用于半色调图像的一种层次增强方法

半色调图像的层次分辨率是衡量半色调图像生成算法的一个重要指标 .在高质量图像硬拷贝设备上 ,其产生的半色调图像的层次分辨率必须达到较高的水平 ,才能保证图像复制的质量 .文中提出了一个基于线性像素置换理论的阈值矩阵抖动方法 ,该方法把一维线性像素置换扩展到了二维的情形 ,并使其作用于阈值矩阵的生成 .这个方法能在提高阈值矩阵的层次分辨率的同时 ,有效地避免附带产生的斑纹效应 .通过计算机的模拟显示和硬拷贝设备的实际输出试验 ,证明了此方法的有效性 .

基于增强层次对称点图像分析和深度残差网络的水电机组故障诊断

图像转化在水电机组故障诊断领域具有一定的潜力,传统将一维数据转化为图像的方法存在图像特征单一性、一张图像难以表示多种信号且图像识别精度偏低等问题。为此,提出一种基于增强层次对称点图像分析(Enhanced Hierarchical SDP,EHSDP)和深度残差网络(Deep Residual Network,Resnet50)的水电机组故障诊断方法。首先,利用移动差分和移动平均过程代替传统的层次分解,提出EHSDP的图像转化方法,在克服信号特征表现单一性问题的同时图像转化效率提高27.42%;其次,将分解过的振动信号图像化得到水电机组的图像数据库,划分EHSDP图像为训练集和验证集,利用训练集训练Resnet50模型得到最优模型参数;然后,将验证集图像输入训练好的Resnet50模型中,借助TSNE对提取到的特征降维可视化,各状态特征信号无混叠;最后,输出图像特征分类实现水电机组故障诊断,并用某水电站SK-3#真实机组数据进行验证。仿真实验和实例验证结果均表明,所提方法在所有对比模型中优势明显,验证了本文所提方法的有效性和实用性。

基于增强层次注意熵和极限学习机的轴承故障检测方法

采用传统诊断模型进行轴承故障识别时,需要设置较多的超参数,且参数对模型性能的影响较大。针对这一问题,提出了一种基于增强层次注意熵(EHATE)和灰狼算法优化的极限学习机(GWO-ELM)的滚动轴承故障诊断模型,其中,EHATE方法用于提取滚动轴承振动信号的低频和高频特征信息,而GWO-ELM用于识别滚动轴承的故障类型。首先,基于分形理论和增强的层次分析,提出了一种能够同时测量非平稳时间序列在低频段和高频段复杂度的指标-增强层次注意熵(EHATE);随后,利用EHATE方法充分提取了滚动轴承振动信号的故障特征,实现了对不同样本故障状态进行精确表征的目的;最后,将故障特征输入至GWO-ELM分类器中,进行了滚动轴承故障类型和故障严重程度的识别,基于EHATE+GWO-ELM模型对3组滚动轴承故障数据集进行了实验,并将其与其他故障诊断方法进行了对比。研究结果表明:该故障诊断模型能够快速有效地识别滚动轴承的不同故障,3组数据集的识别准确率分别达到了100%、99.2%和96.92%,在识别准确率和特征提取效率方面优于对比方法;同时该故障诊断模型在特征提取阶段仅需要设置单个参数,且该参数对模型的识别准确率影响非常小。该研究结果可以为滚动轴承的故障诊断提供新的视角和方案。

图像的多层次模糊增强与边缘提取

在单层次模糊增强算法中 ,某个灰度层次附近的边缘得到了增强 ,同时其它的一些边缘受到了抑制。为了同时增强图像中不同灰度层次的边缘信息 ,提出一种多层次模糊增强算法 ,并且给出了快速实现算法。此外 ,把多层次模糊增强算法应用于图像边缘提取中 ,取得了优于单层次模糊增强的效果。

