结合果蝇算法优化PCNN和相位一致性的图像检索EI北大核心CSCD

针对现有基于内容的图像检索方法不能有效地融合区域和边缘信息的不足,利用果蝇优化算法(FOA)优化脉冲耦合神经网络(PCNN),并将其与相位一致性(PC)相结合,提出一种图像检索方法.首先采用FOA对简化PCNN模型的3个关键参数进行设定,并结合最大信息熵准则进行图像分割和特征提取;然后利用PC提取图像的边缘,获取边缘颜色直方图特征;最后综合运用这2种特征进行图像检索.实验结果表明,该方法具有较好的检索性能,平均查准率和平均查全率均高于现有的代表性方法.     

破损图像丢失区域自适应优化修复方法仿真

针对传统修复方法存在图像模糊、修复速度低的问题,提出一种基于纹理合成的破损图像丢失区域自适应修复方法。对破损图像丢失区域进行纹理分割提取破损图像边缘能量特征,完成自适应纹理密度量化估计,计算丢失区域纹理向量量化区域的超像素级视觉特征。利用基于Criminisi算法根据纹理特性计算优先修复区域,不断更新图像的可靠度对丢失区域进行纹理修复,完成破损图像丢失区域的自适应修复。通过实验结果验证,所提修复方法与传统修复方法相比,修复后的图像更清晰、完整,修复用时更短。     

海底电缆破损红外图像监控方法研究与仿真

研究海底电缆破损准确监控问题.由于海底与陆地电缆不同,海底电缆往往具备大容量、长距离的特征,一旦发生细微的电缆表皮绝缘裂化,转化的红外表皮扫描报警信号也会较小,在长距离的海水传递中,受到海水阻塞等因素的影响,很容易造成信号衰减.传统的介质损耗因数方法通过检测介质中的红外报警信号进行监控,一旦红外线信号发生衰减,会导致海底电缆破损检测准确率降低.提出了一种配合计算机视觉图像的海底电缆破损智能监控方法.运用像素补偿手段,对细微破损点进行多次迭代补偿增强,克服了传统算法中需要远距离传递信号造成衰减的弊端.实验证明,改进算法能够避免海水深度增加造成的红外线信号衰减的缺陷,提高了海底电缆破损检测的准确率.     

智能电网AMI领域IDS研究综述北大核心CSCD

高级计量基础设施(Advanced Metering Infrastructure,AMI)作为智能电网的关键组件,有效支撑了智能电网实时交互分布式能源发电和存储等重要环节。AMI中网络的接入也使得智能电网面临着愈发严峻的安全风险。在AMI的安全领域中,入侵检测系统(Intrusion Detection System,IDS)凭借着其主动检测攻击的能力而被广泛应用。文章通过介绍智能电网关键组件AMI的架构,分析确定了AMI面对异常访问的安全薄弱点。在此基础上,文章调研了面向连接和面向设备的IDS研究现状,详述了近年来IDS在AMI领域中的应用与发展,归纳分析了IDS在AMI领域中仍存在的问题,并给出了层次化展望。     

一种改进型的PCNN路面裂缝检测方法

路面病害的视觉自动检测一直是公路养护研究的热点问题,针对传统脉冲耦合神经网络(PCNN)在路面图像分割中的参数选择以及迭代中最佳分割结果的选择问题,提出通过简化脉冲耦合神经网络的模型,对关键参数自适应以及神经元点火条件的改进,以图中最大的裂缝作外接矩形,在迭代去噪过程中,外接矩形面积大大减小或矩形内部出现更多裂缝,表明...     

基于PDE和小波分析的破损路面检测技术

提出了一种基于PDE和小波分析的破损路面检测技术。通过CCD采集路面信息,并运用PDE进行去噪处理,从而很好地保留原始图像的边缘和纹理;利用小波分析进行边缘检测,再采用Canny算法对图像边缘进行提取,以确定破损路面的位置。实验结果表明,检测结果与实际结果相吻合。     

路面破损图像二值化方法研究

路面图像采集和二值化是路面破损自动分析的基础。构建了高分辨路面图像自动采集系统,实时采集、存储路面图像,采用直方图分析法将道路标线从路面图像的背景中去除。在路面图像二值化中,采用分块处理策略。首先利用子块图像灰度方差与标准子块好路面图像灰度方差以及该子块图像灰度方差均值的比值描述路面子块图像特征,并采用在线学习的方法设计路面子块图像模式分类器;其次利用子块图像模式的连通性,有效描述路面破损在空间上的连续性,进而去除路面破损图像误判的子块模式;最后采用最佳阈值法将所有路面破损子块图像二值化,实现整幅路面图像的二值化。实验结果表明,该文算法可有效分割路面破损图像。     

