基于时域波形特征认知的输电线路近端故障辨识与定位

针对现有单端行波故障测距对近端故障存在测距盲区、双端行波故障测距对近端故障测距误差较大,无法满足工程需要的不足,提出基于波形特征认知的近端故障辨识与定位方法。首先,分析了线路故障行波传播规律,以固定分辨率显示波形。发现线路近端故障时,初始行波及其后续波形在长时窗整体宏观观测下呈堆叠缓变特征,而在短时窗局部放大观测下呈周期性变化特征,且周期与故障距离相关。不同线路的近端故障历史样本能统一作为参照基准为测距提供提示。进而提出基于波形密度和突变分布的近端故障辨识方法。最后,对辨识出的近端故障进行周期估计,利用近端故障与线长的无关性以及历史样本突变周期和故障位置已知性,搜索周期最近邻历史样本,并由已知故障距离插值实现故障位置确定。基于大量实测数据进行仿真测试,结果表明所提方法能够显著提升单端行波测距可靠性和成功率。

基于谱聚类的高分辨率全色遥感影像分割

为了协调高分辨率全色遥感影像区域和边界的最优分割,提出了一种基于像素邻域和光谱特征的谱聚类高分辨率全色遥感影像分割方法。该算法重点着手于构建影像图模型,在其中引入像素邻域作用并充分顾及像素光谱测度差异。假定邻域像素具有连接关系,并在此基础上构建影像连接矩阵,再考虑像素光谱测度差异的影响建模像素间相似性,最终结合像素连接性和相似度构建影像权值矩阵完成图模型建立;而后在图模型的基础上,采用对权值矩阵特征分解并就分解结果进行选择的方式将影像数据变至低维特征空间,进而对获取的新数据执行FCM聚类算法达到影像分割目的。为了验证提出算法的有效性,分别对模拟影像和高分辨率全色遥感影像进行分割实验,定性、定量的评价结果表明了该算法的可行性与优越性。

基于视觉特性的彩色图像增强算法研究

为了对彩色图像进行分析和识别,在深入分析HSV彩色模型的基础上,提出了一种新的彩色图像增强算法。该方法利用像素点邻域的均值和方差对HSV模型的亮度分量增强,在获得图像细节的同时保持图像缓慢变化的部分;根据亮度分量的变化情况,利用亮度和饱和度之间的相关系数,对HSV模型的饱和度分量进行调整。通过对图像进行主观分析和客观分析,该种算法不仅拉伸了图像的对比度,增加了图像的清晰度,而且图像色彩丰富,更加符合人的视觉特性。

一种改进的快速并行细化算法

对二值化的图像进行细化处理在目标识别中有着重要的应用.Zhang快速并行细化算法是一种常用的细化算法,其细化结果保持了原图像的连通性,且形态结构保持较好,无毛刺现象.但是细化后结果不能保证为单一像素,这为图像的后期处理带来了困难.本文对Zhang并行细化算法进行了改进,实验结果表明改进后的细化结果保证为单一像素,且又保持原有算法的优点.

基于相邻像素的可逆大容量信息隐藏算法

将载体图像按照不同的扫描方式转换为不同的一维序列,通过计算一维序列前后两个元素的差值,再统计出该差值序列中频率出现最多的两个值,计算不同扫描方式中这两个值出现的总次数。选择总次数最大的扫描方式生成的一维序列中进行信息隐藏,在频率最大的两个数据中隐藏信息。实验结果表明,该算法隐藏容量大,载体图像的峰值信噪比高。

一种基于时空切片的SLAM关键帧提取方法

针对移动机器人三维视觉同步定位与地图构建SLAM(Simultaneous Localization And Mapping)过程存在的数据冗余和计算复杂度高的问题,提出了一种基于时空切片的关键帧提取技术。基于对时空切片纹理的特征分析,将图像采集设备的运动状态反映为时空切片纹理的倾斜度变化,进而通过度量相邻时空切片间像素的相近程度,利用最邻像素匹配法,确定能够准确描述图像采集设备运动状态的关键帧。实现了在定位精度要求下的关键帧选取,降低SLAM过程中的计算量。实验结果表明,该方法能有效减少冗余帧,在定位性能和处理速度上具有优势。

