解模糊的准确性和实时性. 实验结果表明了该算法的准确性、鲁棒性和实时性.     

基于EMD多模态特征融合支持向量机的故障诊断

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法.首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM 弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器.将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.

     

均值漂移算法中的目标模型更新方法研究

均值漂移(Mean shift)是一种鲁棒的快速模式匹配算法, 但该算法框架下现有的整体模型更新策略不足以对场景中目标外观变化、遮挡等情况进行有效处理. 为此, 本文提出了一种Mean shift框架下的选择性子模型更新策略, 将特征模型中的每个分量作为单独个体, 基于每个分量的匹配贡献度, 分别选择当前帧中需要更新的子模型分量及其更新权值. 实验结果表明本文算法具有比整体模型更新策略更好的跟踪鲁棒性.     

基于TMS320DM642内河船舶目标检测系统的设计与实现

介绍了一种基于3MS320DM642内河船舶目标检测系统的设计与实现。首先讨论了船舶检测系统的硬件设计，该系统采用新一代数字多媒体处理器TMS320DM642。它具有极强的处理能力，可以保证图像信息处理的实时性和准确性。然后在硬件平台的基础上给出了其软件实现，提出了基于形态学重构的内河船舶目标检测算法。该算法先对原图像进行中值滤波，然后取滤波后的图像中亮度值最大的像素作为标记图像；原图像经顶帽变换，并进行迭代阈值分割后的图像作为掩模图像来进行形态学重构，从而实现船舶目标检测。最后将该系统应用于长江三峡的船舶检测，实验结果表明，该系统能实时的满足算法的需要，该算法在复杂背景下，能准确地检测出目标。     

基于小波模极大值和SVM的智能车辆障碍物检测

针对复杂交通场景中智能车辆前向障碍物检测问题,根据障碍物的后视视觉特征,提出了一种基于小波模极大值和支持向量机的障碍物检测方法.利用小波变换对奇异信号的多尺度分析,并结合障碍物先验知识的多特征组合,对候选障碍物区域进行检测;构建了一种适合于交通场景中障碍物分类的二叉树支持向量机(BT-SVM)多类分类器,对候选障碍物区域进行确认识别.将该方法应用于高速公路、城区道路等多种交通场景中,实车实验结果表明了本方法的有效性、实时性和通用性.     

某型号航天产品漏电故障诊断方法

针对某型号航天产品发射系统漏电故障诊断的特殊性,利用专家知识建立案例知识库,应用图论知识建立某型号航天产品漏电故障诊断图论模型,在此基础上生成树,并根据信息熵理论,提出"二分法"诊断思想,进行故障部件的定位,最后把成功诊断实例添加到案例知识库中;同时设计案例推理模块,通过人机交互模块达到案例推理和图论模型诊断方法的融合,使故障的定位更快速、精确.     

基于Log-Gabor小波变换和证据推理的车型识别*

针对车型识别问题,提出了一种基于特征车的车型识别方法——基于Log-Gabor小波变换和DS证据推理的车型识别算法。该算法先对特殊车辆图像进行多分辨率的Log-Gabor小波变换,最后形成车辆Log-Gabor特征。将1-a-1多分类SVM应用于基本概率分配函数的确定,使用证据推理的方法得到车型识别的结果。实验结果表明该方法是有效、可行的。     

基于EMD和支持向量机的柴油机故障诊断

为了解决传统小波或小波包变换方法对柴油机振动信号频率分辨率不高、易受邻近谐波分量间交叠影响的缺陷,提出了一种基于经验模态分解和支持向量机的故障诊断方法。该方法首先对振动信号进行经验模态分解,分别提取能量最大的几个基本模式分量的小波包特征;然后采用支持向量机在每个独立的特征子集中进行训练,并按该子集对应的基本模式分量的能量权重进行加权融合。试验中将该方法应用于6135型柴油机的故障诊断,结果表明,针对每个基本模式分量分别进行故障分析是可行的,能够对6135型柴油机常见故障模式进行准确识别。     

基于Boosting的智能车辆多类障碍物识别

提出一种基于Boosting集成学习的二叉树支持向量机（BBT-SVM）。根据城区交通环境中各类障碍物的出现概率、模式间的类间差异,设计适用于智能车辆障碍物识别的SVM树型结构。对每个节点SVM分类器采用Boosting集成学习方法进行改进,减少差错积累误差,提高分类精度和泛化能力。实验结果表明,该方法能有效地对城区交通场景中6类常规障碍物模式进行实时在线识别。     

基于EMD多模态特征融合支持向量机的故障诊断

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法,首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器,将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.