考虑小波包-灰度共生矩阵的高压断路器弹簧疲劳故障程度诊断研究

弹簧操动机构作为高压断路器(High voltage circuit breakers,HVCBs)分合闸操作的储能单元,其可靠性对电力系统的安全运行具有重要意义。本文以六氟化硫高压断路器的弹簧操动机构为研究对象,分析分合闸弹簧的动作机理,对弹簧进行不同程度的故障设置。介绍了振动、声音传感器设备及采集参数,针对小波包时频分析法的缺点,提出一种基于小波包-灰度共生矩阵(Gray level co-occurrence matrix,GLCM)的特征提取方法。从诊断速度和诊断准确度两方面对比了支持向量机(Support vector machine,SVM)、决策树(Decision tree,DT)、朴素贝叶斯、K近邻(K nearest neighbors,KNN)4种诊断模型。实验结果表明,在模拟实际应用场景中,选用K近邻算法对分合闸弹簧故障进行深度诊断能够准确判断故障类型及故障程度,对高压断路器安全可靠运行具有实际应用价值。

基于多灰度共生矩阵特征值的黄渤海白天海雾识别算法

本文基于多灰度共生矩阵特征值,即相关性、对比度、同质性和能量,进行联合海雾遥感判识,提出一种高准确率黄渤海白天海雾识别算法。采用第二代静止气象卫星FY-4A可见光、近红外和红外数据,将该算法应用于黄渤海区域白天海雾判识,并利用2019—2020年沿黄渤海气象站点能见度实测数据及CALIPSO卫星数据产品对本算法识别结果进行精度验证。结果表明:海雾识别平均检测率(POD)为92%,误报率(FAR)为27%,临近成功指数(CSI)为69%,可以实现对海雾的动态监测,为海上交通等领域提供较好的数据支持。

基于灰度共生矩阵的迷彩图像相似度研究

针对迷彩伪装中图案斑点与颜色在相似度效果评估时的权重问题,通过迷彩设计软件生成多种林地和海洋背景四色迷彩,运用灰度共生矩阵计算图像相似度,采用控制变量法研究斑点图案和背景颜色对图像相似度的影响规律。研究结果表明:灰度共生矩阵包含图像的亮度(颜色)信息和分布(纹理)信息,可以综合评价迷彩图像的相似度;在迷彩设计中当图像中的斑点形状尺寸相同时,改变图像的颜色,图像相似度为0.5左右,当颜色相同,改变图像中的斑点形状尺寸,图像相似度达到0.9以上,说明迷彩伪装中颜色权重高于斑点图案权重,可为变形迷彩设计提供依据和指导。

基于方位角的灰度共生矩阵法提取碳酸盐岩储层裂缝参数与应用

针对裂缝系统复杂多变的难题,利用灰度共生矩阵法对玉东3号构造带鹰山组碳酸盐岩储层提取表征裂缝的4种属性参数,对4种属性参数进行融合处理,融合后获得了表征裂缝的有效属性参数,并与裂缝(洞)发育模式相结合,较精准地圈定了裂缝发育带及裂缝系统的分割特征。应用结果表明,鹰山组裂缝系统发育良好,改善了储层的有效性。鹰山组各亚段裂缝(洞)的发育程度较高,鹰山组3个亚段之间裂缝发育程度存在一定差异,整体上具有东强西弱、沿断隆发育的分布特征。

