基于Butterworth滤波和Haar小波变换的干涉图像齿面域分割

干涉图像中反映齿面形貌信息的齿面域被背景噪声包围,其分割精度对相位解包裹、图像配准等后续的处理步骤存在较大的影响,直接关系到最终测量结果的精度。针对齿面干涉图像边界存在杂散条纹的现象,通过分析齿面干涉条纹的分布规律,提出了一种结合Butterworth滤波和Haar小波的齿面域分割方法。最后,在本文实验条件下,通过与时域分割方法进行对比,该方法可以将齿面干涉图像的边界杂散条纹区域内解包裹相位值有错误的地方排除在有效测量区域外并且能够对其进行有效校正,证明了基于频域信息的分割方法能够有效地提高干涉图像齿面域分割的精度。

基于椭圆域分割的触电电流混沌检测方法研究

针对从低压电网的总剩余电流中提取触电支路电流的难题,利用混沌系统对初始条件敏感及对噪声免疫的特性,提出基于椭圆域分割法的触电电流混沌检测方法。在混沌系统的二维相轨迹图中引入椭圆域分割线,通过其输出的高低电平表示相轨迹穿越椭圆域分割线的状态,根据输出的低电平次数定量判别混沌系统所处的状态,从而实现触电信号的提取。利用待测信号相位和系统状态存在的对应关系,确定待测信号初相位并修正,以提高该方法的检测精度。针对195组触电信号检测结果表明,相位修正前、后的检测误差从32.5%减小到4.1%,检测信噪比由[0,-50 d B]增加到[0,-63 d B],所提议的方法能够从包含强噪声的总剩余电流中检测出触电电流,为新型剩余电流保护装置的开发提供一定的参考价值。

区域分割包分类算法的优化实现

包分类就是根据到达数据包的包头信息将包按一定规则进行分类的过程,包分类技术是下一代路由器、防火墙、QoS保证机制实现、网络信息检测等设备的关键技术.区域分割包分类算法是目前多种分类算法中较为有效的算法之一.根据给定分类规则集的特点对算法进行优化实现是区域分割包分类算法的核心研究内容,它包括高效率的区域优化分割准则和在分割后小区域内的单域化线性查找两部分.优化实现不仅保证算法具有良好的时间和空间性能,而且极大地降低了规则数增加对算泫性能的影响.仿真实验结果表明区域分割包分类算法在一定规则数范围内每秒能处理3～6M个IP包头,具有O(d)的时间复杂度(d为域的个数)和O(dN)的空间复杂度(N为规则数).区域分割包分类算法支持规则集的实时更新.

基于改进圆域分割方法的混沌微弱信号检测

针对Melnikov方法和Lyapunov指数法在确定Duffing振子混沌阈值时计算繁琐、耗时较长的问题,提出基于改进圆域分割的相图识别方法。以圆域内相点比例为指标,利用其在系统相变时急剧变化这一特性进行微弱信号的检测。改进圆域分割方法的圆域半径取值更加灵活,使混沌阈值的确定更加方便。仿真实验表明,信噪比为-60 d B时检测正确率达89%,验证了该方法的有效性。

并行区域分割包分类算法

网络包分类技术是下一代路由器、防火墙、QoS保证机制实现、网络信息检测等设备的关键技术.在区域分割思想基础上,并在FPGA内实现的并行区域分割包分类算法是一种基于共享存储器和并行处理单元的高速网络包分类算法;它主要包括区域分割思想的存储器映射方法和两级、多通道并行处理技术两大部分.

基于热场域分割的体参数化模型构建

针对当前拓扑优化结果需要后处理的问题,提出一种适用于有限元四边形网格和六面体网格的体参数化模型构建方法.首先根据热场特点,在有限元网格上施加稳态热场并通过有限元求解得到热场域数据;然后针对热场域值做一系列子域分割操作,包括抽取几何表面网格、等值域提取、邻域去重叠、角点与交点求取和非四边形域划分,得到全部的四边形子域;最后对所有四边形子域离散边界做点排序及B样条控制点的反求,再利用子域插值算法实现复杂几何模型体参数化表达.给出的二维和三维实例结果表明,该方法能准确、高效地实现复杂模型的子域分割,进而构建适用于等几何分析的体参数化模型,从而为拓扑优化后处理提供一个可行途径.

