基于非线性尺度空间与极坐标分布熵的GIS局放特征提取方法

气体绝缘组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)缺陷类型的准确识别对电力设备的状态评估与故障诊断至关重要,为了解决PD模式识别中特征提取准确性不足的问题,该文提出一种基于极坐标分布熵优化的非线性尺度空间特征(KAZE)提取方法。首先,对光、电单参量图谱进行非下采样轮廓波变换(non-subsampled contourlet transform,NSCT),得到包含信息更丰富的光电融合图谱;然后,利用KAZE算法提取图谱典型特征点,并依据相位、幅值、尺度信息将特征点发散至极坐标,提取子区域分布熵构成特征向量;最后,将特征信息带入经自适应增强算法(Adaboost)优化的长短期记忆网络(long short-term memory,LSTM)进行模式识别验证,并与KAZE法、统计参数法、卷积神经网络(convolutional neural networks,CNN)进行对比。结果表明,该文提出的特征提取方法在不同训练集分布下均可达到较高的识别率,最高可达91%,相较于统计参数法、CNN分别提升8.8%和4.4%,可以为提高GIS局部放电特征提取准确性提供参考。

基于GIS技术的区域多尺度空间数据集成方法

区域多尺度空间数据,其量较大,其来源、格式、特点、性质不同,数据在逻辑上或物理上的有机集中比较困难,容易导致集成路径拥塞,集成效率下降。为此,提出了一种基于GIS技术的区域多尺度空间数据集成方法。利用GIS技术搭建区域多尺度空间数据挖掘架构,结合数据转换矩阵构建多尺度空间数据库。根据多尺度空间数据库中拥塞窗口状态集合,采用不同策略对数据集成路径进行拥塞控制,通过确定理想集成效率而选择多尺度空间数据集成路径。计算不同集成路径上空间数据特征向量之间的紧密度,结合相异度阈值和空间数据权重构建数据集成函数,实现区域多尺度空间数据集成。实验结果表明:所给方法在有、无人工干预的情况下,集成延时分别控制在7 min以内和5 min以内,数据集成效率较高。

基于非线性尺度空间的增强现实场景识别算法

目前大部分面向增强现实的场景识别算法一般采用构建线性高斯金字塔解决尺度不变性问题,此方法容易造成边界模糊和细节丢失,降低识别精度。针对这些问题,提出一种基于非线性尺度空间的场景识别算法,通过构建非线性尺度空间,自适应选取尺度空间组数,保证边缘细节。实验结果表明,相对于SIFT、SURF算法,该算法在视点、缩放旋转和JPEG压缩变换下有更强的鲁棒性,在保证识别精度的情况下,训练速度和识别速度明显提高。

基于非线性尺度空间的航拍场景分类

针对尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法在航拍场景分类中提取特征时,易造成边界模糊和细节丢失且无法描述颜色信息的问题,结合视觉词袋模型,提出了非线性尺度空间下融合颜色特征的新型颜色风式特征检测子(Color-KAZE,C-KAZE).通过KAZE构造非线性尺度空间来检测特征信息;对颜色模型(Hue,Saturation,Value,HSV)非等间隔量化获取颜色量化矩阵,进而生成C-KAZE特征描述子;利用视觉词袋和空间金字塔匹配模型融合多特征.实验表明,该算法相比SIFT算法在场景分类准确率方面提高了约8%.C-KAZE描述子增强了KAZE的特征描述能力,突破了SIFT算法特征描述单一、边缘细节模糊的局限性,显著提升了无人机航拍图像的分类效果.

基于非线性尺度空间的非理想虹膜边界定位

提出了一种基于非线性尺度空间的非理想虹膜边界定位方法。这一方法通过具有尺度演化特性的非线性扩散消除小尺度的几何结构,保留虹膜的主要边界信息。此外将此扩散与多分辨率分析框架结合,从而实现了虹膜边界的快速有效检测。实验结果表明,与经典方法相比,所提算法能够有效消除上述因素导致的不利影响,精确提取了非理想虹膜的内外边界。

面向大数据图像处理的尺度空间挖掘算法及应用

针对大数据挖掘及融合分析的基础理论问题,提出具体可操作的大数据尺度空间挖掘及融合分析方法.根据无限小的质点型热源在物理空间中的热量扩散规律,推导出大数据非线性尺度空间扩散方程.以各向异性的方向可调小波为热源函数,构建了各向异性的大数据非线性尺度空间;以各向同性高斯核函数为热源构建了各向同性大数据非线性尺度空间,以该空间为核心设计了各向异性特征挖掘算法.实验结果显示以各向异性小波热源空间为核心的挖掘算法可以进行分级差异化检测、特征强化、特征整合并最终锁定稳定特征,以各向同性高斯大数据空间为核心的检测算法可以对数据进行大量泛化特征检测.以光强色调饱和度、主成分分析、加权函数为热源构建了单热源和组合式热源大数据非线性空间,进而设计了融合算法并进行了多种类型的挖掘和融合实验;实验结果显示在清晰度、相关系数、信息熵、标准差、特征点数、稳定特征点数等指标方面,组合式大数据非线性尺度空间优于单热源融合空间及传统方法.综合上述可以得出:大数据非线性尺度空间具有强扩展性、开放性和适应性.

