优化算法中均值信息利用研究

研究了启发式优化算法中种群向均值点迁移的策略,并发现该策略对于提升算法性能具有重要影响,同时具备物理和数学含义.通过极大似然估计方法对基态波函数进行参数估计,建立了量子系统达到基态时最优解概率密度函数与种群均值点之间的联系,并从动力学的角度解释了种群均值点的物理意义.通过在几种经典优化算法上添加利用均值点位置信息的操作,在CEC2013测试集与摄像机布局优化的工程应用上进行对照实验,实验结果表明合理利用均值点位置信息可以有效提升算法的性能.

基于模糊局部信息C均值的SAR图像变化检测

变化检测本质上可以看作是对变化区域和非变化区域的聚类问题。针对未考虑邻域信息的模糊C均值聚类算法容易受到噪声影响,本文提出了一种基于模糊局部信息C均值聚类(FLICM)的变化检测方法。考虑到比值法得到的差异影像中还有加性噪声对检测的影响,本文采用字典去噪方法,利用稀疏表达去除加性噪声,从而提高检测精度。该算法首先利用比值法构造差分影像,然后用Gabor字典对图像进行去噪,最后通过模糊局部信息C均值对图像进聚类,获得变化区域。为验证本文算法是否有效,本文选用了两个不同地区的多时相SAR图像,研究结果表明,与其他算法的实验比较,本文提出的方法有较高的检测精度。

基于深度学习的电力图像目标自动识别方法

为有效控制电力目标节点处的功率数值下降趋势,避免配电网出现强烈扰动的信号量输出情况,提出基于深度学习的电力图像目标自动识别方法。根据灰度变换法则,处理已获取的图像均值信息,结合颜色还原原理,实现对电力设备图像的增强性处理。根据深度学习理论校正电力图像的目标标签,通过分割边缘特征,得到准确的识别节点匹配结果,完成基于深度学习的电力图像目标自动识别方法的设计与应用。实例分析结果显示,与改进Faster-RCNN型定位方法相比,在深度学习原理作用下,电力目标节点处的功率数值下降量更小,可避免配电信号受到强烈扰动影响,实现对电功率下降趋势的有效控制。

基于图像增强和融合的SAR图像变化检测

为提高合成孔径雷达(SAR:Synthetic Aperture Radar)图像变化检测的准确率和鲁棒性,提出了一种基于图像增强和融合的无监督SAR图像变化检测方法。为获得较好的背景噪声抑制、变化区域增强和边缘保持效果,在对原始SAR图像进行自适应图像增强的基础上构造对数比和均值比差异图,采用低频小波系数加权平均和按最小局部能量选取高频小波系数的融合策略对上述差异图进行图像融合。实验结果表明,融合后的差异图结合模糊局部信息C均值聚类在不同的数据集上均取得了较高的检测准确率和Kappa系数,鲁棒性较强,可广泛应用于SAR图像变化检测领域。

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。

基于Shearlet变换和Krawtchouk矩不变量的河流SAR图像分割

合成孔径雷达(synthetic aperture radar,SAR)图像分割是河流检测与识别的关键步骤,为了进一步提高河流SAR图像分割的准确性,提出一种基于Shearlet变换、Krawtchouk矩不变量及模糊局部信息C均值聚类的河流SAR图像分割方法.首先,对河流SAR图像进行Shearlet分解,提取其纹理特征,构成特征向量的前半部分;然后,计算河流SAR图像的Krawtchouk矩不变量,作为其形状特征,构成特征向量的后半部分;最后,利用模糊局部信息C均值算法依照上述特征向量进行聚类,由此得到河流SAR图像分割结果.大量实验结果表明,与近年来提出的脉冲耦合神经网络结合最大方差比准则分割法、Gabor小波变换结合模糊C均值聚类分割法、FLICM聚类分割法相比,所提出的方法在主观视觉效果以及客观定量评价指标误分割率上均有明显优势,且分割河流SAR图像更加准确.

基于模糊局部信息C均值算法的网目调光谱反射率预测模型研究

提出了一种网目调光谱反射率预测方法。网目调单个网点由若干个区域组成:网点核心区域,该区域的油墨层厚度均匀,且等于实地印刷的油墨层厚度;其余边缘区域有一个模糊的厚度分布函数,这部分油墨层厚度比实地油墨层厚度薄,且越靠近网点边缘油墨层厚度越薄。采用模糊局部信息C均值算法按像素密度值聚类网目调单个网点,得到了层次分明的网点密度分布并计算各个层次的面积率。以此建立了一个新的光谱反射率预测模型,该模型预测的光谱反射率与实际印刷样张测量得到的光谱反射率具有很好的光谱匹配曲线,证明该算法模型具有较高的预测精度。

一种从高分辨率遥感影像中分割道路的新方法

提出了一种从遥感影像中分割出道路的新策略,其最大的创新之处在于充分考虑了道路的形状特点及沿道路方向的灰度分布特性。比较多个方向上纹理和灰度的一致性,得出一致性最优方向,此方向上的Gabor滤波响应和作为衡量一致性指标的均方差值共同构成本方法的特征矢量。从每一像素出发,沿该点的一致性最优方向绘制一条短线,用短线对应的区域代替现有空间信息FCM模型中的邻域以获取改进的分割模型。实验表明:这一建立在新的特征矢量和分割模型基础上的方法可以更为有效地从高分辨率遥感影像中分割出复杂的道路目标。

