基于故障方向测度的配电网故障区段定位方法

为了解决配电网单相接地故障定位难题,针对不接地电网提出一种基于故障方向测度的配电网故障区段定位方法。以负荷电流为参考量,构造基波零序电流故障方向测度,应用相空间重构方法提取暂态相电流故障方向测度,用来指示单个测量点的故障方向并定量评价故障特征的明显程度。建立基于故障方向测度的多指标决策优化模型,并引进可信度理论将多指标决策问题转化为单目标优化问题,实现了基于多测量点的故障定位。仿真算例和模拟实验验证了方法的正确性,并且在故障方向测度信息不可靠的情况下该方法仍能准确定位,具有较好的容错性能。

融合方向测度和灰度共生矩阵的纹理特征提取算法研究

为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。

基于方向测度的H.264快速帧内预测算法

H.264在空间域上从多个方向进行多种模式的帧内预测,并使用率失真优化算法选择最佳模式,使编码的复杂度大幅增加。为此,提出了一种基于方向测度的快速帧内预测算法。该算法使用方向测度来判断块的平坦程度和纹理方向,它可以预先排除可能性小的预测模式,避免了不必要的代价计算。实验结果表明,算法在保持信噪比平均降低0.05dB和码率平均增加1.27%基础上,编码时间平均减少了39.16%。

基于方向测度的H.264帧内预测快速算法

帧内预测的主要目的是消除相邻像素间的空间冗余,通过邻近块中已解码图像的像素块来预测当前块。介绍H.264帧内预测的基本原理和算法步骤,对现有的改进方法进行深入的探索和分析,提出基于方向测度的快速帧内预测模式选择算法。通过基于视觉感知效应宏块层划分,对纹理区域提出了基于方向测度的快速模式选择算法。实验结果表明,编码时间平均减少45%,峰值信噪比基本保持不变,满足实时视频通信的要求。

方向测度及其在纹理识别中的应用

在一均匀的纹理图象中沿任何一个方向象素的灰度变化都服从一定的规律。依据这个特点,本文提出一种新的纹理统计特征——方向测度。方向测度能够提取纹理的二阶及高阶统计特征。高阶方向测度对自然纹理具有很高的识别率。另外方向测度的计算量小,运算结构简单,利于多机并行处理。

基于方向信息测度的自适应多级中值滤波器

针对图像滤噪中滤除噪声和保护细节(边缘)的矛盾,本文提出一种新的基于方向信息测度的自适应多级中值滤波器。方向性是边缘和噪声的本质区别之一,通过基于方向信息测度所构造的自适应结构,决定中值滤波器的形式和滤波窗口尺寸的大小,而不需要图像和噪声的先验知识。文章比较了标准中值滤波器、单向多级中值滤波器、双向多级中值滤波器和本文方法的结果。实验表明本文方法具有更好的效果。

采用方向信息测度和时间域迭代技术的红外图像扩散去噪算法

噪声抑制是红外图像处理中的一个重要研究课题,但常用的去噪算法会造成细节的损失。为了有效地抑制噪声,同时保护边缘,文中在P-M扩散方程的基础上,提出了一种新的采用方向信息测度和时间域迭代技术的各项异性扩散滤波算法。方向信息测度的引入能够在抑制噪声的同时有效保护边缘;时间域迭代技术通过时空混合滤波来同时抑制噪声和保护边缘,而且取消了常规扩散算法几十次的迭代运算,使得实时各向异性扩散算法成为了可能。仿真结果表明:该算法的性能优于常规算法,具有良好的前景和实用价值。

基于方向信息测度的断层检测方法

常规的断层检测方法基于道间奇异性,在检测出断层的同时也会检测出噪声;利用大尺度的断层检测方法或将一些噪声压制方法与断层检测方法配套使用可以提高信噪比,但却容易模糊断层边界。因此,断层检测精度与信噪比之间存在矛盾。针对这一矛盾,考虑到方向性是断层与噪声的本质区别之一,提出一种基于方向信息测度的改进方法。与传统的基于方向信息测度的方法相比,该方法可适用于边缘两侧信号无突变的情况。将该方法与小波小尺度边缘检测方法配套使用,可以有效地检测出断层的位置并压制噪声。利用该方法对某区实际资料处理后,断层成像清楚,断层方向与构造应力相关性较强,证明方法是有效的。

基于图象方向性信息测度的图象象素分类

针对以往图象处理方法缺乏通用性的问题 ,提出了一种新的基于图象方向性信息测度的图象象素分类方法 ,即利用不同类型的图象象素的方向性信息测度 ,以及方向性信息测度随观察尺度变化时的改变不同 ,来将图象象素分成边缘点、平滑点和纹理点以用于图象分析 .该方法不仅可以用于任意图象的前期分析 ,而且具有良好的抗噪能力 .实验证明 ,该方法具有令人满意的效果 .

