基于整体与局部纹理特征加权融合的港机装备钢丝绳断丝缺陷检测研究

钢丝绳是港机装备的重要部件,由于作业工况环境恶劣,钢丝绳表面极易引起断丝等缺陷,影响港机装备作业安全。针对港机装备钢丝绳表面油泥严重、光照亮度不均,以及港机装备钢丝绳断丝缺陷能够在钢丝绳股顶钢丝椭圆形区域内有效体现的特点,提出了一种基于钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征加权融合的钢丝绳断丝缺陷检测方法。首先采用图像降噪、增强、校正技术对钢丝绳原始图像进行预处理。然后采用图像平滑、阈值分割及边缘特征提取技术对股顶钢丝椭圆形区域边缘轮廓进行提取。接着采用局部二值模式(LBP)算子分别提取钢丝绳整体纹理特征与股顶钢丝椭圆形区域边缘轮廓纹理特征,并对钢丝绳整体纹理及边缘轮廓纹理特征进行特征加权融合。最后对加权融合后的特征向量进行主成分分析(PCA)法降维,并应用支持向量机(SVM)技术对钢丝绳断丝缺陷进行检测。研究结果表明:本文提出的方法对实际工况下重油泥、光照不均等钢丝绳断丝缺陷具有较好的检测效果,具有一定的工程应用价值。

基于加权融合的常导高速磁浮列车UKF定位算法

为提高高速磁浮列车测速定位的精确性,本文针对基于长定子齿槽检测的常导高速磁浮列车测速定位方法在列车运行过程中可能因测速定位信号缺失、干扰、测速定位安装误差等原因引起的定位不准问题,提出一种基于加权融合无迹卡尔曼滤波(UKF)的常导高速磁浮列车测速定位算法.介绍了高速磁浮列车基于长定子齿槽的测速定位方法,并对多路冗余速度位置信息进行预处理和自适应加权融合处理;给出基于加权融合UKF的常导高速磁浮列车测速定位算法模型;基于磁浮列车测速定位在环测试试验台试验,对改进后的无迹卡尔曼滤波磁浮定位算法与原定位算法进行了对比分析.分析结果表明:磁浮列车平均速度误差减小了32.6%,速度极差降低了49.3%,有效消除了信号采集噪声,提高了磁浮列车测速定位精度.

基于高斯滤波与均值聚类的异质多源传感器数据加权融合

异质多源传感器之间工作频率存在差异,导致数据之间的一致性较差,加权融合后的观测误差较大,因此提出基于高斯滤波与均值聚类的异质多源传感器数据加权融合方法。采用高斯滤波对异质多源传感器数据空间单元格进行划分,建立基于单元格的最佳连通域,保留传感器内部数据,完成传感器数据的高斯滤波平滑处理。引入均值聚类对异质多源传感器数据进行一致性处理。通过免疫粒子群搜索最优权重和参数,利用最优权重和参数完成异质多源传感器数据加权融合。仿真结果表明,所提方法能够降低融合后传感器数据的观测误差与均方误差,观测误差与均方误差最小值均为0.002。因此,说明所提方法提高了融合后异质多源传感器数据的可利用性。

基于特征加权融合算法的动漫人物图像复原重建方法

动漫人物复原图像存在像素缺失会导致所设计人物出现失真显示的情况,从而使主机元件无法准确重建动漫人物模型。针对此问题,提出基于特征加权融合算法的动漫人物图像复原重建方法。利用特征加权融合算法跟踪动漫人物特征,将图像分成多个像素区域,根据像素损失值推导人物图像的变分损失复原函数。利用跟踪所得的人物特征,定义重建节点,再将各个节点对象连接起来,以求解具体的重建表达式,完成动漫人物图像复原重建。实验结果表明,应用构建模型可以保证复原图像中缺失像素与原像素的色彩一致性,色彩一致性高于92%,不会造成设计人物失真显示的情况,能够保障主机元件对动漫人物模型的准确重建。