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。

EHDE和WHO-SVM模型在齿轮箱故障诊断中的应用

针对现有齿轮箱故障诊断方法对数据长度敏感的缺陷,提出了一种基于增强层次多样性熵(EHDE)和野马算法(WHO)优化支持向量机(SVM)的齿轮箱故障诊断模型。首先,传统熵值特征提取方法在特征提取阶段对数据样本的长度比较敏感,为此提出了增强层次多样性熵,并将其作为特征提取指标用于提取齿轮箱的故障特征;其次,采用WHO算法对SVM模型的参数进行了优化,建立了参数最优的WHO-SVM分类器;最后,将故障特征样本输入至WHO-SVM分类器中进行了训练和识别,完成了样本的故障识别;利用齿轮箱数据集分别从数据长度敏感性、算法特征提取时间、模型诊断性能三种角度对EHDE、精细复合多尺度样本熵、精细复合多尺度模糊熵、精细复合多尺度排列熵、精细复合多尺度散布熵、精细复合多尺度波动散布熵进行了对比研究。研究结果表明:EHDE方法对数据长度的要求较低,在数据长度为512时即可以取得99.1%的平均识别准确率,在诊断稳定性和诊断精度方面均优于其他对比方法;在算法的泛化性实验中,EHDE方法能够以98%的准确率识别齿轮箱的不同故障类型,具有明显的泛化性和通用性。

基于关键状态的虚拟人组合任务分层规划方法

运动规划是虚拟人运动合成中的热点和难点。虚拟人通过推理决策,选定最优运动序列完成给定目标。然而现有的运动规划方法由于维数爆炸问题难以规划具有多个子任务的组合任务。为此提出一种基于关键状态的虚拟人组合任务分层规划方法。该方法分为两层:上层的层次增强学习模型在状态空间中稀疏采样并搜索某些局部任务的成功路径,将被访问频次最大的状态作为关键状态从而将组合任务分解为若干子任务;底层的增强学习模型将运动片段抽象为行为,将环境信息抽象为状态,采用试错搜索策略分而治之地规划子任务。合成运动时虚拟人只需遵循各子任务的控制策略,依次选择运动片段并顺序拼接即可。实验结果表明该算法能够生成逼真的虚拟人运动以完成组合任务,并且大大减少规划所需的计算时间和存储空间。

基于模糊聚类和形态学的轮胎断面特征提取

针对轮胎断面图像中胶料之间灰度相差小,边界模糊性强,传统的边缘提取方法难以实现断面特征提取的问题,提出了1种将多层次模糊增强、模糊C均值聚类以及形态学等方法有机结合,用于轮胎断面特征提取的算法.该算法先将钢丝区域去除并对图像整体进行灰度变换,然后通过多层次模糊增强,增加胶料之间的对比度,再运用模糊C均值聚类分割出各胶料区域,并对各区域进行形态学处理并提取边界,最后将各区域边界叠加,加入钢丝区域,得到轮胎断面的特征.对不同光照条件下的轮胎断面图像进行试验.结果表明:该算法可以解决轮胎断面图像中胶料之间灰度差小的问题,并有效提取了轮胎断面中的胶料边界和钢丝特征,且对光照条件具有一定的适应性.

一种新的热红外影像边缘检测方法

针对热红外影像中感兴趣温度区边缘信息模糊、对比度弱、影像存在噪声,传统的边缘检测方法难以实现边缘提取的问题,同时考虑到热红外影像边缘的不确定性,提出了一种将多层次梯形模糊增强、模糊C均值聚类以及与Sobel算子相结合的边缘检测方法。该方法首先对热红外影像进行多层次梯形模糊增强,接着运用模糊C均值聚类方法对影像中感兴趣温度目标区进行聚类,提取出目标物体,最后利用Sobel算子对目标物体进行边缘检测。基于MATLAB进行仿真模拟,实验结果表明,该方法具有较高的检测精度,既能检测出模糊影像的边缘,又能提取出传统算法所不能检测出的细节信息,边缘较细,计算量小,获得了比较理想的检测效果。