基于灰度共生矩阵和工业CT扫描的受载含瓦斯煤裂隙动态演化特征

为研究受载含瓦斯煤在三轴压缩作用下的裂隙演化规律,利用受载含瓦斯煤显微工业CT扫描系统,开展了三轴加载条件下受载含瓦斯煤的工业CT扫描测试,获取了受载含瓦斯煤的应力-应变曲线和各变形阶段的CT扫描图形.运用图像分析软件对CT扫描数据进行了三维数字重建,实现了煤样内部裂隙的三维可视化和定量表征,并基于灰度共生矩阵(GLCM)理论分析了受载含瓦斯煤的裂隙动态扩展特征及规律.研究结果表明:瓦斯压力的存在一定程度上弱化了受载含瓦斯煤的力学性质,同时也加速了裂隙的扩展;受载含瓦斯煤二维裂隙先闭合后扩展,峰后快速扩展并形成连通二维裂隙网络;三维裂隙体积和裂隙密度呈现出先减小后增大的变化趋势,总体上可划分为裂隙压密闭合、新裂隙萌生扩展和主裂隙加速扩展贯通3个变化阶段;灰度共生矩阵分析中,对比度先减小后增大,能量和同质性先增大后减小,相关性呈现出单调递减趋势,准确描述了受载含瓦斯煤内部裂隙随应力增加不断变化的总体发展规律.

基于灰度共生矩阵算法的新型散包检测

目的解决传统亮度、色彩等检测方法不能有效检测出烟包(尤其背景为白色的烟包)有无油封包裹的问题。方法在传统检测方法的基础上,增加基于灰度共生矩阵算法的检测方法进行散包检测,通过对新型散包检测硬件架构设计、硬件隔离设计、相机优化、数学建模、灰度共生矩阵特征值提取、最优解等处理,采用基于灰度共生矩阵算法的新型散包检测方法能实现烟包散包检测精度的提升,有效检测出烟包(尤其浅色烟包)有无油封包裹的情况,降低无油封包裹烟包流入下道工序的风险。结果基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,散包烟包的检出剔除率≥99.9%。结论基于灰度共生矩阵算法的新型散包检测方法能有效提升烟包的散包检测精度,尤其对浅色烟包有无油封包裹情况效果提升明显。

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(partial discharge,PD)信号中包含的特征信息,提高变压器内部局部放电类型的识别率,提出了一种基于小波变换(wavelet transform,WT)和灰度-梯度共生矩阵(gray-gradient co-occurrence matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点,设计四种局部放电缺陷类型,在实验室搭建变压器局部放电实验检测平台,通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图;然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量;将特征向量输入到支持向量机(support vector machine,SVM)分类器进行模式识别。结果表明,小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。

基于振动参数图像融合灰度共生矩阵的电抗器机械状态辨识方法

为更有效地监测电抗器的工作状态,提出一种基于振动参数图像融合灰度共生矩阵的电抗器机械状态辨识方法。首先对电抗器施加不同大小的电压、预紧力以模拟不同工况,在采用工作变形分析的基础上,利用灰度共生矩阵提取不同工况下工作变形分析云图的纹理特征,引入能够定量表征电抗器振动情况的振型相关系数,进而得到电抗器振动参数结合工作变形分析灰度图纹理特征的融合特征矩阵,最后利用支持向量机实现电抗器的状态辨识。通过模拟绕组松动故障试验,将所提方法与单一基于灰度共生矩阵的常规辨识方法进行比较,实验结果表明:所提方法能够有效地提取电抗器振动信号特征参量,且诊断精度相较于常规方法有明显提升,准确率可达93.6%。

基于灰度共生矩阵的基岩滑坡纹理特征提取分析研究

利用纹理特征可以识别滑坡,通过灰度共生矩阵可以很好地获取纹理特征参数,从不同角度对纹理进行刻画。如何合理选取纹理特征参数描述纹理是一个重要的问题。因此,本文采用灰度共生矩阵结合无人机滑坡影像获取纹理特征参数,选取了5个典型的参数(熵、对比度、角二阶矩、逆差矩、相关性)进行分析研究。利用平均梯度、信息熵为指标对五参数进行精度评价。结合东川大白泥和法土村两个典型滑坡为例进行研究,结果表明:东川大白泥滑坡的纹理特征参数中熵、对比度的平均梯度值和信息熵为最高,分别为14.58、6.93和12.24、6.85;相关性的平均梯度和信息熵值为最低,值为6.6、4.8。法土村滑坡的纹理特征参数中熵、对比度的平均梯度和信息熵最高,分别为15.16、7.11和12.24、6.85;相关性的平均梯度值和信息熵值为最低,值为8.5、4.7。经过实地勘察发现东川滑坡面形成大量冲沟和裂缝,纹理结构复杂,信息量丰富;法土村滑坡体与周围地物存在明显差异,纹理基元对比强烈,纹理效果明显。实验结论与实地勘察相符,表明最适合滑坡纹理信息提取的参数是熵、对比度,提取精度高、数值稳定,适合不同类型的滑坡。