多源数据加权融合的城市建成区改进指数评估

针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题。首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估。结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上。

基于多关键点检测加权融合的无人机相对位姿估计算法

针对无人机降落阶段中无人船受水面波浪影响导致图像产生运动模糊以及获取无人机相对位姿精度低且鲁棒性差的问题,提出一种基于多模型关键点加权融合的6D目标位姿估计算法,以提高位姿估计的精度和鲁棒性.首先,基于无人船陀螺仪得到的运动信息设计帧间抖动模型,通过还原图像信息达到降低图像噪声的目的;然后,设计一种多模型的级联回归特征提取算法,通过多模型检测舰载视觉系统获取的图像,以增强特征空间的多样性;同时,将检测过程中关键点定位形状增量集作为融合权重对模型进行加权融合,以提高特征空间的鲁棒性;紧接着,利用EPnP(Efficient perspective-n-point)计算关键点相机坐标系坐标,将PnP(Perspective-n-point)问题转化为ICP(Iterative closest point)问题;最终,基于关键点解集的离散度为关键点赋权,使用ICP算法求解位姿以削弱深度信息对位姿的影响.仿真结果表明,该算法能够建立一个精度更高的特征空间,使得位姿解算时特征映射的损失降低,最终提高位姿解算的精度.

基于Q学习加权融合的无模型自适应参数寻优

无模型自适应控制算法作为一种数据驱动算法,具有计算量小,无需系统精确模型,易于实现等特点。为使传统无模型自适应控制算法具有更好的控制性能,提出了一种使用Q学习对控制参数进行优化的改进无模型自适应控制方法。在此基础上,采用加权融合的方式对伪偏导数的取值优化,使其具有更好的鲁棒性。然后采用跟踪-微分器对输出数据进行滤波处理,并通过仿真进行上述方法的可行性验证。仿真结果表明,对比传统无模型自适应控制,上述方法更具有良好的控制性能和响应速度。

基于自适应加权融合算法的大空间火灾智能识别方法

大空间消防系统需要的探测器种类多、数量大,且采集数据易受环境干扰,进而使得火灾的识别难度大,精度低。为解决这一智慧消防系统的关键问题和难题,本文提出一种基于自适应加权融合算法的智能识别算法。在此基础上,以演播厅大型空间为例,进行探测器阵列布局与防火设计,并实现对明火和阴燃类火灾的智能化识别。

基于特征加权融合的红外图像增强方法

红外图像增强可以改善图像中的细节和对比度,使得目标在图像中更加清晰可见,对红外图像的目标检测和识别任务具有重要意义。为此,提出一种基于特征加权融合的红外图像增强方法。首先分析红外图像对比度和边缘细节,结合光谱特征融合方法进行红外图像的降噪预处理。提取降噪后红外图像的区域梯度特征后,加权融合所提取的具体图像特征,利用Retinex算法对加权融合的红外图像特征进行色调映射,实现最终的红外图像增强处理。结果显示,本方法MSE为0.603%,PSNR为49.11 dB,SSIM为0.988。由此证明,采用该方法可以实现红外图像的增强处理,具有一定应用价值。

基于加权融合的语音表情多模态情感识别方法

当前的多模态融合方法未充分利用语音和表情模态之间的互补性,导致多模态情感识别的识别率较低。为解决上述问题,提出了一种基于加权融合的语音表情多模态情感识别方法。方法首先利用语音活动检测(Voice Activation Detection, VAD)算法提取语音关键帧;然后,利用信息熵建模情感产生是一个连续的过程,并提取表情关键帧;其次,为充分利用语音和表情模态之间的互补性,采用语音和表情关键帧对齐技术计算语音和表情权重。这些权重被输进特征融合层进行加权融合,有效地提高多模态情感识别的识别率;最后,在RML、eNTERFACE05和BAUM-1s数据集上的实验结果表明,该上述方法的识别率高于其它基准方法。