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.

一种基于非线性尺度空间的视频对象分割方法

本文提出一种基于非线性尺度空间理论的视频对象分割方法。该方法首先利用非线性尺度空间理论对视频序列中的每一帧图像做多尺度分解,然后在由大尺度图像组成的序列中利用运动信息确定运动对象,最后根据每一帧图像的多尺度图像确定对象的准确边界。实验结果表明,该方法能够在复杂的自然场景中精确地分割出视频对象,具有较强的抗干扰能力。

非线性尺度空间自适应均衡水印算法

针对线性尺度空间水印算法嵌入水印位置定位不够精确,嵌入强度参数选取随机,提出一种非线性尺度空间自适应均衡水印算法。利用KAZE算法提取并筛选出非线性尺度空间稳定性强的特征点,构建嵌入水印区域;将水印图像奇异值分解,构造新矩阵作为待嵌入水印载体,通过调整果蝇优化算法的适应度函数计算嵌入强度,结合DWT-SVD算法自适应完成嵌入水印过程。对受到攻击的水印图像提取特征点,合成特征区域矩阵,使用嵌入水印的逆过程,提取水印。实验结果表明,PSNR值均达到44 dB以上,平均NC值高达0.99,有效均衡了水印算法的不可见性和鲁棒性。

基于非线性尺度空间的图像配准技术

针对尺度不变的二值化角点(BRISK)算法抗噪性能较低,未充分利用图像的边缘的问题,提出了一种基于非线性尺度空间的图像配准技术。该算法在构造尺度空间的时候采用非线性滤波器构造图像非线性尺度空间,同时利用AGAST算法在构建的非线性空间里提取具有显著特征的角点,结合旋转不变性的BRIEF算法构造128位的二值化描述子,采用汉明距离匹配描述子。实验结果表明,该算法能大幅度提高关键点的提取质量,获得了较好特征点重复检测率,增强了特征点鲁棒性以及提高了描述子的匹配率。

基于尺度空间的体数据边界不确定性可视化研究

数据可视化的数据预处理过程中会不可避免地导致数据的不确定性.以体数据中边界体元为研究对象,提出了基于多尺度空间的边界体元中多种物质的概率分布计算方法,并采用信息熵度量边界体元的不确定性,然后使用颜色渐变的方式将不确定性信息叠加绘制在表面模型上.实验表明,该方法能快速有效地计算和表示体数据中物质边界的不确定信息.

基于多尺度空间地图数据库实现区间无级比例尺地图制图的研究

结合实际应用,以实现某区间无级比例尺地图制图为出发点,研究了多尺度空间地图数据库的建立和维护更新方法,开发了基于多尺度空间地图数据库制作区间无级比例尺地图的地图制图系统。

多尺度空间数据索引方法研究

以多尺度空间数据为研究对象,讨论其混合索引结构的建立方法。对于多尺度矢量空间数据提出基于多层次网格与R+树混合索引结构,栅格数据进行分块并建立四叉树索引结构。利用双向链表结构连接同尺度下的矢栅空间数据,实现矢栅之间的无缝转化;并用地理数据编码及双向链表结构连接不同尺度下的同一空间对象,实现多尺度空间对象的纵向无缝连接。进而实现多尺度空间数据的快速可视化及空间对象的纵向无缝查询。

差分式多时态多尺度空间数据库模型研究

针对如今多尺度地理空间数据库更新困难的问题,通过综合考虑时空数据模型与多尺度数据模型的特点,并根据多尺度地理数据差分式更新模式,设计出一种"层次—快照"式多尺度时空数据库模型。并通过数据关联表建立起多尺度多时空数据之间的数据联系。实验结果表明,该模型有利于多尺度数据的更新以及对地理数据的数据挖掘。

