改进Canny算子与形态学融合的边缘检测

为提升红外图像边缘检测的性能,提出一种改进Canny算子与多尺度形态学融合的红外图像边缘检测方法。采用快速引导滤波替换高斯滤波对图像进行保边降噪,利用3×3有限差分方式代替传统Canny算子中2×2有限差分方式,在45°、135°对角方向上的增加梯度模板计算像素梯度,通过基于方差与权重的Otsu算法对阈值进行选取,提高算法的自适应性,为进一步提升算法的抗噪性能,将改进的Canny算子与多尺度形态学进行融合。实验结果表明,此方法提取的边缘轮廓较其它方法轮廓清晰平滑,细节边缘突出且层次感分明,有效抑制了红外图像噪声,提高了边缘检测效果。

基于改进粒子群优化算法的粉尘均匀性控制研究

针对粉尘仪检定装置在粉尘均匀性控制过程中存在非线性、多扰动等问题,提出一种改进粒子群优化(IPSO)算法的PID控制器参数优化策略。首先,对标准PSO算法添加随迭代次数逐渐递减的权重系数w;然后,引入余弦函数以及指数函数动态调整学习因子,保证了粒子在搜索最优解过程中的灵活性和学习能力,提高了算法的收敛速度和自适应能力;最后,利用IPSO算法设计一种IPSO-PID控制器。实验结果表明:经过IPSO算法优化后的PID控制器与传统PID控制器以及PSO优化后的PID控制器相比,具有响应速度快、超调量小、抗干扰性能以及自适应能力强等优点。

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。

基于改进CNN-SVM的甲烷传感器数显识别方法

甲烷传感器材质存在光反射,显示面板上有附着物,造成甲烷传感器自动检定系统采集的传感器数值图像质量较差,对字符识别困难。而现有的基于机器学习的仪表字符识别方法识别率较低、算法运行速度较慢。针对上述问题,提出了一种基于改进卷积神经网络(CNN)-支持向量机(SVM)的甲烷传感器数显识别方法。通过图像增强、数值区域图像提取、图像分割、小数点定位等4个步骤对甲烷传感器数值图像进行预处理,并将处理后的数字图像作为自定义数据集。针对CNN-SVM模型运行时间较长的问题,使用PCA算法对CNN全连接层提取的图像特征进行降维处理,用最主要数据特征代替原始数据作为SVM分类器的样本进行分类识别。在自建数据集上的验证结果表明,与传统CNN模型和CNN-SVM模型相比,改进CNN-SVM模型的准确率更高,运行时间更短。在经典MNIST数据集上的验证结果表明,综合考虑精度和实时性要求,改进CNN-SVM模型的综合性能优于CRNN,SSD,YOLOv3,Faster R-CNN等模型。采用微型高清USB摄像头采集甲烷传感器数值图像,将训练好的改进CNN-SVM模型移植到树莓派中进行图像处理和识别,结果表明,基于改进CNN-SVM的甲烷传感器数显识别方法的识别成功率为99%,与仿真分析结果一致。