几类扩大设计的均匀性模式

大型空间填充设计在计算机试验中有着广泛的应用,其直接构造具有一定的难度,现有的研究中常常利用倍扩方法通过较小规模的空间填充设计构造大型的空间填充设计.基于可卷型L_(2)-偏差,定义了混水平设计的均匀性模式,建立了均匀性模式与字长型模式之间的关系,并给出了利用倍扩方法得到的几类扩大设计的均匀性模式和初始设计的字长型模式之间的解析联系.最后通过数值例子验证了所获得的理论结果.

不均匀收敛模式在软岩隧道中的适用性研究

为进一步对山区软岩隧道断面的收敛变形模式进行研究,以隧道断面拱顶沉降与拱腰水平收敛为研究对象,基于现有地铁盾构隧道不均匀收敛模式提出隧道断面拱顶沉降与拱腰水平收敛比值K对隧道断面变形进行参数化表达,基于K值将隧道断面收敛变形情况分为3种形态。结合西成铁路甘青隧道甘肃段2段不同埋深情况下隧道断面变形监测数据进行分析。结果表明:1)通过K值的参数化分析,发现隧道断面的变形模式主要受隧道均匀收敛ε与隧道椭圆化δ的影响;2)隧道埋深对于隧道开挖后断面收敛变形有一定的影响,在埋深较深的情况下隧道围岩相对稳定,隧道断面收敛变形量较小且在短时间内将趋于稳定;3)通过甘青隧道实测数据发现,不均匀收敛模式与现有的经验参数适用于浅埋(埋深17.8~19.3 m)区域内的隧道断面,但是对于深埋(埋深48.5~49.3 m)区域内隧道断面的适用性不佳;4)首次将源于地铁盾构隧道的断面不均匀收敛模式引入山岭隧道,由于山岭隧道施工的复杂性,目前对山岭隧道的K值仅进行了初步的适用性研究。

介质阻挡放电丝模式和均匀模式转化的特性

利用水电极介质阻挡放电装置,采用电学方法和发射光谱,研究了空气中介质阻挡放电从微放电丝模式向均匀放电模式转化的过程.结果表明,大气压下增大外加电压或者电压一定减小气压,放电都能够从微放电丝模式过渡到均匀模式.高气压下放电为流光击穿而低气压下为辉光放电.利用放电发射光谱,研究了高能电子比例随实验参数的变化.结果表明气压减小时高能电子比例增大,电压增加时高能电子减少.利用壁电荷理论对以上实验结果进行了定性分析.结果对介质阻挡均匀放电的深入研究具有重要价值.

采用均匀局部二元模式及稀疏表示的掌纹识别

针对传统掌纹识别方法易受噪声干扰,且旋转鲁棒性差的问题,提出一种采用均匀局部二元模式(Uniform Local Binary Patterns,ULBP)及稀疏表示的掌纹识别方法。该方法利用善于表达图像纹理特征,且具有良好旋转不变性和抗干扰性的ULBP提取掌纹图像特征;同时考虑到直接对整幅图像进行ULBP处理会丢失局部纹理,采用先对各图像进行分块,再对各块分别进行ULBP处理的特征提取方案。在分类算法的设计上,本文利用掌纹图像库中训练样本的ULBP特征构造过完备字典,通过求解l1范数意义下的最优化问题实现测试样本的稀疏分解,并提出一种基于统计残差平均的稀疏表示分类方法,实现了测试掌纹图像的分类识别。实验结果表明,本文方法不仅具有良好的旋转及噪声鲁棒性,而且总体识别率明显优于基于PCA及2DPCA的传统稀疏表示分类方法,对于包含5 000031 0人的掌纹数据库,识别率分别提高了8.8%和6.8%。

融合均匀局部二元模式和稀疏表示的人脸识别

针对当前人脸识别受噪声等干扰导致识别效果不佳的问题,提出一种人脸识别方法,利用具有抗光照不变性的近红外人脸图像进行人脸识别算法分析。为增强算法在图像抗噪声方面的性能,通过均匀局部二元模式提取人脸图像的特征;为避免细节纹理的缺失,采用对人脸图像分块处理的方法建立特征;通过引入稀疏分类算法,进行人脸识别。实验结果表明,该人脸识别算法相比传统方法具有良好的稳健性与识别率,达到了提高人脸识别算法性能的目的。