多尺度空间数据联动更新技术研究现状及展望

多尺度空间数据库是国民经济建设各级行政决策规划的重要依据,在智慧城市、国防建设中发挥着关键作用。数据的现势性影响着空间数据库的运行效率,而多尺度空间数据联动更新为保证数据的现势性提供重要技术支撑。伴随着人工智能、地理空间大数据和地图综合智能化发展,空间数据联动更新取得了不少成果,同时也面临诸多挑战。本文首先,围绕多尺度空间数据的更新策略、匹配方法、更新信息检测及更新信息传递等方面阐述了联动更新的研究进展;然后,梳理和分析了联动更新过程各阶段人工智能技术运用现状;最后,结合自动地图综合和地理空间大数据背景,探讨了多尺度空间数据联动更新的发展趋势。

散乱数据拟合的自适应分片逆尺度空间算法

散乱数据拟合(逼近)是在信号处理、计算机图形学等领域中被广泛研究的问题,近些年,利用优化方法获得散乱数据的稀疏表示逼近解也成为了优化和曲面重构交叉领域的热点。基于由B样条生成的PSI空间中的散乱点曲面拟合问题和分片稀疏的联系,将分片稀疏性引入到Bregman逆尺度空间算法(ISS)中,提出一种自适应的分片逆尺度空间(aP_ISS)算法,处理散乱数据的曲面拟合问题。通过对逆尺度空间系统分片符号一致性分析,得到了自适应分片逆尺度空间系统的性能保证定理和避免了aP_ISS参数的选取。应用到散乱点曲面重构问题上的数值实验结果表明,该算法不仅可以有效拟合曲面,还能够较好保护分片稀疏性。

云计算环境下大数据视频图像的尺度空间融合算法

针对传统算法融合图像质量差、清晰度低、损失图像包含信息的弊端,提出一种新的云计算环境下大数据视频图像的尺度空间融合算法,介绍了尺度空间理论。通过具有平移不变性特征的提升静态小波变换算法对云计算环境下大数据视频图像进行尺度空间融合,对待融合图像进行提升小波变换分解处理,获取不同尺度空间下的低频子带系数与高频子带系数。针对低频子带系数与高频子带系数给出各自的融合方案,获取融合图像的提升静态小波变换系数。通过提升静态小波逆变换获取最终的融合图像。从主观和客观两个方面对所提算法的融合效果进行测试。结果表明,所提算法主观融合效果好,通过客观评价指标对融合图像进行评价,发现所提算法得到的融合图像清晰度、质量佳,不会损失图像包含信息。

非线性均衡约束下的光纤数据抗干扰通信方法

为了更加精准地解决非线性扰动变量对光纤通信造成的影响,消除扰动噪声对通信速率及通信质量的负面影响,结合扰动参量的非线性特征,对其约束均衡参量进行逐级优化,通过对其常规状态下光纤数据通信扰动模型的建立与抗扰条件分析、扰动信号的非线性分布范围确定与非线性均衡约束下扰动信号优化,实现扰动参量的彻底消除,同时提升原有光纤数据传输能力.通过创建的仿真数据对比证明提出方法的抗扰效果真实有效,其优化效果能够满足现阶段全场景应用需要,切实解决光纤数据通信扰动问题.

形态学平整运算尺度空间在图像融合中的应用

在图像的多尺度变换方法中,由高斯滤波器等线性算子构成的尺度空间,不能很好地刻画图像中的非线性特征,且具有共同的缺点:在多尺度分解过程中图像中的边缘会被模糊而较难定位,且图中物体的轮廓会被扭曲。而形态学平整运算是一种能在多尺度分解的同时保持物体边缘位置不变的形态学滤波器,由其构成的非线性尺度空间能有效克服这一缺点。本文提出了一种基于形态学平整运算的尺度空间的图像融合方法,从融合的三个步骤分别进行分析:分解时,对分解算子和标志图像的生成方法对融合的影响进行分析并从中选择最佳的方法;融合时,对不同类型图像融合,选择最适合的融合规则;重构时,引入增强因子,进一步提高图像融合效果。实验结果证明本文方法能比基于线性尺度空间的方法更好地保护图像中的非线性特征,如边缘和亮度,从而取得更好的融合质量。

高斯核尺度空间中的采样算法研究

将线性尺度空间的特征点扩展问题转化为多尺度数据集的同尺度内分类问题,该问题属于尺度不变的非平衡数据集分类问题。提出了一种基于尺度空间的核学习的采样算法来处理支持向量机(support vector machine,SVM)在非平衡数据集上的分类问题。其核心思想是首先在核空间中对少数类样本进行上采样,然后通过输入空间和核空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练,从而有效克服了目前采样方法在不同空间处理训练样本所带来的数据不一致问题。该算法所采用的采样策略不仅能够降低数据失衡率,而且能够拓展少数类样本所形成的凸壳,从而更为有效地纠正最优分类超平面偏移问题。实验结果证明,所获得的结果分类器具有更好的泛化性能,能够在同尺度内有效扩展稳定特征点数量。