基于空间非一致模糊核标定的红外图像超分辨率重建方法

近年来,红外成像系统在工业、安防、遥感等领域获得了广泛的应用,但由于制造工艺及成本制约,红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法,获得了广泛研究,并在仿真图像上取得了显著进展,但应用于实际场景图像时容易出现伪影或图像模糊等现象。造成这种性能差异的主要原因是目前方法大多假定造成图像退化的模糊核是空间一致的,然而实际红外光学系统不可避免地存在像差、热离焦等,由此造成的图像模糊的模糊核并非空间一致的。针对这一问题,提出了一种非盲模糊核估计方法,通过采集特定的靶标图像,并设计模糊核估计网络,求解空间非一致模糊核;设计基于图像分块的超分辨率重建方法,将图像块和对应区域的模糊核一起输入非盲超分辨率重建网络进行子块图像重建,再通过子块合并和重叠区域图像融合,得到最终的高分辨率图像。实验结果表明,光学系统自身引起了模糊核随空间位置缓慢变化,在实验室条件下标定模糊核并基于图像分块进行超分辨率重建的方法可显著提高红外图像超分辨率重建的效果。

基于模糊核估计的图像盲超分辨率神经网络

模糊图像的超分辨率重建具有挑战性并且有重要的实用价值.为此,提出一种基于模糊核估计的图像盲超分辨率神经网络(Blurred image blind super-resolution network via kernel estimation,BESRNet).该网络主要包括两个部分:模糊核估计网络(Blur kernel estimation network,BKENet)和模糊核自适应的图像重建网络(Kernel adaptive superresolution network,SRNet).给定任意低分辨率图像(Low-resolution image,LR),首先利用模糊核估计子网络从输入图像估计出实际的模糊核,然后根据估计到的模糊核,利用模糊核自适应的图像重建子网络完成输入图像的超分辨率重建.与其他图像盲超分辨率方法不同,所提出的模糊核估计网络能够显式地从输入低分辨率图像中估计出完整的模糊核,然后模糊核自适应的图像重建网络根据估计到的模糊核,动态地调整网络各层的图像特征,从而适应不同输入图像的模糊.在多个基准数据集上进行了有效性实验,定性和定量的结果都表明该网络优于同类的图像盲超分辨率神经网络.

基于空间变化模糊核估计的图像盲超分辨率重建

针对退化模式已知的图像超分辨率算法对于复杂退化的真实场景重建效果并不好,并且现有的盲图像超分往往假设模糊核空间不变,但在现实图像中的模糊核通常是空间可变的等问题。文章提出了一种基于空间变化模糊核估计的图像盲超分辨率网络(Spatially Variant Kernel Estimation Super-Resolution Network,SKESRNet),SKESRNet由三部分构成:特征提取模块、模糊核重构模块和图像重建模块。给定任意模糊下的低分辨率图像,该网络首先利用特征提取模块得到输入图像的特征,然后根据得到的特征,利用模糊核重构模块估计出图像的模糊核,最后在图像重建模块完成输入图像的超分辨率重建。文章在多个基准数据集上进行了实验,结果表明该网络优于同类的图像盲超分辨率重建网络。

基于可区分性加权的模糊核说话人识别

针对训练和识别语音数据较少的情况,本文提出了一种新的说话人识别算法.通过核映射,在高维特征空间对说话人的语音特征进行模糊矢量量化.为了增加说话人之间的可区分性,提出了一种基于高维特征空间的码字矢量的权值分配方法,对具有较强区分性的码字矢量分配较大的权值,并将产生的权值和说话人的码书一起形成说话人数据库.识别时,提出一种模糊核加权最近邻近分类器,在高维特征空间中对说话人进行匹配.实验表明,该算法在训练语音少于8s,识别语音为1s时,能够得到较好的识别结果.

基于模糊核判别分析的静态面部表情情绪识别方法

当前面部表情情绪识别方法由于表情类别划分能力差,导致面部表情情绪识别结果精度不佳,为此,该文提出基于模糊核判别分析的静态面部表情情绪识别方法。根据模糊核图像处理原理,线性方程对静态面部表情原始图像进行复原,获取原始人脸图像采集。利用奇异值分解技术提取静态面部表情情绪特征。采用模糊核判别分析方法对面部表情情绪类别进行划分,实现静态面部表情情绪识别。通过五官结构关键信息提取、表情信息匹配精度以及静态面部表情情绪识别精度三部分指标,验证此方法的应用效果。实验结果表明:研究方法的表情信息匹配精度可达97.0%,使用其可有效提升静态面部表情情绪识别效果。

一种改进的模糊核聚类图像分割算法

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感。针对该问题,提出了一种改进的模糊核聚类图像分割算法。将改进的最大类间方差法(Otsu)引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法。实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际。

