基于奇异值分解的马氏距离光伏故障监测

及时检测出光伏阵列短路、断路、阴影遮挡等故障并作出相应处理,不仅有利于提高光伏阵列收益,也有利于降低光伏阵列安全风险,避免火灾等事故。基于马氏距离方法,计算出光伏阵列实测电流电压和仿真模型输出电流电压的相似程度,以此用于光伏阵列故障监测。正常条件下,光伏阵列实测电流电压值和仿真模型输出电流电压值较为接近,传统马氏距离方法在求解逆矩阵时将产生奇异解。结合奇异值分解方法对传统马氏距离方法进行了改进,试验证明,所提出的方法能够精准检测出相应的短路、断路、阴影遮挡等故障。

模板匹配的三维手势识别算法

针对三维空间的手势识别,基于轻量级的二维平面手势识别算法进行了扩展及改进,将其扩展到了三维空间,提出了基于投影的单次旋转模板匹配识别方法.将手势模板集划分为空间平面手势和空间立体手势2类模板;对于空间平面手势模板,输入手势轨迹需要先投影到相应的坐标平面,再进入模板匹配流程;基于矩阵奇异值分解,计算归一化手势轨迹与模板之间的最优旋转矩阵,经过一次刚体转置即可完成与模板的匹配度计算.实验结果表明,该方法对三维手势具有较高的识别率,且对于空间平面手势、空间立体手势的识别能力较为均衡.

基于EMD和奇异值分解的心律失常分类方法

基于经验模态分解(Empinical Mode Decomposition,简称EMD)和奇异值分解(Singular Value Decomposition,简称SVD)理论,提出一种新的心律失常类型分类方法。首先,利用经验模态分解方法自适应地将心电信号(ECG)分解为一组固有模态函数(Intrinsic Mode Function,简称IMF)和一个残余分量,解决了目前广泛应用的小波分解方法中小波基选取困难以及分解结果不唯一的难题。利用这组固有模态函数构造初始特征向量矩阵,对初始特征向量矩阵进行奇异值分解,得到矩阵的奇异值。奇异值是矩阵的固有特征,具有较好的稳定性,根据奇异值计算奇异熵。最后依据奇异熵和马氏距离判别函数对心电信号的心律失常类型进行分类。实验结果表明,本方法能方便有效地对心律失常类型进行识别判断,可用于心电信号病理辅助诊断领域。

Hausdorff距离下的景像特征快速匹配

针对灰度相关法鲁棒性差的缺点,提出一种以图像特征进行匹配的新方法。采用具有良好稳定性和旋转不变性的图像奇异值分解作为匹配特征,并根据奇异值的数值特点,采用规范化奇异值的Hausdorff距离作为特征匹配的相似性度量;通过变模板分级匹配的策略,在保证匹配精度的前提下,使匹配时间减少到约10%。在加入方差σ=35的高斯噪声,灰度变化25%的情况下对旋转变化的景像目标进行匹配实验,结果证实了本文算法的有效性和鲁棒性及快速性。

基于点集不变性匹配的目标检测与识别方法

许多图像目标都可以用其上有代表性的一些点（如角点或边缘上的点）及其相互关系作为特征进行描述，通过模板点集和目标点集之间的匹配可以达到识别的目的．本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述，并且这种描述在一定范围内具有唯一性．另外在此基础上，给出了一种新的目标检测与识别的算法，该算法不仅能够从较为复杂的背景中检测出经过多个平移、旋转及尺度变化的目标，而且对部分遮挡具有良好的适应能力，从而为以点集为特征的目标识别与检测提供了一种新的实用的手段．

基于奇异值分解的图像匹配和目标跟踪研究

在目标跟踪过程中,由于存在目标姿态变化和背景干扰,在跟踪过程中必须要对模板进行必要的修正,应该在获取目标模板后有一个可靠的模板更新策略.本文探讨了奇异值分解及其在图像匹配和目标跟踪中的应用,定义了一种近似奇异值向量并提出了一种基于图像奇异值特征向量数据特点的跟踪策略并作了大量试验,试验结果表明所提出的图像匹配方法和目标跟踪策略的有效性.