基于特征加权融合的轻量级人脸识别方法

针对复杂自然场景中人脸识别的难题,提出一种基于特征加权融合的轻量级人脸识别方法,通过对MobileFaceNet进行改进,实现自然场景下的实时人脸识别。SEMobileFaceNet对原MobileFaceNet的BottleBlock模块及边缘损失ArcFace进行了优化,在BottleBlock模块中加入了SE,利用通道注意力机制对不同通道的特征进行加权融合,提高对关键特征的利用。对边缘损失ArcFace的改进在于将角度裕量改为动态调整,根据梯度值的大小忽略或裁剪部分梯度。改进后的SEMobileFaceNet在自然场景人脸识别中准确率和召回率更高,泛化能力更好,能够有效完成复杂环境中的人脸识别。

一种多特征加权融合的事故识别算法

对交通事故现场视觉图像的及时、准确识别,可有效提高交通事故处理速度,提升交通运行效率。传统方法通过提取图像关键点的邻域图像特征,设定合理阈值,但忽略了建立图像扇形区域特征向量,导致识別精度低。提出一种通过速度变化、面积变化、方向变化等交通事故判别参数的提取来完成交通事故现场视觉图像识别的多特征加权融合算法。试验结果表明,所提方法能够有效提升交通事故现场视觉图像识别率,且识别精度较高。

多特征加权融合算法的生活垃圾图像分类研究

为改善我国现有的垃圾问题,实现准确且高效的垃圾分类工作,提出一种基于多特征加权融合的生活垃圾图像分类算法。该算法利用ResNet网络为主干网络,利用多分支网络结构提取图像不同层次的特征信息再进行加权融合,并进行了自适应权重融合实验和固定权重融合实验。实验结果表明,自适应实验组的分类准确率为97.29%;进行固定权重融合实验,发现全部平均系数下模型的生活垃圾图像分类准确率为97.42%;对比不同算法模型下分类的准确率大小,得到此次研究提出模型的分类准确率为97.52%。说明所提出的算法模型能够较好地识别各种生活垃圾图像,并对垃圾图像进行高效分类。

基于加权融合的环境遥感图像增强算法

原始环境遥感图像经常面临噪声问题,导致目视判读困难,植被提取精度低。为解决这一问题,有效促进环境遥感图像质量提升,提出一种基于加权融合的环境遥感图像增强算法。首先,构造灰度变换函数来提高图像对比度;其次,设计灰度加权系数以降低图像噪声;最后,利用灰度加权系数完成像素灰度加权融合增强。实验结果表明,该方法能有效提高环境遥感图像质量,便于对环境研究目标进行目视解译。

基于观测值方差加权融合的PMSM全速域无传感器控制

在永磁同步电机全速域无传感器控制中,不同转速范围通常采用不同控制算法,而确保不同控制算法之间的平滑切换是实现全速域稳定运行的前提。在零低速域和中高速域分别采用脉振高频电压注入法和扩展卡尔曼滤波法对转子速度和角度进行观测。为了实现两种算法之间的平滑切换,提出一种基于观测值方差加权融合的切换策略,与传统阈值切换策略对比,提高了永磁同步电机在全速域的稳定性和控制精度。仿真结果证明了该永磁同步电机全速域无传感器控制策略的可行性和有效性。

利用偏振图像加权融合及CLAHE算法的水下成像方法

针对传统基于偏振差分原理的水下光学成像方法中,由于目标退偏振特性差异引起的图像中局部反射光损失的问题,提出了基于偏振图像加权融合与限制对比度自适应直方图均衡(CLAHE)算法的水下成像方法。一方面,将原始水下图像分解为偏振光强图像和非偏振光强图像,根据不同退偏振特性目标在两幅图像中的灰度值分布特点,设计相应的权重因子,对两幅图像进行加权融合,从而实现在压缩原始水下图像中散射光的同时保留更多目标反射光,提升整体目标反射光在融合图像中所占的比例。另一方面,为了进一步提升融合图像的对比度,利用CLAHE算法对融合图像进行处理。该算法能够在提升融合图像对比度的同时,有效避免图像噪声的放大。实验结果表明,相较于传统的偏振差分方法以及独立的直方图均衡算法,该算法能够有效提升水下图像的清晰度和对比度。

