基于K-L变换的污秽绝缘子红外图像特征提取方法

利用K-L变换降低污秽绝缘子红外图像特征维数,得到3个独立主分量特征,该3维主分量包含了各原始特征分量的信息。通过主分量累积贡献率的大小,选取了原始污秽特征数据协方差矩阵的3个最大特征值对应的3维特征矢量构成正交变换阵,用于主分量特征提取。通过正交变换阵中各系数的大小,研究了各原始特征分量在各主分量特征中所占的比例。为比较K-L变换前后数据类间距离的变化,绘制了K-L变换前后特征数据分布的3维立体图。实验结果证明K-L变换在最大限度地保留原有信息的同时,降低了原始污秽特征数据的维数,减少了计算量,加大了数据的类间距离,提高了污秽数据分类的准确性。

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。

基于形态滤波遗传算法对目标红外图像特征检测

将形态滤波和自适应遗传算法结合起来,提出了一个用于目标检测的形态滤波器参数优化遗传算法。通过设计了形态滤波的遗传算法,寻求最佳结构元,以实现对目标的自适应检测。作为2个特殊环境中的应用检测实例,分别对固体推进器尾喷焰红外图像和复杂背景下的弱小目标进行检测。实验结果表明该方法能够更好地适应环境变化,更大程度地提高目标信号检测的信号噪声(SNR)比,有效地检测出复杂背景下的目标。

基于烧结机尾红外热图像特征的烧结完成度智能识别

烧结完成度是烧结热状态的直观体现,其精准识别对提升烧结过程稳定性和生产效率、降低烧结生产能耗具有重要意义。由于烧结现场生产环境恶劣,燃烧反应复杂,烟气和物料对流换热频繁,烧结完成度实时精准识别困难,目前仍依赖于“人工看火”。针对存在的问题,提出一种基于烧结机尾红外热图像特征的烧结完成度智能识别方法。该方法首先对红外热图像进行预处理,提出一种双阶段关键帧提取方法,获取受扬尘干扰小,红层完整清晰的关键帧图像;然后基于热图像RGB属性中R通道值变化趋势精准提取烧结红层ROI区域;并基于图像结构纹理分解挖掘隐含的料层信息,获取分区料层高度;设计并提取燃烧层高度占比分布等特征表征烧结完成度;最后构建DS-CEFNet智能识别模型,融合图像深层特征和手工设计的浅层特征,实现烧结完成度精准识别。结果表明,所提模型对烧结完成度的识别准确率达96%,具有良好的应用价值。

基于多传感器融合的无人机生命搜寻方法

为应对单个生命探测传感器在野外、灾区生命搜寻时的不稳定状况,提出了一种基于多传感器信息融合的无人机(UVA)生命搜寻方法。首先,构建不同结构的ResNeXt网络以提取不同维度信息的特征,利用一维ResNeXt网络提取音频梅尔频谱系数的深层特征,利用二维ResNeXt网络提取红外图像的深层特征;其次,使用判别相关分析(DCA)对2种高维特征进行降维融合,兼顾不同特征的相关性和类别性,以获得更丰富的环境信息,从而提高生命搜寻的准确性;最后,将融合特征输入支持向量机分类器以进行生命识别的决策,建立具有相关性的音频和图像双模态数据集,并将所提方法在该数据集上进行实验比较和分析,对其性能进行有效评估。实验结果表明:所提方法在特征提取和特征融合方面效果优于其他传统方法,且多传感器融合识别准确率可达98.7%,证明该方法能有效提高特殊场景下人体检测的准确性,多传感器融合检测效果优于单传感器。

基于改进高斯混合模型的矿用输送带纵向撕裂检测方法

提出一种红外图像特征与改进高斯混合模型(Gaussian Mixture Model,GMM)相结合的矿用输送带纵向撕裂在线检测方法。设计了一种自适应混合中值滤波技术;针对高斯混合模型初始化易错的缺点,采用加权可选择模糊C-均值改善这一问题,把红外图像特征参数作为改进的GMM聚类的特征向量进行聚类分析,实现了矿用输送带纵向撕裂识别。试验结果表明:检测方法对输送带纵向撕裂检测的正确检测率可达99%。

An Image Analysis of Breast Thermograms

Thermography （infrared imaging） is a non-invasive technique applied for the detection breast cancer. We consider the problem of automatically recognition malignant breast from frontal view thermography image presented as gray scale image. This framework provides insights into several issues： breast Region of Interest （ROI） detection, extraction statistical features, extraction features based on texture and co-occurrence matrix.