加权模糊核聚类法在电力变压器故障诊断中的应用

变压器油中溶解气体分析(DGA)是电力变压器故障诊断的重要方法。针对模糊C均值聚类算法用于溶解气体成分分析时存在的问题,将加权模糊核聚类方法(WFKC)引入到电力变压器故障诊断中,建立了一个新的变压器故障诊断模型。该法首先考虑到样本中不同特征对聚类结果的不同影响,利用基于样本相似度的加权方法对样本特征进行加权,然后将样本从输入空间映射到高维特征空间,在特征空间实现加权模糊核聚类。形成的模型充分考虑了不同特征对聚类结果的不同影响,能有效改善复杂数据集的聚类性能,提高了故障诊断的正确率。案例分析表明,该法能快速有效地对样本进行聚类,从而验证了该法在变压器故障诊断中的有效性和可行性。

基于粒子群优化模糊核聚类的电梯群交通模式识别

为了改善电梯群控系统的性能,使电梯群节能并高效运行,针对不同的交通模式采用合理的调度算法对电梯群进行优化调度,提出一种基于粒子群(PSO)的模糊核聚类算法(KFCM)的电梯交通流模式识别方法.利用基于梯度下降的粒子群优化算法代替KFCM算法的迭代过程,可使算法具有较强的全局搜索能力和局部搜索能力,并降低了KFCM算法对初始值的敏感度.利用核方法将低维特征空间的样本映射到高维特征空间,增加对样本特征的优化,并使样本特征在高维特征空间线性可分,更加容易聚类.采用在某办公楼采集的电梯交通流数据作为测试样本,仿真结果表明,与FCM聚类算法相比,该算法具有良好的性能指标,对电梯交通流的聚类效果更准确。

基于模糊核支持向量机的管道磁记忆检测缺陷识别

针对金属磁记忆检测管道缺陷判定准则的局限性,通过构造基于梯形模糊数的最大、最小贴近度的模糊核函数,提出了一种基于模糊核支持向量机的缺陷识别方法。通过构建识别函数,将管道状态划分为应力集中、微观缺陷和宏观缺陷3个等级。通过比较未形成缺陷的应力集中区域与微裂纹缺陷的特征,构造了五维支持向量机输入特征向量:小波包频带能量增量、修正傅里叶系数、区域信号的峰峰值、信号的检测切向梯度和检测法向梯度。通过实验设计,对采集的磁记忆信号进行特征提取和缺陷识别。与传统线性核与多项式核识别结果进行比较,分析表明该方法能够有效识别管道缺陷,为金属磁记忆技术精确测定管道缺陷提供了一种新方法。

基于模糊核聚类的鲁棒性基础矩阵估计算法

提出一种基于模糊核聚类的鲁棒性基础矩阵估计算法。算法提取匹配点的余差作为特征,利用核函数将一维非线性可分特征映射到高维可分空间,在高维特征空间利用模糊均值分类将匹配点分为内点集和外点集;用高斯函数分别对已分类的内点集和外点集进行建模,定义并计算两类高斯分布的可分性判定值;判断该判定值是否收敛,如未收敛则以内点集作为初始值重新迭代计算。模拟数据和真实数据的基础矩阵估计实验表明,本文算法在计算效率和精度上均优于经典的随机抽样一致性算法。

基于直觉模糊核聚类的弹道中段目标识别方法

针对现有的模糊核聚类算法性能的问题,汲取直觉模糊c-均值聚类(intuitionistic fuzzy c-means,IFCM)算法的动态聚类特性优势,引入高斯核函数,改良归一化条件,提出直觉模糊核c-均值聚类(intuitionisticfuzzy kernel c-means,IFKCM)算法,并通过实际数据测试,证实了该算法的可行性和有效性。最后,根据弹道中段目标识别仿真系统的要求及弹道目标识别的特点,设计并实现了基于直觉模糊核c-均值聚类的弹道中段目标识别(intuitionistic fuzzy kernel c-means-target recognition in ballistic midcourse,IFKCM-TRBM)原型系统,仿真实验及对比分析充分表明该原型系统的稳健可行性,为弹道中段目标识别提出了一种新的参考和尝试。

基于模糊核聚类的乙烯裂解深度DE-LSSVM多模型建模

乙烯裂解深度的建模与控制对于裂解炉的实时优化具有重要意义。针对石脑油原料组分复杂、油品特性波动大等状况,采用模糊核聚类对石脑油数据库进行最优划分,建立最小二乘支持向量机的多模型,对于最小二乘支持向量机中模型的参数选取,利用差分进化算法进行参数寻优,提高了模型的精度和泛化能力。通过对现场数据的建模实验,结果表明:基于模糊核聚类的乙烯裂解深度最小二乘支持向量机多模型跟踪性能良好,预测精度较高。

基于模糊结构图的模糊核估计

图像结构边缘对模糊核估计有重要意义.近年来许多成功的算法都致力从潜在清晰图像中分离出结构边缘形成中间图像,然后用其与模糊图像一起估计模糊核.但是这些算法忽视了从模糊图像中分离出结构边缘对应的部分,导致核估计过程中目标函数的数据项不平衡.针对这一问题,本文利用中间图像和潜在模糊核产生二值模板对模糊图像进行处理,分离出结构边缘对应的部分,并用其修正目标函数.此外本文提出采用L0范数同时约束幅值域和梯度域的正则项,从而缩小核估计的解空间.多个标准测试数据库上实验结果表面,本文算法无论在鲁棒性还是准确性方面均具有更好的效果.