一种改进的指纹快速细化算法

针对指纹快速细化算法中存在双像素宽的情况,研究快速细化后像素的8邻域像素值的特征,通过计算8邻域像素值的和以及8邻域中相邻像素间的关系,对快速细化算法进行改进,使细化的结果为单像素宽。改进的算法对指纹的细化效果好,速度快,效率高。

快速离散化双线性插值算法

双线性插值算法在数字图像处理中有广泛的应用。它具有比最近邻点法更好的连续性,但计算速度慢。为提高其计算速度,提出了离散化双线性插值算法。把像素分割成子像素,用双线性插值函数计算子像素中心坐标处的像素值,可以得到每一个子像素的卷积函数C,用C来代替双线性插值函数。理论分析表明离散化算法减少了加法和乘法的浮点运算次数。通过图像旋转实验表明该算法与双线性插值算法相比计算速度有较大的提高,连续性略有损失,图像质量基本相同。

图像块自相似特征的快速分形编码算法

为了解决全搜索分形图像编码算法在编码过程中range块和domain块匹配特别耗时问题,定义了每个range块和domain块的自相似特征,由于在自仿射变换下最优匹配块间的自相似特征应该接近,因此,每个range块的最优匹配块搜索范围仅限在与其自相似特征接近的domain块邻域内,变全局搜索为局部搜索.六幅图像的仿真结果表明,它确实能够在PSNR降低0.48d B(其结构相似性SSIM值仅下降0.0015)的情况下,平均耗时仅为全搜索分形编码算法的18.65%左右,而且也优于其他特征算法,所提算法达到了加快编码过程速度的目标.

一种基于时空切片提取摄像机运动的方法

根据对视频时空切片的分析,提出了一种从视频中提取摄像机运动特征的方法:通过镜头突变检测,将视频分割为单镜头序列,再检测镜头中摄像机的运动。实验证明,该方法是鲁棒且有效的。

一种快速准确的细化算法

细化广泛应用于图像处理与模式识别。从细化得到的骨架不但保持了原图像的几何和拓扑特征,而且更重要的是减少了图像的冗余。细化算法多种多样,本文介绍了一种简单但却具备其它算法优势的细化算法。本算法仅使用几条简单的规则来决定是否删除像素点,以达到细化的目的。经计算机模拟该算法对汉字的处理过程,证实其快速且易于实现。

改进的核空间直觉模糊C-均值聚类分割算法

针对鲁棒模糊局部信息C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的核空间直觉模糊C-均值聚类算法。将像素空间邻域信息和直觉指数引入到鲁棒模糊局部信息C-均值聚类目标函数,给出改进的像素空间邻域信息约束的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,以便提高图像局部信息的有效分割能力。实验结果表明,改进的核空间直觉模糊聚类分割算法相比现有鲁棒模糊局部信息C-均值聚类分割算法能获得更好的分割效果。

关于LLE算法的监督型参数设置方法及应用

采用局部线性嵌入(Locally Linear Embedding,LLE)算法进行数据降维时,不仅能保持数据分布的局部线性特征,同时还能保存数据分布的流形结构,因此该算法常用于高光谱影像的数据降维。其中,关于最近邻像元个数K的设置是执行该算法的关键。然而,关于K值的设置,目前尚无一个行之有效的方案。针对这一问题,文中基于监督型特征提取的思想,从"线性预测误差均值最小化"的角度出发,提出了一个监督型参数设置方法。同时,为了验证该方法的可行性和优越性,结合两个实验区Hyperion影像关于第26至57波段包含的32维光谱数据,进行了降维实验。最后,通过分析对比实验结果,证明了:采用LLE算法进行高光谱影像数据降维时,若依据文中所提方法设置的K值,能获得噪声点少且地物细节信息更加丰富的低维影像数据。

