基于空间约束模糊聚类的活性污泥显微图像分割

针对活性污泥相差显微图像中絮体和丝状菌分布不均衡、絮体结构多样、存在大量细小丝状菌、图像对比度低,以及光晕、阴影等现象,提出了一种基于多尺度Retinex和空间约束模糊聚类的丝状菌分割算法和基于阈值、形态学操作的絮体分割算法。丝状菌分割算法对原始图像进行多尺度Retinex增强改善不同样本的光源强度,顶帽、底帽滤波增强絮体和丝状菌的对比度,采用边缘检测方法去除图像背景,考虑显微图像相邻像素空间的邻域信息采用空间约束模糊聚类法对增强后的图像进行聚类,结合像素面积和回旋半径形态学特性参数确定丝状菌目标和去除碎片;絮体分割算法利用灰度变换、图像反转以及开操作对絮体进行预处理,克服图像中的光晕和阴影,用阈值分割算法分割絮体,利用形态学操作对其进行后处理。实验结果表明,所提算法在图像分割准确率、精确率、Dice等指标上有明显提升。

基于约束模糊聚类的抗电力雷电波干扰信号检测

提出了一种基于约束模糊聚类的抗电力雷电波干扰信号检测方法。利用信号采集设备采集信号,并对信号进行傅里叶变换处理,为信号检测提供准确的数据基础。利用约束模糊聚类方法,对抗电力雷电波干扰信号进行检测。实验结果表明,这种算法能够有效提高检测的准确性,取得了令人满意的效果。

一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法

针对高分辨率遥感影像中传统超像素分割方法存在过分割和边缘分割一致性的问题,选取五景高分辨率遥感影像,提出了一种融合光谱差异的空间约束模糊聚类的熵率超像素分割方法。首先,采用熵率超像素进行过分割,生成超像素过分割区域;然后,分析影像地物的空间信息,对比区域相似性;最后,采用空间约束模糊聚类和光谱差异进行区域合并,获取最终分割影像。定性和定量分析结果表明,该方法改善了过分割问题,能有效提高分割精度,使得分割影像的地物边缘一致性较优。

基于约束模糊聚类的电力系统扰动信号识别方法

传统电力系统扰动信号识别方法只能解决单一扰动问题,无法对多个扰动信号进行高效率识别,为避免传统方法的弊端,提出了基于约束模糊聚类的扰动信号识别方法。计算拟合信号包络平均值,获取拟合信号和包络平均值之差,将差值作为新的拟合信号,获取最小特征尺度分量,不断进行模态分解,可将信号分解成若干个不同特征尺度函数。经过模态分解的信号满足路由信息协议标准,以新的稀疏向量为基础,对混叠的扰动信号进行特征提取。采用傅里叶变换描述扰动信号基本变化情况,计算电力系统中扰动信号的n阶导数,由此获取传输过程中的变换参数,得到采集点空间位置坐标系,依据该坐标系选择最优窗口标准,使用约束模糊聚类方法,将扰动信号全部聚类到中心位置。通过建立权值系数矩阵,设置迭代次数,并进行误差补偿,获取新的聚类中心,对抗噪声扰动信号进行有效识别。由实验结果可知,该方法最高识别精准度可达到98%,为电力系统正常运行提供支持。

基于色彩空间转换及模糊约束聚类的地形图自动分色

针对彩色地形图的自动分色问题,提出了一种新的模糊聚类算法。该方法首先对地图的色彩空间进行转换,使其直方图的峰谷特性更加明显,然后对模糊C 均值(FCM)聚类算法进行模糊约束,并把此算法扩展到2维空间,从而较好地解决了地图的自动分色问题。此算法已编程实现,效果比较理想。

大型炼钢炉炉温异常检测方法研究

在炼钢炉内高温高压环境下,异常温度信号往往瞬间形成,在炉内气浪、异常压力鼓动等外部干扰下,温度异常信号会迅速发生非正常衰减,甚至与其它异常信号发生混淆,造成温度测量不准。传统的炉内温度异常检测方法在信号发生不可控衰减或混淆的情况下,信号分离和识别的过程存在较大困难,在外部干扰下,对温度信号的单独识别、提取效果不佳,温度检测存在较大弊端。提出一种采用约束模糊聚类算法的大型炼钢炉炉温异常信号检测方法。根据傅里叶变换方法对信号采集设备采集到的信号进行隔离处理,克服由于信号混淆带来的困难。根据约束模糊聚类算法,对隔离后的信号进行聚类,使其成为有效的识别特征,完成了异常温度的检测。实验结果表明,利用改进算法进行大型炼钢炉炉温异常检测,能够极大提高异常温度信号检测的准确率。