基于天空区域分割与置信度图导向融合的去雾方法研究

基于暗通道先验的去雾算法总是存在复原结果中天空区域处理不佳等问题,为了进一步优化对传输函数的估计,本文提出一种基于置信度图导向融合的传输函数优化方法。首先,将雾天图像的天空区域分离出来,以达到对天空区域的优化;计算窗口级暗通道与像素级暗通道,以平滑传输函数在物体边缘并保留小于窗口尺寸的细节特征;最后,计算窗口级暗通道与像素级暗通道之间的置信度图,以其为导向对两者进行融合得到优化的传输函数图,实现图像去雾。实验结果表明,本文算法可达到很好的复原结果优化效果。

基于集群智能的智能电能表异常检测技术研究

提出了一种基于集群智能的智能电能表异常检测方法,旨在提升检测准确性和效率。通过模拟自然界群体行为,该方法利用自组织、分布式协作的集群智能优势,应对智能电能表运行中的异常现象。构建了随机种群形成策略,采用矢量距离、置信度和基于Kullback-Leibler散度的3种算法进行异常识别。实验基于NYISO数据集,结果显示,集群智能算法能有效识别异常,其中,置信度导向方法在检测效果上表现突出,而基于Kullback-Leibler散度的方法收敛速度最快。本研究为智能电网的稳定运行和异常管理提供了新的技术路径。