基于圆域分割耦合法则的图像篡改检测算法

为降低图像伪造算法的错误检测率和漏检测率,利用互相关函数(CCF),设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子,计算像素点及其邻点的灰度值,准确提取图像特征点,并利用特征点对应的直方图信息求取其主方向;同时,在该方向上建立特征点的邻域圆,对该圆域进行分割,计算每个分割区域的梯度特征,获取相应的特征向量;利用互相关函数对特征点间的相关程度进行计算,构建最优相关法则,完成特征匹配。利用匹配特征点的特征向量,计算特征点间的欧氏距离,对特征点进行集群,定位复制-粘贴篡改内容,实现伪造检测。实验结果表明:相对已有的伪造检测技术,所提算法具备更高的检测准确率,且对旋转、缩放等内容修改表现出更高的鲁棒性。

结合视觉显著性与连通域分割的建筑物主体图像分割算法

针对在建筑物三维重建过程中特征点提取阶段,存在大量特征点集中在非建筑物的其他目标上的问题,提出了一种结合视觉显著性与连通域分割的建筑物主体图像分割算法。通过视觉显著性算法与连通域分割算法滤除大量无关背景,保留建筑物主体;再将滤掉的背景与保留的建筑物主体部分都进行超像素分割,对所得的背景分块与建筑物主体分块取其最大内接矩形代表该分块,然后分别计算矩形块的颜色相似值和纹理相似值,根据相似性来去除建筑物主体部分中残留的背景块;最后,使用一个适用于建筑物环境的绿色因子,将树、灌木丛等干扰目标去除。实验结果表明,相较传统图像分割算法,该算法能够有效地将建筑物主体图像完整地分割出来,提高建筑物的三维重建效果。

Fuzzy数学规划求解的约束域分割法

对模糊数学规划的目标函数取大∨与取小∧的问题，给出了一种求解方法——约束域分割法，此法对约束集凹集的数学规划问题亦有效。

基于文本域分割和文本行检测的扭曲文档图像校正

针对由照相机拍摄的文档图像可能存在倾斜或扭曲变形而导致光学字符识别(OCR)软件不能正确识别的情况,图像的校正处理方法研究变得越来越有必要。文中,首先采用文本域分割将文本分割为多个连通域,每个连通域包含一个字,标记出连通域的上、下、左、右边界,通过这些边界的联系检测出文本行;其次根据文本行首个连通域检测出校正基准线;最后根据校正基线和垂直位移距离分别对文字进行位移而得到校正后的图像,从而可以被光学字符识别软件识别。

基于域适应的图像语义分割综述

随着深度学习技术的迅速发展,语义分割算法在性能提升的同时依赖于大规模成对图像数据及其耗时耗力的像素级标注.人工制作的合成图像以规模大、易标注的特点,替代真实图像有效降低了训练成本.然而,合成图像与真实图像的域间差异性降低了分割网络的泛化能力.针对域间差异问题,研究者提出域适应语义分割(Domain Adaptive Semantic Segmentation,DASS)算法.该算法通过提取合成图像与真实图像的跨域共享知识,减小域间差异,提升分割网络在真实图像上的泛化能力.本文根据网络结构对主流DASS算法进行分类,分析了不同算法的性能对比结果,并提出未来研究方向.研究结果表明:早期的DASS算法利用生成对抗网络对齐源域和目标域的边缘分布,但网络结构复杂,并且只能实现两域的全局对齐,无法实现不同类别之间的精细对齐,性能较低;后续算法逐渐转向自训练网络结构,利用预训练的分割网络在目标域生成伪标签,为下一轮训练提供监督,结构简单,性能表现优于早期算法;随着Transformer网络的出现,其强大的特征提取能力进一步提升了DASS算法的准确性.

空间域分割的机载LiDAR数据输电线快速提取

机载LiDAR具有快速、直接获取地物3维坐标的能力,在电网高压输电线路安全巡检中具有较大的应用前景。论文针对机载LiDAR输电线智能巡检的需求,提出并实现了一种基于空间域分割的LiDAR点云数据输电线自动提取方法。该方法首先利用高程直方图统计法去除地面点,再次利用点云密度差异剔除杆塔,根据相邻线之间的距离差和相邻层的高程差进行单根输电线分离。最后,采用多项式模型在3维空间中重构每根输电线空间坐标。实验结果表明该方法能够快速自动地提取多个杆塔之间的多根输电线数据,具有一定的工程应用价值。

