基于EEMD和二维Gabor变换的GIS局放特征融合识别方法

局部放电(PD)可以反映气体绝缘组合开关电器(GIS)内部的绝缘缺陷,不同类型的放电对GIS的危害程度存在明显的差异,正确识别GIS的放电类型对于及时确认GIS设备的运行状态以及避免可能出现的绝缘故障非常重要。一种新的特征识别方法是基于总体经验模态分解(EEMD)和二维Gabor变换的GIS局放特征融合识别方法,并通过4种典型局放模型获取局放超高频信号样本进行验证。结果表明,平均正确识别率达到94.5%,明显高于单独使用EEMD和二维Gabor变换算法。

基于二维Gabor变换和胶囊网络的铁路扣件检测研究

针对目前大部分铁路扣件采用人工巡检的情况,提出基于二维Gabor变换和胶囊网络相结合的铁路扣件状态检测方法。在获得扣件原始图像的基础上采用二维Gabor变换进行滤波,分析滤波结果,通过胶囊网络进行状态识别,并对比分析滤波后产生的图像在卷积神经网络、胶囊网络以及两者结合的神经网络下所产生的不同检测结果,得出最优检测方法。研究表明,该方法可代替大部分人工检测,有效提高检测效率,保障行车与巡检人员安全。

基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。

二维实值Gabor变换在图像压缩上的应用

介绍了基于2-DDHT的二维实值离散Gabor变换(2-DRDGT)及其快速算法。然后比较了2-DRDGT与2-DDCT和小波变换在图像压缩编码方面的性能差异,结果表明利用2-DRDGT方法重建的图像,图像细节恢复得比利用2-DDCT以及小波变换方法要好,因此2-DRDGT在图像识别、纹理分割方面有很好的用途。

基于2D实值离散Gabor变换的SAR原始数据压缩

该文采用时频分析的方法,结合合成孔径雷达(SAR)原始数据的线性调频特性,提出了一种基于2D实值离散Gabor变换的SAR原始数据压缩方法。该方法对I,Q两路原始数据进行分块,先对每一块进行二维实值离散Gabor变换(2D-RDGT),在时频平面内对各频率平面根据方差进行比特分配,然后采用BAQ量化各频率平面。用同一块数据进行压缩解压缩成像实验并与已有的方法进行比较,实验结果表明该文提出的方法在数据域和图像域的性能都优于已有的方法。

基于DCT的2D实值离散Gabor变换

提出了一种在临界抽样条件下基于2DDCT的二维实值离散Gabor变换(2DRDGT),介绍了其快速算法;并比较了该变换与二维复值离散Gabor变换(2DCDGT)的算法复杂性。

一种新的箭头形交通信号灯识别方法

针对十字路口复杂的交通情况,提出一种新的箭头形交通信号灯识别方法。采用亮度分割和形态滤波对交通信号灯的位置进行定位,结合HIS颜色空间和交通灯的相对位置确定交通信号灯颜色。信号灯箭头的方向采用二维Gabor小波进行特征提取,用PCA算法对图像数据进行压缩,并用ICA算法进一步提取PCA的特征,最终用模板匹配进行分类。实验结果表明,该算法的正确识别率达到96.7%。是一种较好的箭头形交通信号灯识别算法。

基于颜色和纹理特征的图像情感语义分类

利用图像的低层特征实现了图像高层情感语义(happy和sad)的分类:通过在HSV颜色空间中提取图像的全局颜色特征,并利用黄金分割原理提取位于视觉中心位置主要区域的局部颜色特征,结合二维Gabor小波变换提取全局图像的纹理特征,实现对自然风景图像进行情感特征提取.采用PCA方法对情感特征进行降维,将降维后的特征向量结合BP神经网络,完成情感语义分类检索.