面向视觉假体的复杂图像处理技术

为了更准确地提取视觉假体采集的复杂图像中的信息,提出了一种基于视觉显著性的复杂图像视觉焦点检测和基于多尺度信息融合的图像边缘特征提取算法。算法首先利用GB算法计算复杂图像显著性图,然后利用双阈值分割和形态学方法提取出复杂图像中的视觉焦点区域。其次,针对传统边缘检测中单尺度微分算子的不足,提出了融合多尺度Sobel的边缘检测方法。提出的复杂图像处理策略既简化了图像信息编码的复杂度,又提高了边缘提取算法的噪声稳健性。     

基于高光谱成像技术的500 kV运行绝缘子污秽识别及可视化研究

电网绝缘子数量多,污秽成分复杂,传统污秽测试方法耗费大量人力物力,为快速、有效地辨识其污秽程度,本文提出一种基于高光谱成像技术的线路绝缘子污秽等级识别技术。首先,利用高光谱成像仪对不同污秽等级的84支运行绝缘子样品进行图谱信息采集,进行黑白校正;其次,获取感兴趣区域(region of interest,ROI)的反射率光谱曲线,使用SG平滑预处理方法削弱噪声干扰,通过竞争性算法(CARS)提取波谱特征;同时,采用HSI分量法分析现场绝缘子不同污秽等级的图像特征,提取图像饱和度(Saturation)分量特征;结合光谱数据与图像特征参量,建立基于极限学习机(Extreme Learning Machine, ELM)的污秽等级识别模型,识别准确率可达86.1%,获取绝缘子高光谱图像各像素点的图谱信息并使用已建立的污秽等级识别模型进行分类,可实现绝缘子污秽等级的图像可视化。     

基于两轴振动和多传感器融合的变压器绕组机械故障诊断

针对传统变压器绕组机械故障诊断方法中，仅考虑绕组单一方向振动信号且特征参数提取复杂、识别准确率低的问题。本文提出了一种基于两轴振动和多传感器融合的变压器绕组机械故障诊断方法。首先从绕组轴向、辐向振动相关性角度提出两轴振动关系图形作为特征图像；然后采用轻量级卷积神经网络MobileNet V2对不同传感器获得的图像数据进行训练；最后利用D-S证据理论对多维信息源识别结果进行融合，并做出最终决策。实验结果表明所提方法故障诊断准确率可达99.4%,与传统故障诊断方法相比，简化特征提取步骤，诊断准确率提高了6.2%以上，为变压器绕组机械故障诊断提供一种可行方案。     

薄壁零件复杂光照情况下的轮廓特征识别

针对工业生产线薄壁零件识别中存在的零件轮廓识别受光照影响较大的问题,将颜色恒常性技术应用到工业生产线轮廓识别中,基于Retinex、HSI及边缘检测算法的基本原理,提出了一种薄壁零件复杂光照情况下的轮廓特征识别算法用于薄壁零件的图像恢复和轮廓识别。该方法首先使用HSI颜色空间对图像的亮度进行提取,然后利用改进Retinex算法来对获取的零件图象进行自适应图像增强,滤除图像中的光照变化信息,之后在此基础上对图像进行灰度化处理,最后采用Canny算法识别薄壁零件的边缘,进一步提取薄壁零件的有效轮廓特征。实验结果表明:该算法能够快速、准确地识别复杂光照情况下的薄壁零件的轮廓信息,满足工业流水线检测的需求。     

基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别

新型电力系统中电能质量扰动问题愈加复杂和严重,多种电能质量扰动同时出现,导致传统算法识别准确率降低。 提出一种基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别算法。采用马尔可夫变迁场将电能质量扰动信号可视化映射为二维特征图像;通过EfficientNet卷积神经网络处理图像数据,实现扰动信号的特征提取;利用神经架构搜索自动调节卷积神经网络超参数进行网络训练,建立电能质量扰动分类识别模型。仿真结果表明,所提方法能够准确高效地提取扰动信号特征,对复合电能质量扰动分类效果好且抗噪声能力强。     

基于改进 PCM 聚类方法的绝缘子图像分割

针对绝缘子图像背景复杂多样而导致提取绝缘子区域困难的问题,提出了一种改进的可能性 C-均值聚类方法(PCM) 对绝缘子图像进行分割。 方法主要基于两个方面进行改进,一方面通过定义局部相关因子、引入图像的空间局部信息以增强对 噪声的抗干扰能力、提高分割精度;另一方面通过在损失函数中加入类中心相斥项缓解传统 PCM 聚类中心点重合问题。 实验 利用人工合成数据和复杂背景的绝缘子图像对比该算法与 FCM、PCM、K-means、KFCM 和 IFCM 算法的聚类分割性能。 结果表 明改进 PCM 对噪声抗干扰能力更强、聚类精度更高,且对绝缘子图像的平均分割误差为 0. 153,相比其他对比方法对复杂环境 下的绝缘子图片有更好的分割性能。     