基于采煤机摇臂销轴自适应加权融合煤岩识别方法研究

针对目前智能截割控制最大阻碍无法判别采煤机的截割状态,不能确定截割的是煤或者岩石问题,提出了基于采煤机摇臂销轴载荷差异的煤岩识别方法。分析采煤机滚筒截割受力,建立滚筒载荷与摇臂销轴载荷之间的力学模型,结合时域自适应数据融合处理RLS算法,使销轴载荷数据方差降低,减小数据波动,使截割煤、岩2种工况下销轴的受力差异更明显,根据销轴受力范围判别此时的截割状态。搭建了采煤机销轴载荷无线传感测试实验台,开展不同煤、岩硬度截割实验。结果表明:工况下采煤机摇臂销轴x,y方向受力均有一定差异,但截岩与截煤工况下载荷范围存在重叠,而采用RLS自适应数据融合算法对载荷数据进行处理,均方差降低了43.8%~87.4%,载荷不存在重叠部分,处理后的载荷差异更加明显,验证了自适应加权融合算法能够更准确达到煤岩判别的目的。

加权融合基于内容和协同过滤的音乐推荐算法

随着互联网技术及音乐资源电子化地发展,用户获取音乐资源越来越容易。但音乐库不断增大却使得用户快速找到心仪音乐变得愈发困难。为解决传统单一音乐推荐算法的不足问题,提高音乐推荐质量,在深入研究基于内容和协同过滤推荐算法基础上,文章提出在基于协同过滤推荐算法中融入时间因素并与基于内容推荐算法加权融合的音乐推荐算法。实验结果表明,与传统单一推荐算法和部分相关算法相比,这种算法为用户推荐音乐的效果更好。

基于多尺度加权融合特征学习的转子故障诊断

针对一维振动信号表达故障特征信息不全面及转子故障信噪比低的问题,提出一种基于多尺度加权融合特征学习的转子故障诊断方法。首先,对时域振动信号的幅值进行标准化处理,利用对称点模式(SDP)原理将多传感器振动信息融合为二维SDP图像,通过选取适当的时间滞后系数和角增益,突出不同故障下SDP图像的特征;其次,构建了一种多尺度加权卷积神经网络(MSW-CNN)模型,利用3个不同的感受野分别提取图像特征,通过对多通道图像特征进行加权融合提高了模型的分类精度;最后,利用MSW-CNN模型对6种故障状态的SDP图像进行特征提取并分类。实验结果表明,与其他3种方法相比,所提方法的转子故障诊断精度更高,达到99.31%,在噪声干扰下的诊断精度为96.23%,验证了所提方法的有效性。

一种冲突证据的分类加权融合方法

为了改善已有冲突证据分类融合方法忽略证据权重而导致融合结果决策风险较高的问题,提出一种冲突证据的分类加权融合方法。根据加性规则与乘性规则各自的特点,先利用基元属性对证据进行分类,采用Murphy方法对同类型证据进行融合,再对同类型证据融合获得的新证据进行加权平均处理,并采用D-S组合规则对加权证据进行最终融合。以岩土工程预警问题为例,将Murphy方法、加权融合法和所提方法进行对比实验,结果表明:当监测系统整体稳定性较高,即大量传感器监测数据基本一致时,3种方法融合结果均不会产生误判;当监测系统稳定性较低,即较多传感器数据异常时,Murphy方法和加权融合方法的融合结果可能会产生误判,而所提分类加权融合方法则不会产生误判,降低了决策风险。