超声造影及其不均匀增强模式对乳腺癌前哨淋巴结转移的诊断价值

目的探讨超声造影(CEUS)及其不均匀增强模式对乳腺癌前哨淋巴结(SLN)转移的诊断价值。方法选取乳腺癌患者80例,术前均行CEUS检查,动态观察SLN的增强模式并对其进行体表标记。比较SLN转移、SLN无转移患者的CEUS特征;以术后病理结果为准,分析CEUS预测SLN转移的效能,观察CEUS下SLN增强模式,并对比不同不均匀增强模式预测SLN转移的符合率。结果80例患者均经病理检出SLN,共检出110个SLN,48个SLN发生转移,转移率为43.64%(48/110)。SLN转移患者CEUS中SLN直径、周边有声晕、血流分级Ⅱ~Ⅲ级、灌注顺序从皮质部向门部、周边有汇聚、不均匀增强、边缘无放射状增强、增强后范围扩大、向心性增强、纵横比≥1.8比例及峰值强度、曲线下面积大于SLN无转移者(P<0.05),达峰时间小于SLN无转移者(P<0.05)。CEUS诊断SLN增强模式为Ⅰ型50个(45.45%)、Ⅱ型57个(51.82%)、Ⅲ型3个(2.73%);CEUS预测SLN转移的灵敏度、特异度、准确度、阳性预测值、阴性预测值、曲线下面积分别为89.58%、72.58%、80.00%、71.67%、90.00%、0.811。57个不均匀增强SLN病灶中,中心部缺损诊断SLN转移的符合率低于边缘部缺损、完全不均匀增强诊断SLN转移的符合率(P<0.05)。结论CEUS下乳腺癌SLN转移灶有一定影像学特征,是一种可行的SLN检查方法,尤其是不均匀增强模式下边缘部缺损、完全不均匀增强判断SLN转移与病理结果的符合率高。

基于Shearlet变换和均匀局部二值模式特征的协作表示人脸识别算法

为了获得人脸图像中更丰富的纹理特征以提高人脸识别率,提出了一种基于Shearlet变换和均匀局部二值模式(ULBP)算子提取特征(Shearlet_ULBP特征)的协作表示方法——Shearlet_ULBP CRC用于人脸识别。首先,人脸图像通过Shearlet变换分解,得到多尺度多方向的幅值域图谱,再经过简单的平均融合,获得融合后的幅值域图谱;然后,通过ULBP算子结合分块的方法获得该Shearlet变换后融合图像的直方图特征;最后,结合协作表示的方法来分类所提取到的特征。该方法可以提取到图像更丰富的边缘以及纹理信息,在ORL、Extended Yale B和AR人脸数据库上进行测试,在图像无遮挡的情况下识别率都达到了99%以上,在有遮挡情况下也都达到了91%以上的识别率。实验结果表明,所提方法不仅对于光照、姿态和表情变化具备较强的鲁棒性,同时能在一定程度上处理人脸图像中存在遮挡的情形。

均匀性模式及其在试验设计中的应用

均匀性是一个几何概念,通常采用不同的偏差来度量设计的均匀性.但偏差的度量侧重于总体,即考虑所有投影子设计的均匀性总和,而根据效应排序原则,低维投影均匀性应该比高维投影均匀性更重要,基于这一思想许多学者提出了类似于字长型的均匀性模式的新概念,并用它来度量设计的各阶投影均匀性.该文对均匀性模式的文献进行了综述,并给出均匀性模式及相关的最小低阶投影均匀性准则的统一定义.该文还对最小低阶投影均匀性准则与其他各种设计筛选准则之间的联系及其在补设计中的应用等进行了综述,这些联系表明最小低阶投影均匀性准则与因子设计中的广义最小低阶混杂准则、正交性准则、V准则、最近平衡性准则、设计效率准则、E(s2)准则之间是相互等价的,这些准则彼此之间可以互相支持,因此揭示了均匀设计和因子设计之间的内在关系.此外,该文还对现有文献中均匀性模式的下界进行了综述,并将达到下界的MPU设计案例罗列出来以方便实际工作者使用.