基于时频谱图和自适应动态权重PSO-CNN的外破振动信号识别

为避免地下电缆遭受破坏，提高振动监测系统对外力破坏的预警能力，提出一种基于时频谱图和自适应动态权重粒子群算法-卷积神经网络(PSO-CNN)的外破振动信号识别方法。首先，将振动传感系统获取的3 000组外破振动信号转化生成为时频谱图数据集，在图像预处理阶段，采用直方图均衡化和二维主成分分析(2D-PCA)算法来增强灰度图像特征并实现图像数据的降维；然后，将图像数据集的70%作为CNN模型的训练集，并在网络训练过程中引入自适应动态惯性权重PSO对CNN模型的卷积层、池化层相关参数进行迭代寻优，从而获得优化PSO-CNN分类模型；最后，利用测试集图像数据对优化PSO-CNN模型的识别性能进行验证，并与其他分类模型进行了对比。结果表明，所提方法对6种常见外破振动信号的识别准确率达到98.33%,平均每张图像的识别时间仅为0.24 s,与其他分类算法相比具有更高的分类精度和更快速的识别速度，为快速准确地识别外力破坏事件类型提供了一种可行方案。     

一种变电站智能巡检机器人的仪表图像空间变换算法

针对变电站智能巡检机器人的仪表识别问题,提出了一种基于SURF的图像空间变换算法。首先,对建模图像仪表区域和待识别图像进行SURF特征提取;其次,采用KNN算法和双向匹配对所提取的特征进行筛选,提取优质匹配点对;最后,利用随机采样一致性算法(RANSAC)计算得到投影矩阵,从而能将待识别图像转换到建模图像空间,为后续识别提供便利。变电站实际测试结果表明了该算法的有效性。     

基于相对变分的边缘检测

边缘检测是机器视觉与图像理解中的基础问题,准确地提取轮廓有助于提高后续操作的质量和效率。在深入分析图像纹理结构、噪声及细胞神经网络算法(cellular neural network,CNN)的基础上提出一种基于相对变分正则化的细胞神经网络边缘检测方法。首先采用相对变分正则化的方法将图像的纹理进行平滑,去除纹理以及噪声对边缘提取的影响;然后再用标准的细胞神经网络算法对平滑后的图像进行边缘检测。实验结果表明:算法与Canny、CDCNN等算法相比,在没有重新设计新的复杂CNN模板参数的情况下,针对具有复杂纹理及含有一定量噪声的图片进行边缘检测,算法能得到更好的检测结果。     

含缺陷固体火箭发动机燃面自适应提取算法

固体火箭发动机CT图像存在的伪影噪声会严重影响初始燃面边界与缺陷的提取，并且实际CT图像中缺陷信息提取困难，研究有效地去掉CT图像中伪影并自动提取出燃面数据与缺陷数据的算法具有重要的工程实际价值。针对CT图像去伪影与缺陷提取难的问题，提出一种IBM3D滤波算法，在块匹配阶段利用边缘检测的先验信息寻找相似块；并提出一种自适应Canny边缘检测算法与种子八连通标记法相结合的方式将图像中的初始燃面与缺陷数据有序地分离出来。实验结果表明IBM3D算法的峰值信噪比与结构相似性水平较其他算法更高，自适应边缘检测算法提取的燃面缺陷信息较其他算法更为完整。实现了含缺陷的固体火箭发动机CT图像质量的提升，并准确地提取初始燃面、缺陷信息。     

基于增强滤波和特征聚类分析的导线隐患识别技术研究与应用

及时发现输电线路导线隐患是保障线路安全运行的关键,鉴于现有巡检图像处理过程中存在的不足,本研究在国内外已有研究成果的基础上进行了算法优化,提出了一种基于增强滤波和特征聚类分析的导线隐患识别算法。实验测试表明该算法对于线路巡检图像中的处理速度和识别准确率均优于传统算法,能够快速准确地实现导线提取和隐患的识别。由于该算法对硬件配置要求较低,能够在巡检现场完成对图像的分析和处理,具有较大的实用价值。     

基于图像处理和光电传感技术的SF6气体在线监测系统设计

对变电站设备状态进行监测是智能变电站的一个重要的组成部分。针对高压断路器SF6断路器在线监测的特点,设计了基于图像处理技术和光电传感技术的SF6气体压力状态实时在线监测系统。针对变电站中使用的彩色SF6压力表,提出了一种快速报警的仪表图像直读算法,基于该算法进行图像处理,识别SF6气体压力状态。SF6气体压力状态在线监测数据通过ZigBee无线通信技术传输,基于LabVIEW编写的后台软件能够在线实时显示SF6气体压力状态。对设计的系统进行了初步的实验室测试,验证了该系统方案的可行性。     