基于非下采样剪切波变换域方向信息测度的多聚焦图像融合方法

根据非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势和多聚焦图像的成像特点,将NSST运用于多聚焦图像融合。在NSST变换域中,利用方向信息测度能够突出图像边缘纹理特征以及降低图像噪声,将其运用在高频子带系数的融合规则中,并对传统的低频融合策略进行改进,将低频系数和高频系数的融合图像进行NSST的逆变换,得到融合图像。计算机仿真实验表明,相比于传统的剪切波变换的融合策略,本文提出的图像融合方法提高了图像的融合质量,增加了图像的信息量,并能降低图像噪声,具有一定的有效性和实用性。

一种基于NSCT和方向信息测度的GF1影像融合方法

结合NSCT变换和方向信息测度在影像融合表达中的优势,针对GF1影像的特征,提出了多光谱波段与全色波段影像融合过程中采用基于NSCT变换域的方向信息测度融合方法。以GF1影像为源数据,通过NSCT多尺度多方向分解后,对低频系数使用基于区域灰度方差的融合方法,对高频系数采用了改进的方向信息测度加权融合方法,经NSCT逆变换重构影像实现融合。试验结果表明,基于NSCT变换和改进方向信息测度结合的融合方法能更好地保持多光谱影像的光谱信息和全色影像的空间信息,具有更多的细节特征及更清晰的边缘,因此提高了遥感影像的解译精度和解译效率,可为目标信息的提取应用提供支撑。

基于方向信息测度约束的自适应血管跟踪方法

针对血管的叠加与分叉问题 ,本文提出了一种基于象素方向信息测度约束的自适应血管跟踪方法 .在启发式血管追踪过程中 ,本文构造了一种边缘度量函数来检测血管边缘 .同时 ,本文还引入了一些措施来提高血管追踪精度 ,如步长自适应调整、方向惯性机制、四边形修正方法等 .试验结果表明 ,本文方法在血管发生叠加和分叉时 ,可以正确的对血管进行跟踪 。

基于方向区域距离测度的彩色边缘检测方法

文中给出了一种彩色边缘的定义,阐述了彩色边缘的特点,提出了一种在HSI彩色空间使用的基于彩色图像方向区域距离测度的彩色边缘检测新方法。该方法定义的方向区域距离测度充分考虑了边缘的方向性和滤波尺度对边缘检测的影响。通过选择不同的权重,可分别求取色调边缘,色度边缘,饱和度边缘,亮度边缘以及它们的组合边缘,能满足不同应用的需要。实验表明,该方法能提取更多的彩色边缘信息并具有很好的抗噪性能。

基于方向信息测度的最小模糊度准则边缘检测

将像素点的方向信息测度作为判别边缘点的特性指标,借用Huang等构造的自适应确定分割阈值的思想,本文提出了一种基于方向信息测度的最小模糊度准则边缘检测方法。文中提出的方法,一方面由于采用了方向信息测度,可以很好地将边缘点和非边缘点区分开来;另一方面通过最小化模糊度,自适应地将给定图像的所有像素点按照方向信息测度分成两类,从而达到提取边缘的目的。实验结果证明,我们提出的方法能够很好地判别边缘点,有效地提取图像的边缘。

一种基于方向性信息测度和IHS变换的图像融合新方法

提出了一种基于图像方向性信息测度和IHS变换的图像融合新方法。该方法首先根据不同邻域尺度下图像方向性信息测度的变化规律,检测出SAR图像象素中的边缘点和纹理点。然后,对TM图像的5、4、3波段(即红、绿、蓝波段)进行IHS变换得到亮度图像I。进而根据SAR图像象素分类情况将其和I图像进行线性加权融合,其中边界象素和纹理象素的权值比平滑象素大。最后通过IHS反变换,得到完整的融合结果。实验结果表明,与传统的IHS融合方法和基于直方图匹配的IHS融合方法相比,该新方法在保持TM光谱信息和抗噪声能力方面具有明显优势。

基于方向信息测度的图像恢复

文章根据人眼对图像平滑区噪声敏感,而对边缘区不敏感这一特性,提出了基于图像信息测度的图像恢复方法。在图像恢复的过程中,在图像的平滑区加大平滑程度,从而减小噪声;而在边缘区,加大图像恢复程度,从而增强边缘,并且考虑了模糊程度随空间变化这一实际。实验证明本文的方法在增大图像边缘恢复程度,减小噪声放大之间能够达到一个很好的折衷,恢复出来的结果图像视觉效果良好。

基于方向信息测度的图像边缘检测

边缘检测是图像处理中一个重要的研究课题.针对传统图像边缘检测算法对噪声敏感的问题,本文在分析图像像素灰度信息的基础上,建立了一个改进的确定方向信息测度的方法,并利用震动滤波对边缘检测图像进行增强,该方法在滤除噪声的同时,能有效地保留图像的基本目标信息,正确提取图像的边缘.

结合方向信息测度和NSCT分解的图像融合算法

针对传统图像融合算法容易造成边缘细节信息丢失且抗噪声能力不强的问题,提出一种结合方向信息测度和非下采样轮廓波变换分解的图像融合算法,先利用方向信息测度对图像进行复原操作,再对低频部分采用方向信息测度加权融合规则进行融合,对高频部分采用改进区域能量加权融合规则进行融合.该算法较好地结合了非下采样轮廓波变换良好的信息保持能力和方向信息测度良好的抗噪性能,使得融合图像的效果良好.实验证明,该算法能较好的保持边缘信息且抗噪性强,能广泛地应用于多聚焦图像的融合.

遥感图像去噪的方向信息测度引导变分模型

文中首先对ROF模型在去除遥感图像噪声方面所存在的不足进行了分析和讨论,进而提出一种基于方向测度的引导变分模型,该模型能够根据图像的不同区域自动的调整扩散的强度,在一定程度上克服了ROF模型容易产生"阶梯效应"的不足,在有效去除遥感图像中高斯与椒盐混合噪声的同时保持图像的边缘和纹理信息,实验结果验证了所提模型的有效性和稳定性.