基于自适应阈值的均匀局部二值模式

针对均匀局部二值模式的编码方式存在不同类像素干扰的问题,提出一种基于自适应阈值的均匀局部二值模式。采用基于直觉模糊集理论相似度量的方法计算图像前景与背景的分割阈值,通过引入该阈值参数改进均匀局部二值模式的编码方式,使得改进后的编码方案能有效降低不同类像素间的干扰。将改进的均匀局部二值模式应用于现勘图像检索,实验结果表明,该模式可以在一定程度上降低不同类像素间的干扰,增强算法对现勘图像纹理特征的描述性能,且使得检索算法取得较好的检索结果。

大气压空气中均匀介质阻挡放电的产生及放电特性

采用微秒振荡脉冲电源激励,利用对称柱形铜电极以及环氧树脂阻挡介质,在大气压空气中产生均匀介质阻挡放电(dielectricbarrierdischarge,DBD)。测量了均匀DBD的电压–电流波形,拍摄了放电图像;建立了均匀DBD的等效电气模型,通过该等效模型计算得到等效电容、平均放电功率、放电电荷量、平均电子密度以及电子温度等重要电气参数值;并进一步研究了气隙电压、介质电压、放电电流和容性电流等参量的变化趋势以及它们之间的微观联系,讨论产生均匀DBD的放电机制。研究结果表明,采用作者的实验装置,在不大于4mm气隙间距下可以产生均匀DBD;当外加电压幅值为8kV时,均匀DBD的气隙放电消耗功率为31.45W,平均电子密度为2.07×1012cm?3,电子温度为3.4eV。

大气压空气中均匀介质阻挡放电的生成及电气特性研究

为了在大气压空气环境下生成均匀介质阻挡放电(DBD),提出了一种线-网电极结构。探究了线-网电极结构下电场分布对生成大气压均匀介质阻挡放电的影响,分析了均匀介质阻挡放电的放电过程,并且以线-网电极为例搭建了基于SIMULINK的DBD仿真模型。研究表明,强电场作用下能够产生初始电子,弱电场作用下能够减缓电子崩发展速度,因此在电子崩发展方向上呈现先大后小的纵向电场分布能够使电子崩均匀发展,有利于避免丝状放电的产生;放电模型可以用来对DBD进行仿真研究,仿真结果能够真实反映介质阻挡放电特性。

基于扩展的LBP算子地板块纹理分类研究

针对地板块纹理分类问题,首次引入局部二值模式LBP算子提取地板块纹理特征。本文提出一种基于扩展的LBP算子地板块纹理分类方法。在阐述LBP算子基本原理的基础上,采用中值滤波法去除图像噪点,以减少噪点对图像纹理特征的干扰,将均匀模式和旋转不变性与传统的LBP算子相融合,提取地板块纹理特征,经KNN分类器实现地板块纹理分类。实验结果表明该方法识别速度快、辨识准确率高,优于传统的灰度共生矩阵法,为地板块纹理分类的研究提供新思路。

基于ULBP特征子空间的2DLDA人脸识别方法

将图像层次化分割并提取各个图像子块的均匀模式的局部二值模式(ULBP)直方图特征,在考虑到全局及局部特征的同时,将处理空间从灰度空间投影到ULBP特征子空间,有效消除行向量之间的相关性,从而使应用行二维线性鉴别分析处理得到的鉴别投影矩阵性能更优.在ORL、YALE及FERET人脸库上与基于二维线性鉴别分析的方法及基于多级局部二值模式的方法对比,结果显示文中方法维数更低,识别率更高,从而验证文中方法的有效性.

斜坡填筑路堤变形破坏物理模拟研究

在斜坡上填筑路堤是山区公路建设中常见的一种路基模式,而大量路基变形破坏也往往与这种填筑模式有关,尤其是斜坡高填方路基,因此,研究其变形破坏意义重大。根据108国道某段斜坡路堤实际填筑情况,并结合西部山区公路建设中斜坡填筑路堤常见的破坏模式,利用物理模拟研究中的底摩擦试验方法,对在基岩斜坡上填筑路堤时所产生的几种不均匀沉降模式及其对路面结构的影响等演变过程和力学机制进行系统性和一般性的研究分析,获得多方面的认识。如填筑体坡脚往往是最易破坏的薄弱环节;随下伏基岩坡度的增大,填筑体下滑趋势、变形破坏与应力集中程度等都明显增强等。此外,为验证物理模拟试验结果的可靠性,采用有限元方法,从力学方面进行对比分析,结果显示,二者具有很好的一致性。