结构光测量中多视拼合技术与算法实现

基于定位点集(Locating Points Set)中任意两点间的相对距离不变这一基本特征,指出了定位和配准问题的实质是在两个不完全等价的特征点集中寻求最大同构子集的问题。本文创造性地引入了一种“不太可能发生的小概率事件”思维方式,结合结构光测量仪的自身特点,在人工交互的前提下,提出了一种基于结构光测量方法的自适应快速定位点识别及匹配算法,通过编程对算法进行了验证,并利用Surface软件对结果进行了可视化。

基于EMD奇异值分解与马氏距离的气阀故障诊断

设置排气阀的不同间隙及用新气阀模拟轻微漏气,构造气阀机构的四种常见工作状态,然后针对非平稳的缸盖振动信号,介绍了一种可以处理非平稳信号的新方法,应用Hilbert-Huang变换的核心内容——经验模态分解法对非平稳信号进行分解,以降低原始信号中的非平稳性。利用经验模态分解和奇异值分解得到缸盖振动信号的故障特征参数,然后用少量的样本数据训练得到四种常见工作状态的模式向量,最后利用马氏距离判别函数进行气阀机构故障状态的识别。实验结果表明通过小样本即可完成模型的训练,且训练一旦完成,对未知样本的分类速度和识别率都很高,便于实现气阀机构故障的在线实时监测与诊断。

基于奇异值分解的自适应模板更新研究

研究了基于奇异值分解的图像匹配和目标跟踪问题。由于图像的奇异值特征具有良好的稳定性,可以将奇异值当作一种有效的代数特征来描述并表征图像。根据所定义的奇异值缩放不变量提出了一种基于奇异值分解的模板更新算法。在算法中,根据奇异值向量的缩放不变特征来度量当前模板内的目标信息,然后根据所定义的置信度自动计算更新后所需的模板大小,从而使更新后的模板更有效地包含目标。试验表明:提出的模板更新算法在序列图像的目标跟踪中具有较好的实用性。

计算机视觉不变量用于几何零件的匹配

许多图像目标都可以用其上有代表性的一些点（ 如角点和边缘上的点） 及其相互关系作为特征作为描述，通过模板点集与目标点集之间的匹配可以达到识别的目的。以计算机视觉的不变性理论为基础，对几何零件的边缘角点应用变化，构造出两种不变理论，并应用到几何零件的识别。由于这两种距离矢量都是基于统计特性。

基于改进HHT的奇异值分解和马氏距离的滚动轴承故障诊断

针对滚动轴承振动信号的非平稳性以及故障诊断样本总量少的特点,提出一种基于改进希尔伯特-黄变换的奇异值分解和马氏距离相结合的故障诊断方法。首先,采用改进经验模态分解方法将所测不同工况下的滚动轴承信号分解成多阶固有模态函数,并根据各模态函数的特性选取对各工况信号敏感的模态分量;其次,对敏感模态函数分量组成的特征向量进行奇异值分解,并以分解结果的期望值作为诊断的特征值;最后,将马氏距离判别算法应用于滚动轴承的工况和类型判别。试验结果表明,本文所提方法能有效识别出滚动轴承的工作状态,具有一定的应用价值。

基于双调合距离的三维形状相似度计算方法

基于双调和距离的等距不变性,提出一种三维形状的相似性度量方法。给出双调和距离、形式化表达和离散计算的定义,并对形状的双调和距离矩阵进行奇异值分解。提取双调和距离矩阵的特征值作为形状描述符,将一对形状特征值的余弦距离作为形状相似度。通过TOSCA2010数据库上的实验结果表明,与FMPS方法、SHED方法相比,该方法能够较好地兼顾时间耗费度和形状匹配度。

一种高配准率的基于隔行隔列的序贯相似性检测算法

运用信噪比峰值法、全局质量指标计算法、平均结构化相似度指标以及隔行隔列的序贯相似性检测算法对图像进行处理,再通过非线性过滤的方法对图片进行进一步的除杂。通过观察图像频谱中的噪声分布,根据噪声点的在频率域的分布情况,本文选用合适的滤波器来过滤图像中的噪声。通过实验结果对比,基于隔行隔列的序贯相似性检测算法能够有效的降低图像噪声,同时更好的提高了图像的准确度和清晰化效果。

