基于改进GLCM和Tamura特征的工件表面粗糙度检测

由于使用图像法获得工件的单一纹理无法精确描述工件表面粗糙度,所以给出了通过改进GLCM(灰度共生矩阵)特征和Tamura特征的纹理提取算法,并通过建立纹理特征与表面粗糙度之间的模型关系定性评价工件表面粗糙度。首先对传统的GLCM加以修改,提出了增强的GLCM(ET-GLCM)算子,提升了GLCM的尺度不变性和旋转不变性,并经过对比实验证明ET-GLCM有较强的鲁棒特性;然后创建了支持向量机检测模型,测量不同粗糙度等级的工件表面图像。以工件表面图像的纹理特征参数为输入,对应的工件表面粗糙度Ra为期望输出,从而完成工件表面粗糙度的检测。通过实验验证支持向量机检测模型的有效性,其检测结果相对误差不超过5%,绝对误差小于0.06。根据仿真对比实验结果表明,提出的方法具有较高的检测精度,可用于工件表面的粗糙度检测。

Tamura模型下DNA序列点突变熵性质的研究

【目的】研究在较复杂的核苷酸替换模型,即Tamura模型下DNA序列中4种核苷酸频率随世代变化的规律,以得到序列熵的性质,为了解生物进化机理奠定基础。【方法】在Shannon信息熵理论基础上,利用La-grange乘数法进行理论证明,并用Mathematica软件模拟了Tamura模型下DNA序列中4种核苷酸组成的变化规律和序列熵的变化过程。【结果】DNA序列在Tamura模型下发生突变,各核苷酸频率随世代变化逐渐趋于平衡,且序列熵趋于最大值。【结论】核苷酸突变具有保熵性,验证了前人生物是朝着多样性增大的方向发展进化的结论。

甲状腺结节超声图像特征提取及识别

采用多特征融合方法鉴别甲状腺结节超声图像的良恶性。首先用多尺度LBPV模型提取结节的局部纹理特征,然后与Tamura模型提取的全局纹理特征相结合,从全局和局部两方面对甲状腺结节的纹理特征进行了细致的描述。又提取了纵横比、圆形度、紧致度等形状特征,将上述特征进行融合并利用主成分分析法PCA对融合后的特征进行降维。实验结果表明,模型提取的特征用于分类识别时,较上述任一单一模型所提取特征用于分类时能获得更高的识别率。

基于树莓派的农田表土层土壤容重检测系统研究

设计了一种基于树莓派的表层土壤容重检测系统,利用易于获取的土壤表面图像特征对表层土壤容重进行预测。提取图像的Tamura纹理特征以及图像的分形维数特征。经过验证,Tamura纹理特征中的粗糙度、对比度、方向度以及图像分形维数特征与土壤容重的相关性较高,相关系数分别为-0.754、-0.799、-0.806、-0.849,因而选用这4个参数作为预测模型输入。分别采用SVM回归模型和GRNN回归模型以及基于SVM、GRNN的Bagging集成模型对土壤容重进行预测。基于SVM、GRNN的Bagging集成模型预测结果同环刀法得到的结果进行相关性分析,决定系数R^(2)达到0.8641,预测结果的平均绝对误差(MAE)达到了0.0316 g/cm^(3),相对单一SVM回归模型和单一GRNN回归模型具有更好的预测结果。基于树莓派的农田表土层土壤容重检测系统的田间实时测量结果显示测量的平均绝对误差(MAE)为0.0412 g/cm^(3),满足了田间精准、快速检测的要求。