一种基于EKFCM算法的电站脱硫系统目标工况库的建立方法

在对电站湿法烟气脱硫系统运行特性分析的基础上,建立了以系统运行成本为目标的综合评价标准,给出了从系统历史数据库中建立系统目标运行工况库的基本流程。提出信息熵理论结合K均值和模糊C均值的EKFCM算法,采用信息熵跃迁值差值来评价系统信息量有序程度,并以K均值聚类结果作为初始条件,并完成测试数据的聚类分析,测试结果表明该算法具有较高精度。以某600 MW机组石灰石/石膏湿法烟气脱硫系统为对象,按照负荷和入口烟气SO2浓度将运行工况划分为多个工况簇,以p H值、液气比和浆液密度等可控参数为聚类输入,以单位SO2脱除成本为工况评价标准,从系统历史运行数据中聚类出各个簇内的目标工况,并建立了目标工况模型,得到了连续的最优目标工况库,可为现场运行人员提供实际参考。

基于网点核心—边缘模型的网目调印品光谱反射率预测算法

为了更加精确地预测印刷品的颜色信息,本研究基于单个网点核心—边缘模型、印刷品光散射现象、Lambert-Beer定律和模糊局部信息C均值算法,建立了一种网目调光谱反射率预测算法。并分别采用该算法、光谱Murray-Davis模型和经典核心—边缘模型预测网目调光谱反射率,与印刷品实际测量的光谱反射率作对比验证实验。结果表明:本研究算法得到的网目调光谱反射率曲线与实测光谱反射率更加吻合,色差ΔEab均小于6,达到了很好的颜色预测效果,具有较高的预测精度。

一种利用邻域相对熵的SAR影像变化检测方法

为了解决传统代数计算法构造的差异图背景中含有较多噪点的问题,提高变化检测的精度,引入信息论中相对熵的概念,借助邻域处理,提出了一种基于邻域相对熵的差异图构造方法,并应用模糊局部信息C均值(fuzzy local information C-means,FLICM)非监督聚类算法,实现变化信息的自动提取。通过采用4组单极化前后时相SAR影像数据集,分析对比了不同邻域形式的相对熵差异图和传统差异图的检测性能。实验结果表明,应用该方法生成的差异影像,对噪声有着较强的鲁棒性,能够满足变化检测的需求,且在定量评价的性能指标方面表现较好。其中,基于D-邻域相对熵差异图进行变化检测的结果更加突出。

基于小波分解的OFDM信号与单载波信号识别方法

通信信号调制方式的自动识别是软件无线电和非合作目标通信的关键技术.针对航空信道下OFDM信号与单载波信号的识别问题,提出了基于小波分解得到信号概貌信息均值方差特征的调制识别方法,分析了本文方法对OFDM信号和单载波信号的识别性能,以及OFDM信号子载波数对识别率的影响,并与已有方法进行性能对比分析,通过计算机仿真验证了该方法的有效性.

基于Vague集信息的多属性群决策专家水平评判方法

针对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法.首先引进了基于Vague集信息的多属性群决策信息体(即决策信息体)的相关概念,通过决策信息体构造了基于Vague集信息的一致性决策矩阵及模糊熵,其次利用Vague集信息的相似度量以及Vague集信息的模糊熵两种信息不确定性度量方法,对基于Vague集信息的多属性群决策专家水平评判问题提出了两种评判方法,即统计分析方法和模糊熵分析方法,对专家的评判水平进行排序.最后,通过一个算例说明两种方法的一致性、有效性和实用性.

基于Shearlet变换和KPCA的多时相遥感图像变化检测

为了进一步提高多时相遥感图像变化检测的精度,本文提出了一种将Shearlet变换与核主成分分析(kernel principal component analysis,KPCA)相结合用于遥感图像变化检测的算法.首先利用Shearlet变换的多尺度、多方向和各向异性等特点,对遥感图像进行多尺度分解,然后对分解后的数据进行核主成分分析,再进行Shearlet反变换得到含变化信息的图像,最后对该图像利用模糊局部信息C均值(fuzzy local information c-means,FLICM)聚类算法进行分割,实现遥感图像的变化检测.大量试验结果表明,与基于主成分分析(principal component analysis,PCA)、基于KPCA、基于小波变换和PCA 3种变化检测算法相比,本文算法能有效地分离出变化信息,得到更准确的变化检测图像,具有更高的变化检测精度,且对背景有较强的鲁棒性,同时也减少了计算复杂度.

基于NSCT域图像融合改进算法的SAR图像无监督变化检测

为了降低合成孔径雷达(SAR)遥感图像变化检测总误差数以及获取更好的变化检测结果,提出了一种基于非下采样轮廓变换(NSCT)域图像融合改进算法的SAR图像无监督变化检测方法。首先用两时相遥感图像构造得到对数比值和均值比值两种差异图,并经过NSCT分解得到各自的高低频系数;然后对两差异图中的低频系数均采用最大梯度平方和规则进行融合,高频系数均采用加权规则进行融合,再利用逆NSCT融合得到最终差异图;最后用模糊局部信息C均值聚类(FLICMC)算法实现对图像变化区域与非变化区域的分类。通过对真实遥感数据集与模拟遥感数据集的研究表明,本文算法能够有效抑制斑点噪声对检测结果的影响,并且不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强,可以得到较好的检测效果。与DWT2-FLICMC、MRF-FCMC算法相比,本文算法具有更高的检测精度和较少的算法运行时间。