基于声发射的木材裂缝数量辨识研究

针对木材裂缝缺陷,提出一种基于声发射的木材裂缝数量识别方法。首先,在试件上人为依次制作1 mm×9 mm(长×高)的4条裂缝,在裂缝的一侧通过折铅的方式产生声发射(acoustic emission,AE)信号,另一侧放置传感器,信号采样频率设置为2 MHz。然后,通过粒子群算法(particle swarm optimization,PSO)确定变分模态分解(variational mode decoposition,VMD)的分解层数K和惩罚因子α,并将原始信号分解为具有不同频率的本征模态(intrinsic mode function,IMF)。接着,随机选择5组信号进行VMD分解,并对分解后的IMF构成的矩阵进行奇异值分解(singular value decomposition,SVD),得到相应的奇异值向量,再由5组奇异值向量组成标准矩阵。最后,由测得的AE信号,分别与标准矩阵计算马氏距离,并依据最小判别原则,判定裂缝数量。结果表明,PSO-VMD-SVD方法能够方便提取出AE信号特征,并通过计算马氏距离进行裂缝数量判别,判别正确率为92%。

基于EMD-SVD的声发射信号特征提取及分类方法

针对胶合板损伤声发射(AE)信号的非平稳性和损伤类别特征相互重叠的实际情况,提出了基于经验模态分解(EMD)和奇异值分解(SVD)相结合的信号特征提取与识别方法.首先对AE信号进行EMD分解,运用互相关系数和方差贡献率筛选出包含主要信息的本征模态函数(IMF)分量;其次对各IMF分量构建的初始特征矩阵进行SVD分解,将得到的奇异值作为表征各损伤信号的特征向量;最后建立Mahalanobis距离判别函数对各损伤信号进行识别分类.五层胶合板损伤的实测数据表明,该方法能够方便地提取出AE信号特征并对其损伤类型进行有效的识别.

图像点集的不变性匹配方法

许多图像目标都可以用其上有代表性的一些点(如角点或边缘上的点)及其相互关系作为特征进行描述,通过模板点集和目标点集之间的匹配可以达到识别的目的。本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述,这种描述在一定范围内具有唯一性,从而为以点集特征匹配为基础的识别提供了一种点集之间差别有效的衡量手段。

基于改进Harris的低动态载体速度的快速计算方法

针对光照分布不均匀的室内环境下低动态载体速度计算实时性较差的问题,提出一种基于改进奇异值分解(SVD)-Harris的低动态载体速度快速计算的新方法。利用SVD对相邻两帧视觉图像分别进行压缩与重构,并结合改进的Harris角点检测算法对两帧图像进行特征点的检测;利用归一化互相关(NCC)模板匹配算法对相邻两帧视觉图像的特征点进行粗匹配;利用随机抽样一致性算法进行误匹配点对的剔除;利用特征匹配点对的信息对载体的速度进行计算。实验结果表明:传统算法的平均计算时间为3.07s,而改进算法的平均计算时间为0.71s,且传统算法的误匹配率远大于改进算法。与传统的NCC模板匹配方法相比,所提算法不仅保证了低动态载体速度计算的精确性,而且显著提高了载体速度在光照不均匀的室内环境下的计算效率,该研究为实现室内移动机器人实时视觉导航提供了理论依据。

数字图像处理技术与实证研究

图片的处理方法多种多样,可以用特征值分解的方法对图片进行信息提取,将此方法与信噪比峰值法、全局质量指标计算法,平均结构化相似度指标的测量法结果作比较,进而证明运用图像特征值分解法的优势。再通过非线性过滤的方法对图片进行进一步的除杂;还可以观察图像频谱中的噪声分布情况,根据这些噪声点的在频率域的分布情况,进而选用合适的滤波器来过滤掉图片中的噪声;为了获得更为清晰的图片,还可以建立模板匹配模型,即:经过有限次的待搜索图与色标模板图的配准过程来完成对目标图片信息的检验和建构,这是此方法较其他方法的优势,也是这篇论文所提倡使用的方法。