基于图像的珍珠表面细微破损检测技术

研究珍珠表面破损检测问题,提高检测的准确性。针对珍珠表面十分光滑,细微的破损时常发生,传统的图像检测或者肉眼检测很难保证珍珠表面细微破损被准确检测出来。造成检测的准确率不高的问题,为了解决这一问题,提出采用计算机视觉图像的珍珠表面细微破损检测方法。通过去除图像中的噪声和一些干扰测量的部分。采用非规则破损表面的测量方法,通过精密测量珍珠图像映射圆表面的像素缺失度,完成珍珠表面细微破损检测。实验证明,上述方案切实可行,可以达到较高的精度,取得了令人满意的效果。     

基于视频图像的火焰多特征检测

根据火灾发生时火焰的颜色、面积变化和火焰的纹理特征,提出一种基于视频图像的火焰多特征检测方法.着重介绍了对采集到的视频图像中的火焰进行颜色、面积变化的分析,并通过BP神经网络进行火焰纹理相似性的识别,以便得到更准确的火焰识别效果.     

路面破损图像的模糊增强方法研究

针对传统路面破损图像模糊增强算法增强效果不明显、无法划分与背景灰度区域重叠的病害区域、控制参量难以设置、运算复杂等问题,提出了一种改进的路面破损图像模糊增强算法。首先对图像进行分块,并设计一种新的分段隶属度计算函数,使每个块区域内各像素点的灰度值完整细致地映射到隶属度上,能通过少量迭代次数获得一定的增强效果。在模糊逆映射上,采用灰度级扩展的逆变换函数,使增强效果进一步提升,消除了由于截断带来的灰度信息损失。新算法对多灰度级的路面破损图像的增强取得了很好的结果,并且控制参量无需人为设定。     

刀具破损在线检测系统的研究

本文论述了一种比较先进的使用切削力遥测系统对刀具的破损进行检测的方法,并给出了可将刀具被损状态与其它切削工况区分开来的可自动调整滤波频率的数字滤波算法原理及其实现。     

通过脉冲耦合神经网络来增强图像

图像增强是指对图像进行加工,以获得更“好”的视觉效果的一种图像处理技术。这种“好”的评价是由图像的观察者给出的。该文提出了一个通过脉冲耦合神经网络来增强图像,使图像的边缘变得更清晰的方法,并用边缘检测算子对其结果进行了验证。实验表明这种方法具有良好的效果。     

基于卷积神经网络和多判别特征的跌倒检测算法EI北大核心CSCD

针对传统跌倒检测算法中特征提取不充分、跌倒判别条件泛化性差、实时性差等问题,提出一种基于卷积神经网络和多判别特征的跌倒检测算法.为了完成更丰富的特征信息提取并保证实时性,首先,使用MobileNetV3轻量级网络完成对输入图片中人物特征信息的准确、快速提取;其次,使用3个小型卷积核的叠加和残差网络,保证网络在具有相同感受野的情况下降低网络模型的参数量,以保证图像中人体关键点检测的实时性;再次,为了提高跌倒状态判别的准确性,将人体躯干、四肢与地面间夹角,以及人体标定框高宽比变化作为跌倒判别特征;最后,设计了一个基于云服务器的物联网系统,以缓解用户终端计算能力不足导致实时性差的问题.在URFD数据集和自建数据集上进行大量实验的结果表明,该算法的检测准确率分别为99.0%和98.5%,该算法相对于传统跌倒检测算法具有更高的准确性和更好的普适性.     

切割刀具图像边缘破损检测方法仿真

采用目前方法对切割刀具边缘进行破损检测时,没有对刀具图像进行增强处理,导致方法存在图像对比度低、适用性能差和检测精度低的问题.提出基于直方图均衡化的切割刀具边缘破损检测方法,利用天然橡胶刀具图像的灰度中值,在分割直方图等面积原则的基础上进行灰度直方图分割处理,均衡化处理分割处理后的各子灰度直方图,完成天然橡胶刀具图像的...     