基于模糊核匹配追寻的特征模式识别

核匹配追寻算法是近年来新兴的模式识别方法,在处理非线性及高维模式识别问题中表现出了突出的优点.传统的核匹配追寻在处理模式识别的问题中平等地对待所有样本,最终的判决函数是针对所有样本的一个平等综合考虑,要求总识别误差尽可能小,并不能对某一类指定样本进行针对性识别,然而实际应用中经常会碰到这样的情况:要求对某一类样本的识别精度很高,尤其是对于非平衡样本中或者对于具有时间属性的样本序列,由于标准核匹配追寻学习机自身的局限性,使其不能有效地处理这些问题.文中针对这些问题,提出了模糊核匹配追寻学习机,预先根据分类的要求对每个样本做出了不同的重要性定义,学习机根据重要性不同,对样本进行程度不同的学习,最终得到基于问题的判决——对重要样本保持很高的分类精度;最后通过实际的仿真实验证明了模糊匹配追寻的有效性及可行性.

高斯型模糊润饰图像的模糊核反演算法

为了从模糊润饰图像恢复模糊核,基于对数傅里叶空间图像高斯型模糊润饰前、后的指数黎曼度量具有等距性特点,提出一种高斯型模糊润饰图像的模糊核反演算法.首先将模糊润饰前、后的图像转换到对数傅里叶空间;然后利用黎曼测地距离度量图像高斯型模糊润饰前、后的模糊不变量,从模糊不变量携带的信息中反演恢复出高斯型模糊核.在对高斯模糊、中值模糊、盒式模糊和多步高斯模糊润饰图像进行的实验结果表明,文中算法能够鲁棒地恢复出模糊核.

基于模糊核聚类的图像SVM分类辨识

提出一种结合特征场和模糊核聚类支持向量机的图像分类辨识方法。首先,构造符合人类视觉特性的图像彩色和纹理特征数据场,一方面,引入新阈值,建立图像纹理特征;另一方面,在图像彩色特征上,对能够引起注意的像素区域的像素点进行加权处理,并使用彩色空间分布离散度来描述彩色的空间分布。其次,采用模糊核聚类支持向量机对图像进行分类研究。在使用特征空间时,不仅考虑了样本与类中心间的关系,还考虑了类中各个样本间的关系,以模糊连接度来度量类中各个样本间的关系,并以二叉树方式构造子分类器。实验结果表明,该方法可以获得较好的图像分类效果。

动态加权模糊核聚类算法

为了克服噪声特征向量对聚类的影响,充分考虑各特征向量对聚类结果的贡献度的不同,运用mercer核将待聚类的数据映射到高维空间,提出了一种新的动态加权模糊核聚类算法。该算法运用动态加权,自动消弱噪声特征向量在分类中的作用,在对数据没有任何先验信息的情况下,不仅能够准确划分线性数据,而且能够做到非线性划分非团状数据。仿真和实际数据分类结果表明,数据中的噪声对分类结果影响较小,该算法具有很高的实用性。

基于模糊核聚类图像分割的气体泄漏定位研究

针对传统泄漏检测和定位方法中低效性和低抗干扰性等方面的问题,提出了一种基于红外热像图的气体泄漏检测和定位的方法.该方法利用红外热像仪拍摄充气前后被测容器的红外热像图,并对获得的热像图进行图像增强和加权差分处理,提出基于带有温差因子的模糊核聚类分割算法来处理容器的红外热像图,对泄漏位置及边界的提取.通过引入与目标区域温度范围相关的参数-温差因子,对于不同温度范围热像图的噪声具有良好的自适应抑制能力,增强了图像分割的鲁棒性.实验结果表明,该方法准确并且高效,能够获得准确的泄漏检测及定位结果,泄漏检测能力可达到10mL/min(@0.1MPa).

基于模糊核聚类和支持向量机的鲁棒协同推荐算法

该文针对现有推荐算法在面对托攻击时鲁棒性不高的问题,提出一种基于模糊核聚类和支持向量机的鲁棒推荐算法。首先,根据攻击概貌间高度相关的特性,利用模糊核聚类方法在高维特征空间对用户概貌进行聚类,实现攻击概貌的第1阶段检测。然后,利用支持向量机分类器对含有攻击概貌的聚类进行分类,实现攻击概貌的第2阶段检测。最后,基于攻击概貌检测结果,通过构造指示函数排除攻击概貌在推荐过程中产生的影响,并引入矩阵分解技术设计相应的鲁棒协同推荐算法。实验结果表明,与现有的基于矩阵分解模型的推荐算法相比,所提算法不但具有很好的鲁棒性,而且准确性也有提高。

基于模糊核聚类的MR图像分割新算法

在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法。通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像。