基于YUV颜色空间和多特征融合的视频烟雾检测

针对基于视频的烟雾检测方法在复杂环境中存在高误报、高漏报问题,提出了一种基于YUV颜色空间和多特征融合的视频烟雾检测算法。首先通过高斯混合模型检测运动区域,然后应用YUV颜色空间烟雾像素过滤方法确定疑似烟雾区域,进一步将疑似区域块分割后使用离散小波变换和均匀局部二值模式提取烟雾纹理特征,最后多特征融合并通过Real AdaBoost分类器进行火灾识别分类。实验结果表明,高斯混合模型能够有效检测运动区域,运动区域YUV颜色空间过滤可以滤除大量非烟雾像素区域,选取的烟雾特征及分类方法具有更高的识别精度。多个场景视频测试表明所提出的视频烟雾检测算法相比同类算法具有识别准确度更高、误报率更低,从而更符合不同的应用场景。

基于LBP和纹理信息挖掘的打印文件机源认定

为了消除光照对打印文件图像采集的影响,采用均匀模式的LBP对采集到的字符图像进行处理,提取LBP特征值,使用SVM进行打印文件的分类鉴别,分类准确率只有83.40%,说明LBP特征可以用于打印文件的分类鉴别,但是分类准确率不能满足实际应用的需要。运用两因子方差分析模型得出字符因子和打印机因子对鉴别率的影响都是显著的。采用纹理信息挖掘的方法消除字符因子的影响,研究打印机因子对打印文件鉴别的影响,可以将打印文件鉴别率提高到94.50%,具备实际应用的能力。

基于颜色与纹理特征的安防视频遮挡树叶检测

针对安防监控视频中出现的树叶遮挡异常,提出一种颜色与纹理特征相融合并结合支持向量机(SVM)的视频树叶遮挡异常检测算法。提取视频图像的HSV非均匀量化直方图作为颜色特征;采用分块思想提取图像块的均匀局部二值模式(ULBP),将图像所有块的ULBP特征进行整合作为图像的纹理特征;将颜色特征和纹理特征进行整合,利用支持向量机进行训练建模,实现树叶遮挡异常的检测。采用真实安防监控视频库进行验证,验证结果表明,该方法识别率达到85.56%,受试者工作特征(ROC)性能指标达到0.9433,融合ULBP特征与颜色特征能很好地减少场景的干扰,对树叶遮挡异常视频进行有效识别。

二水平因子设计的均匀性模式及其相关的准则

从几何的角度研究二水平因子设计的投影性质.基于一种类似于字长型的均匀性模式,提出了用于比较二水平因子设计的均匀性分辨度和最小低阶投影均匀性两个准则,并建立了最小低阶投影均匀性与最小低阶混杂、广义最小低阶混杂、正交性等准则之间的密切联系.这些联系进一步揭示了均匀设计和因子设计之间的内在关系,对最小低阶混杂、广义最小低阶混杂、正交性等准则提供了合理的几何解释.

基于CLAHE增强的GIS局放脉冲序列识别算法

为了研究气体绝缘组合电器(gas insulated switchgear,GIS)的特高频局部放电脉冲序列识别算法,进而提高其绝缘故障诊断的正确率,提出利用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)算法对脉冲序列分布(phase resolved pulse sequence,PRPS)图谱进行预处理,实现放电脉冲目标的强化,从而增强数据集视觉特征的方法;然后计算增强图谱的均匀局部二值模式(uniform local binary pattern,ULBP)作为特征向量,利用Adaboost级联分类器不断提高识别率直至收敛,从而实现GIS内部绝缘故障类型的识别。实验结果表明:CLAHE增强将识别率的上限从93.36%提高到了96.09%;在变化的外施电压下,ULBP特征向量比传统图像特征的识别率提高了10.71%~15.72%;Adaboost强分类器在训练时对样本数量的要求降低了约1/3。故所提算法进一步扩大了优化空间,增强了传统算法的泛化能力,提高了训练效率。

基于LBP的加权分布纹理熵的图像检索算法

通过对目前存在的一些基于纹理的图像检索算法的分析,指出了它们存在的不足,提出一种基于LBP的加权分布纹理熵的图像检索算法。首先,该算法依据图像关键兴趣区域分布特点将图像分成不均匀的9块子图,接着单独对各个子图块根据Uniform Pattern LBP计算个子图块的纹理特征,并结合信息论统计各个子图的纹理熵,然后把9块子图的纹理熵合并作为整个图像的纹理特征向量,最后依据特征向量元素对应各个兴趣区域的重要性加权进行图像检索。该算法相对传统LBP算法,保留图像空间信息,且区域偏重权系数能弱化不相关信息,同时9维度的特征向量能加快图像的检索效率。实验结果表明,该算法能获得较好的检索性能。