基于Z域D分割法的并网逆变器控制参数多约束可视化设计

研究基于D分割法的并网逆变器控制参数设计方法。考虑并网逆变器数字控制的离散特性,推导Z域D分割法的成立条件,并和S域D分割法进行比较。根据系统的性能要求,利用Z域D分割法得到指定的相位裕度和幅值裕度以及参数鲁棒性要求下调节器参数空间域。在此基础上,以逆变器带宽为目标函数在参数空间域内,通过可视化的方式对控制器参数进行优化设计,该可视化分析方法无需对参数反复试凑,整定目标直观明确。最后通过仿真和实验,证明了该方法的正确性和有效性。

图像域值分割方法对港口目标的识别

提出了一种在卫星图像中采用域值分割的方法来识别港口目标。运用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,算法所需的存储空间及实现的复杂性比其他基于图论的图像分割方法大大减少,从而有利于应用在自动目标识别和其他方法中的应用。实验结果表明,其优越的分割性能对港口目标和海域以及陆地的区分起到非常关键的作用,从而能更好地识别港口目标。

一种改进变换网络的域自适应语义分割网络

语义标签的人工标注成本高,耗时长,基于域自适应的非监督语义分割是非常必要的.针对间隙大的场景或像素易限制模型训练、降低语义分割精度的问题,通过分阶段训练和可解释蒙版消除大间隙图片和像素的干扰,提出了一种改进变换网络的域自适应语义分割网络(DA-SSN).首先,针对部分源图到目标图的域间隙大、网络模型训练困难的问题,利用训练损失阈值划分大间隙的源图数据集,提出一种分阶段的变换网络训练策略,在保证小间隙源图的语义对齐基础上,提高了大间隙源图的变换质量.然后,为了进一步缩小源图中部分像素与目标图域间间隙,提出一种可解释蒙版.通过预测每个像素在源图域和目标图域之间的间隙缩小置信度,忽略对应像素的训练损失,以消除大间隙像素对其他像素语义对齐的影响,使得模型训练只关注高置信度像素的域间隙.结果表明,所提算法相比于原始的域自适应语义分割网络的分割精度更高.与其他流行算法的结果相比,所提方法获得了更高质量的语义对齐,表明了所提方法精度高的优势.

基于动态分割和加权综合匹配的音乐检索算法

在模式识别领域中,音乐检索算法由于其易行和高效的特性而得到越来越多的重视。但是音符分割不精确和匹配模版不统一等问题直接影响MIR算法精确度。为解决上述问题,提出基于动态阈值分割和加权综合匹配算法。动态设定幅差步长,根据变化阈值分割音符,以提高音符分割的准确性。采用标准乐谱频率,转换音高模板实现输入归一化,以增强匹配的精确性。融合直接匹配和DTW匹配,以加强算法适应性和鲁棒性。最后由实验证明该方法的有效性。

图像分割技术的发展

图像分割是图像处理中的一项关键技术 ,也是一经典难题 ,从发展至今仍没有找到一个通用的方法 ,也没有制定出判断分割算法好坏的通过标准 .本文对图像分割方法中的域值分割方法、边缘检测方法和区域提取方法等作了一概述 ,并介绍了一些近年来出现的各种新方法和对分割评价标准的研究情况 .最后 。

图像分割及其常用的方法

图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题。本文从原理、应用和应用效果上对经典的图像分割方法如域值分割技术、区域增长和边缘检测等进行了分析,同时对目前图像分割领域中新的技术如分形、数学形态和神经网络技术进行了讨论。分析了图像分割技术研究的方向,以及需要解决的问题。

藏文乌金印刷体文本图像自动分割技术研究

藏文字符分割是藏文印刷体识别技术中的关键技术之一,高精度的字符分割是图像文本识别的主要因素,分割的效果直接影响最终的识别.该文通过研究藏文字形结构和文本图像分割技术,提出了投影法和连通域分割法相结合的藏文音节分割方法.在不同的喜马拉雅字体文本图像上分割测试准确率达99.31%,在卷积网络模型上藏文音节识别准确率比字丁高2.7%,表明藏文音节分割方法的有效性.

数字图像处理技术在弧焊机器人视觉伺服系统中的应用

本文针对弧焊机器人视觉伺服系统中的图像特征信息提取任务 ,依据工作环境的特点设计了一套具有较强抗干扰能力的数字图像处理算法 .结果将处于自然背景下的标记点信息准确地获取到 ,作为后续工作的基础 .本文中采用了针对任务的自动阈值选取和连通域分割算法 ,结果表明了选用的算法适于本研究的特定工作环境 ,取得了满意的结果 .