基于预测信息的空域水印改进算法

在图像的空间域中,一些像素与它相邻的像素之间存在一定的相关性,可以通过相邻的像素值来构建对这些像素的预测信息。基于此特点提出了一种利用参考像素点的预测信息来嵌入水印的方法,设计了重复嵌入水印的方案,通过阈值来控制嵌入水印的强度,分析了阈值对嵌入容量的影响。仿真结果表明,改进后的算法具有更高的水印容量,提高了抵抗剪切和噪声攻击的鲁棒性,且不依赖宿主图像的信息就可提取水印。

基于多尺度局部自相似性和邻域嵌入的超分辨率算法研究

多尺度局部自相似性是指同一幅图像中存在相同尺度或不同尺度的相似子块,这种图像局部结构自相似性广泛存在于自然图像中。提出了一种基于多尺度局部自相似性结合邻域嵌入的单幅图像超分辨率算法,该算法不依赖于外界图像,仅仅在原始图像的局部子窗口中搜索目标图像块的相似子块,并结合邻域嵌入算法,进一步提高参与重建的图像块与目标图像块的相似性程度。实验结果表明,与双三次插值与传统邻域嵌入算法相比,新算法在保证算法效率的前提下,能有效提升超分辨图像的重建质量。

基于相似度阈值模糊聚类的红外区域提取方法

针对输电线路电力设备红外图像热故障区域检测,提出采用一种基于相似度阈值的模糊聚类热故障区域提取方法。在该方法中,改进了传统模糊均值聚类算法的迭代求解方式,采用一种阈值化模糊聚类;其次,通过对目标区域局部邻域像素的相似度聚类分析,并结合其隶属度的计算,确保局部邻域像素在聚类上的相似性。同时,引入了最大相似度阈值准则简化均值的设置以及自高向低的迭代方式,从而提升区域提取效率。最后通过真实输电线路电气设备红外故障图像测试,验证了文中所提方法的有效性和适用性。

基于近邻主特征匹配的微纳米尺度位移测量

提出了一种基于近邻主特征匹配的亚像素级位移测量方法.改进后的近邻主特征提取过程通过修正散度矩阵的构造,最大化相邻位移图像块投影距离,提高了算法的精度和稳定性.通过将训练过程离线化,提出了基于近邻主特征匹配的微纳米位移测量算法,并通过仿真实验验证了图像块在不同大小和位置情况下算法的精度.在高精度纳米平台、高倍显微镜及标准栅格构成的系统中进行了多角度的实验,验证了算法的有效性.算法的测量精度比传统的图像块匹配方法提高了近10倍,特别是算法对于图像块位置和大小的选择鲁棒性更高.

基于邻近值的HEVC帧内预测优化

高性能视频编码(High Efficiency Video Coding,HEVC)标准中的帧内编码模式利用当前帧中像素点之间的空间相关性作出有效预测。为了解决待编码像素远离参考像素时预测不准确的问题,提出了一种基于邻近值的HEVC帧内预测优化算法。该算法的主要思想是,对于当前像素,先根据传统HEVC帧内编码方法得到其预测值,再使用该像素点左边、左上、上边位置的修正值以及该像素本身的预测值对该预测值进行修正。因为将当前像素与周围像素的相关性进行了有效的数学建模,所以HEVC帧内编码性能得到了提升。实验结果显示,所提算法与HEVC标准相比,最高节省了2.7%的码率,平均节省的码率为1.3%。

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。

基于音频LSB隐写的统计检测算法

现有音频隐写软件大多基于最低比特位(LSB)隐写,对LSB隐写的检测算法研究具有重要意义。借鉴图像隐写检测中相关位平面和相邻像素相关性的分析思想,结合16 bit wav音频LSB的隐写特性,通过对音频数据相邻向量对的奇偶和大小分情况讨论,得出隐写会使相邻向量对的统计值增大的结论。通过经验阈值的设定,实现对音频LSB隐写的有效统计检测。理论和实验证明了该算法的正确性。