基于灰度共生矩阵纹理特征和MLP的二极管字符识别

在二极管质量检测流水线中,因二极管字符太小难以通过肉眼准确识别,从而易造成检测效率和精度不高,甚至出现漏检等问题。设计了一种基于灰度共生矩阵纹理特征和多层感知分类器(MLP,Multi-Layer Perceptron)的二极管字符识别方法。依靠机器视觉技术,通过图像采集、图像增强、图像分割、形态学处理、灰度共生矩阵计算纹理特征参量,采用MLP等识别字符。利用纹理特征参量进行训练分类,以避免基于字符分割的MLP分类法适应性差等问题。实验结果表明,该系统能够代替人工精准识别检测二极管字符,解决了基于字符分割的MLP分类法因噪声影响而无法准确分割、适应性差等问题,从而保证了检测效率和准确度,提高了字符识别的环境适应性。

基于灰度共生矩阵的沥青路面病害雷达图像纹理特征提取研究

随着电磁波探测在道路领域的日益推广,探地雷达逐渐成为道路内部状况诊断的有效手段。通过探地雷达设备获取的道路内部雷达图像经校零、背景去除、滤波等处理后因图像差异性较大目前没有较为统一的解释。为了探究不同参数下的灰度共生矩阵特征对不同病害图像的适用性,本文首先通过正交试验设计对灰度共生矩阵参数进行组合,然后在不同参数下利用灰度共生矩阵算法对原始雷达图像进行特征计算,最后得到不同参数设置下对比度、逆方差、能量、熵值四种特征图像。结果表明:当滑动窗口为11×11、统计方向为45°、灰度级数为8时,层间黏结不良的熵特征更为明显;滑动窗口为5×5、统计为方向90°、灰度级数为128时,裂缝的熵特征更为明显。本文提出的探地雷达图像纹理特征适用性参数设置对图像分割、识别及数据增强等有一定的参考价值。

图像纹理的灰度共生矩阵计算问题的分析

图像的灰度共生矩阵(GLCM)已知被理论证明并且实验显示它在纹理分析中是一个很好的方法,广泛用于将灰度值转化为纹理信息.然而,由于GLCM是像素距离和角度的矩阵函数,因此完整的GLCM的计算,其参数的选取范围很广,这样GLCM的计算量很大,通常是不能这样用的.为了解决这个问题,本文应用马尔可夫链的性质,从理论上证明了GLCM的计算结果,当像素距离足够大的时候趋于一致性.这样只需较少的参数值就可以完整的描述图像的纹理特征.最后,通过对Brodatz纹理库中自然纹理图像和几幅SAR图像进行仿真,仿真结果验证了上述结论.

基于灰度共生矩阵的彩色遥感图像纹理特征提取

纹理在图像检索和分类中起着非常重要的作用。目前已有的纹理特征提取算法大多只能提取灰度图像的纹理特征,用于彩色图像的纹理特征提取算法则很少。参照对灰度共生矩阵(gray level co-occurrence matrix,GLCM)的分析方法,实验和分析了方向、距离、灰度级和窗口大小等参数对彩色图像GLCM纹理特征的影响,实现了基于GLCM的彩色图像纹理特征提取方法(color GLCM,CGLCM);通过分析上述参数对角二阶矩、熵、对比度和相关性等4个纹理特征的影响规律,给出了合理的参数取值范围,优化了CGLCM方法。将CGLCM方法和GLCM方法进行对比的结果表明,用CGLCM方法计算的角二阶矩、熵、对比度和相关性等4个纹理特征的稳健性更好、鉴别能力更强。上述研究结果可为基于纹理信息的图像检索和分类提供参考。

灰度共生矩阵提取纹理特征的实验结果分析

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息,对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响,给出了特征值随参数变化的规律,确立了构造参数的合理取值;然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。