基于ASIFT算法的绝缘子视频图像的识别与定位*

为了实现智能提取直升机巡检视频中的绝缘子图像,基于ASIFT原理的图像处理技术和数据库技术,提出了一种新的绝缘子图像识别与定位方法。该方法首先建立标准的绝缘子图库,通过改进UL－PCNN红外图像分割算法提取绝缘子特征值,然后将输电线路视频与标准图库中的绝缘子图片利用ASIFT算法进行匹配,进而识别和定位视频中的绝缘子。实验结果表明,ASIFT方法具备良好的抗绝缘子图像仿射变形性能,可以在少量人工辅助的条件下对图像进行处理,提高了架空输电线路绝缘子故障检测的自动化处理程度。     

遥感云图纹理特征提取算法实时加速设计

为了解决灰度共生矩阵对遥感云图特征提取实时图像处理过程中算法复杂度高,运算时间长,数据运算量大等问题,提出了一种Vivado HLS实现卫星遥感云图特征提取算法的硬件加速方法。通过对灰度共生矩阵纹理特征提取算法以及Vivado HLS硬件加速设计进行研究,利用Vivado HLS对灰度共生矩阵纹理特诊提取进行硬件加速,并且封装为可调用的IP核,将PC端遥感云图处理结果与Zynq7020硬件加速后的处理结果进行比较,实验结果表明,该方法能够快速的解算遥感云图纹理特征,加快遥感云图处理速度,同时克服了FPGA设计图像算法难度大的缺点。     

基于虚拟双目视觉的电器电磁机构三维动态测试研究

对电器电磁机构进行准确的动态测试是电器优化设计的基础。由于电器电磁机构动态过程的复杂性及受研究方法、测试技术和条件的限制,过去对电器电磁机构动态特性的测试是二维的,而三维图像具有空间真实感,能够更全面、真实地反映电磁机构的动作过程,因此有必要对电磁机构进行三维动态测试。利用两面成一定角度的平面镜与1台高速摄像机相结合组成虚拟双目视觉测试系统,提出利用光学非接触式三维测试方法对电器电磁机构进行三维动态特性测试。采用虚拟双目视觉的原理,标定了高速摄像机的内部参数和外部参数,利用三维重建描绘出了磁保持继电器衔铁的三维动态特性曲线,通过3D测试验证了方法的可行性。提出的基于Image-Pro Plus图像处理的特征点检测和提取方法,极大地简化了立体匹配的约束条件和算法难度。     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

基于特征融合与深度学习的非侵入式负荷辨识算法

针对使用单一设备特征进行负荷辨识存在的局限性,提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法。通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征。利用人工神经网络的高级特征提取能力,实现了V-I轨迹图像特征与功率数值特征的融合。最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识。使用PLAID数据集对算法辨识效果进行了验证,并对比了不同分类算法对特征融合的有效性与负荷辨识能力。结果表明,该算法利用不同特征之间的互补性,克服了使用V-I轨迹特征无法反映设备功率大小的缺点,从而提高了V-I轨迹特征的负荷辨识能力,并且在嵌入式设备中的运算速度为毫秒级。     

利用有限低频信息的居民用户非侵入负荷监测算法

通过更多信息特征或高频采样技术提高识别准确率的负荷监测算法,会增加信息采样阶段的成本和边缘数据处理的难度,提出一种基于有限低频信息的非侵入式负荷监测算法。设计最佳事件检测器,该检测器根据滑动窗口采集聚合负荷数据,并根据统计特征指标判断电器投切位置;将事件发生前后的功率序列作为识别特征,利用互补集合经验模态分解算法分解出功率序列中的多阶本征模态函数和最终趋势,绘制分解结果的二维图像并将其输入卷积神经网络进行训练和识别,从而实现仅基于有限低频采样信息就可高精确率地识别负荷。基于公开数据集的仿真结果验证了所提算法的有效性。     

基于AdaBoost-DT算法的电力市场串谋行为识别研究

针对电力市场中购电商串谋的识别方法定性分析居多,实时性不高的问题,文中提出基于AdaBoost-DT算法的串谋行为智能识别方法,将AdaBoost-DT集成分类算法用于串谋识别中,解决了串谋行为难以量化识别的问题。从串谋机理出发,设计了一套基于任意2个购电商之间的串谋识别指标体系。面对数据不均衡问题,采用过采样法对训练数据集进行增广,利用AdaBoost-DT分类算法训练串谋行为智能识别模型。最后,以月度交易数据为支撑进行算例分析,采用接收者操作特性曲线(ROC)和接收者操作特性曲线下的面积(AUC值)评价模型的识别效果。实验结果表明,该串谋行为识别方法的准确率较高且实时性较好,充分验证了算法的有效性。