3D打印网络系统合成模型及智能组网应用北大核心CSCD

针对3D打印设备、3D相关设备和运行数据的统一建模问题,提出并建立3D网络系统合成模型,包含数据合成类型定义模型、单纯数据类型定义模型、组合数据类型定义模型、数据合成约束系统,实现3D打印设备与3D相关设备间的互操作、信息共享、协同工作;建立3DCNS和3DNSC的配套通讯体系,构建网络与设备的综合信息模型和对应通讯机制,实现网络与设备的自我表述。通过集成禁用品保护、在线防闭锁、区域网络禁令选跳、3D打印通信网络平台、基于PCSD的逻辑处理器、网络节点能量监控管理系统等具体应用,论证并说明了3DNSC模型的信息量化能力、统一通讯能力、互操作能力,为扩展构建数字化3D设备智能化平台及3D打印智能网络奠定了基础。     

基于自适应Kalman滤波的智能电网假数据注入攻击检测EI北大核心CSCD

研究了一种针对智能电网中假数据注入攻击的有效检测方法.假数据注入攻击可以保持攻击前后残差基本不变,绕过传统的不良数据检测技术.首先基于电网模型,分析了假数据注入攻击的攻击特性,针对噪声统计特性未知且无迹Kalman滤波(Unscented Kalman filter,UKF)不稳定的现象,提出了自适应平方根无迹Kalman滤波改进算法.基于状态估计值,结合中心极限定理提出检测算法,并与欧几里得检测方法、巴氏系数检测方法进行比较.最后,仿真表明本文所提检测算法的优越性.     

保特征的单幅图像三维网格重建EI北大核心CSCD

针对图像重建三维物体方法中存在无法保持物体尖锐特征的问题,基于深度神经网络,对输入单幅图像提出一种有效的保特征三维网格生成方法.对单幅输入图像使用VGG-16提取图像特征,并特别设计了图像边缘检测层获取物体的尖锐特征;将三维网格(初始为椭球)的顶点投影到特征图和边缘检测图上,以获得顶点局部特征,并判断其是否为尖锐特征点;然后,将局部特征和顶点位置串联输入到改进的图卷积神经网络(graph convolutional neural network, GCNN),对于非尖锐特征点采用普通GCNN,对于检测到的尖锐特征点采用0邻域图卷积神经网络(0-neighborhood GCNN, 0N-GCNN),以期其尽量不被邻域顶点过度光滑;GCNN的输出预测了顶点的新位置和三维特征;最后,对网格的顶点及特征用Loop细分上采样.执行3次上述变形(二维特征投影、尖锐特征检测、GCNN变形、上采样)后,初始椭球最终变形为输入图像中物体模样.实验使用ShapeNet数据集,在PyTorch框架下实现,从定性和定量两方面与现有方法进行了比较.实验结果表明,在Chamfer距离和F-score两类定量指标上均优于大部分现有方法,而Chamfer距离和F-score(2τ)的均值表现为最优.视觉比较也表明,文中方法可有效地提升特征保持性能.     

一种基于PCNN的医学图像边缘提取方法*

边缘提取是图像处理的基础工作,如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题,由此产生的各种边缘检测方法层出不穷并且得到了很好的应用,但这些方法都无法达到人眼识别物体边缘的精确程度。目前脉冲耦合神经网络（pulse coupled neural network, PCNN）是图像处理领域较为接近生物视觉进行图像处理的有力工具。改进基本的PCNN模型,提出了一种新的模拟生物视觉提取图像边缘的方法,该改进方法有效地利用了PCNN的特性。将该方法应用于医学图像的边缘提取,并与几种经典边缘检测算法、     

基于BP神经网络的智能入侵检测研究

分析了入侵检测技术在计算机网络安全技术中的作用和地位,同时将BP神经网络算法应用于入侵检测当中,建立了基于BP神经网络的智能入侵检测系统.该系统能够通过数据包捕获模块实时抓取网络中传输的数据包,之后通过协议分析模块进行数据包所使用的数据协议的识别,从而能够在BP神经网络模块分别针对采用TCP、UDP、ICMP这三种网络数据传输协议的数据包进行处理.从本文中列出的该系统在Matlab07上的仿真结果可以看出:基于BP神经网络的智能入侵检测系统能够有效地提升入侵检测识别率.     

基于轻量化神经网络的石窟壁画破损检测方法

针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法。首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取的倾向性,加快模型收敛速度;最后,使用加权双向特征金字塔拼接方式高效融合特征信息,通过复合缩放完成预测。实验结果表明：改进后的算法网络层数减少了34.40%。参数量和浮点运算量分别降低了62.98%和68.77%,模型体积压缩了62.78%。检测精度高达64.7%,实时检测速度从63.60帧/s提升至97.56帧/s,提高了约53.39%。