灰度共生矩阵纹理特征的运动目标跟踪方法

在研究纹理特征属性的基础上,提出采用灰度共生矩阵纹理特征进行目标跟踪的方法。基于OpenCV平台,通过对标准测试视频的仿真试验,对灰度共生矩阵纹理特征、局部二进制模式纹理特征和灰度颜色直方图特征在粒子滤波目标跟踪框架中的作用进行了测试与对比分析,灰度共生矩阵纹理特征在相似性颜色的遮拦与抗扰动、处理时间等方面表现出良好的属性特征,相关的试验数据和对比结果表明了这种纹理特征具备优良的跟踪特性,可以增强跟踪系统的整体性能。

肝纤维化图像的灰度共生矩阵分析

采用灰度共生矩阵方法 ,分别提取纤维化肝组织和正常肝组织CT图像的各种纹理特征 ,如能量、熵等进行对比研究。结果 :正常组和异常组之间存在显著性差异。

基于灰度共生矩阵的木材纹理分类方法的研究

为了对木材进行表面纹理分类,首先确定纹理的灰度共生矩阵描述参数、灰度共生矩阵的生成像素间距和灰度级数;求取分析了200个木材样本的纹理参数并输入给竞争神经网络进行分类验证.实验表明:1)以“角二阶矩”、“对比度”、“相关”、“熵”、“方差”、“逆差矩”作为描述木材纹理的特征参数是合适的.2)在比例为1∶1的512×512木材图像情况下,生成灰度共生矩阵的最佳像素间距为4,最佳图像灰度级数为128.3)木材纹理图像灰度共生矩阵的"角二阶矩"、"相关"和"熵"值最大的方向为纹理方向.4)竞争神经网络的分类正确率为88%.研究结论:按上述规则生成的6个灰度共生矩阵参数对描述木材表面纹理特征是有效的,据此对木材表面纹理分类是可行的.

基于灰度共生矩阵的图像纹理特征地物分类应用

针对传统遥感影像分类方法的分类精度不高,在分析图像的光谱信息的基础上,对基于灰度共生矩阵的纹理特征在地物分类中的应用进行了研究。本研究利用原始图像进行主成分分析后的前两个主成分,经过编程运算,提取了基于灰度共生矩阵方法的不同测度的纹理特征,将提取的纹理特征作为新的波段,与原始波段进行组合,再对组合图像进行监督分类,探索了利用纹理特征进行地物分类的可行性,并将分类结果与最大似然法分类结果进行定性和定量比较分析。结果表明,综合了纹理特征和光谱特征的地物分类方法,能够有效地提高地物分类精度,证明了基于纹理特征的遥感影像分类的有效性。

基于改进灰度共生矩阵和粒子群算法的稻飞虱分类

针对稻飞虱远程实时识别采集图像质量不高而无法使用颜色特征的问题,应用灰度共生矩阵提取的纹理特征值对稻飞虱分类进行了研究。采用自行设计的拍摄装置采集稻飞虱图像,经过一系列预处理后得到去掉背景的稻飞虱灰度图像;对灰度图像采用改进的灰度共生矩阵提取纹理特征值,再用反向传播BP(back propagation)神经网络和参数改进粒子群算法优化BP神经网络分别进行训练和测试,以此检验纹理特征值的识别效果和粒子群算法的优化效果。试验用Matlab验证算法,对白背飞虱、灰飞虱和褐飞虱共300个样本进行了训练和测试,结果表明基于参数选择改进粒子群算法优化BP神经网络的识别率总体达到了95%,比直接用BP神经网络的识别率高,而且经过Matlab测试,训练时间只用了0.5683s,说明粒子群算法更满足实时性要求。

织物折皱纹理灰度共生矩阵分析

利用图像处理中灰度共生矩阵分析方法,全面系统地分析了织物折皱图像的纹理特征,并利用所获得的参数对织物起皱程度进行评价。结果表明,由于灰度共生矩阵可以完整全面地描述织物纹理特征,因此,可以有效地评价织物免烫等级。