基于自适应遗传算法的红外子热像图模糊增强方法

为了提高红外子热像图的边缘强度、信息熵和清晰度等,使图像视觉效果有所提高,研究了一种基于自适应遗传算法的红外子热像图模糊增强方法。对含有噪声的红外子热像图展开小波变换,分别获取高、低频小波系数,低频部分的小波系数不进行任何处理,高频部分的小波系数引入最小二乘对其进行总体估计,同时逆变换处理估计后的小波系数,完成红外子热像图去噪处理。通过模糊增强算法增强处理红外子热像图,同时引入自适应遗传算法优化处理模糊参数,实现红外子热像图模糊增强。实验结果表明,本文所提方法的图像更加清晰,且对比度也明显得到改善,其平均对比度值为0.075,平均边缘强度值为67.14,平均信息熵值为8.59,平均清晰度值为13.73,充分说明该方法获取的红外子热像图模糊增强效果更加理想,能够有效提升视觉效果。

混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究

稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。

基于图像自适应增强与特征融合的目标检测方法

SSD常用于小目标检测,但其环境适应能力差和小目标检测性能存在不足,针对此问题,文中提出了一种图像自适应增强、引入注意力机制的特征融合方法,对SSD算法进行改进。在预处理部分的图像增强算法中引入超参数,使预处理模块随网络训练不断优化待检测图像的亮度、对比度和边缘清晰度,将图片朝着有利于检测的方向进行自适应增强,提高算法对于不同环境的适应能力;将特征提取网络替换为残差网络,使网络能获取更深层的特征;最后,引入带有注意力机制的特征融合模块,将多个尺度不同的特征图统一分辨率后融合,并通过注意力机制获取通道间权重,突出特征中的重要信息,使浅层细节特征与深层语义信息能够更有效地结合。改进后的SSD算法,在中小目标数据集上的平均精度均值达97.62%,显著优于SSD、YOLO等经典的目标检测算法。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

改进飞鼠搜索算法的自适应图像增强

为了实现灰度图像增强最佳参数的自动寻优,提出一种改进飞鼠搜索算法的自适应图像增强方法.在普通树上的飞鼠位置更新中引入双向搜索策略,提高获得最好解的可能性;利用螺旋觅食策略更新位于橡子树上的飞鼠位置,提升算法的收敛速度和搜索精度.在CEC 2017测试集上,将所提算法BCSSA与蝙蝠算法、鲸鱼优化算法、基本的SSA和2种改进的SSA进行对比分析,结果表明, BCSSA具有更高的稳定性和更快的收敛速度.最后,将所提出的BCSSA应用于灰度图像增强,与经典的直方图均衡化方法和SSA进行了4种评价指标的性能比较,证明了BCSSA的优越性.

一种改进的广义旁瓣对消阵列语音增强算法

传统广义旁瓣对消(generalized sidelobe cancellation,GSC)算法在复杂声学环境下性能较差,语音增强效果不理想,需要加强其去噪能力以提高输出语音质量。对此,提出一种改进型广义旁瓣对消算法。构建基于频域GSC和时域GSC两级滤波的系统结构,利用一个选择滤波器输出两级滤波中质量较好的语音;并将GSC上支路权值修改为可自适应调节的形式,提高算法的适应性;GSC权值迭代时采用一种变步长自适应算法,步长因子根据信号信干噪比实时调整,防止滤波器权值发散。实验结果表明,相比于传统GSC算法,新算法在SINR、PESQ、STOI和SDR等指标上都有提升。

自适应阈值AdaBoost.RT算法及其在轴承剩余寿命预测中的应用

针对自适应增强回归阈值(adaptive boosting regression threshold,AdaBoost.RT)算法用于判断训练样本好坏的阈值为常数,不能自适应地对每个测试样本动态调整判断标准的问题,提出了一种动态自适应调整阈值的改进AdaBoost.RT算法。通过引入训练结果的均值与标准差构造奇异系数作为判断相对误差的阈值,实现算法训练计算过程中阈值的自适应调整,在提高预测精度的同时,可以减少选择算法参数带来的繁重工作量。采用4组经典测试函数构造不同规模的训练样本数据进行算法检验,实验结果表明,提出的自适应调整阈值算法可以有效利用测试样本之间的差异性,克服了大噪声数据带来的干扰,改进后的集成算法可以改善回归模型的预测效果,提高模型的泛化性能。利用IEEE PHM 2012数据集验证所提方法的有效性,并与极限学习机(extreme learning machine,ELM)和原始AdaBoost.RT算法进行对比分析。结果表明:采用所提方法获得的轴承寿命预测均方根误差降低了5.18%,决定系数提高了3.11%。

基于乌鸦搜索算法和自适应BM3D的NSST域电气设备红外图像增强

为了解决红外图像对比度低、模糊、含噪声等问题,本文提出基于信息熵准则乌鸦搜索算法和三维块匹配(block matching 3D,BM3D)自适应去噪的电气设备非下采样剪切波变换(non-subsampled shearlet transform,NSST)红外图像增强方法。通过NSST变换将图像分解为不同频率的2个部分。低频图像主要为设备特征,高频子带主要为噪声。针对低频图像中的背景干扰问题,提出乌鸦搜索算法进行分割得到设备前景和环境后景,前者经灰度扩增得到前景增强图,后者经直方图均衡得到后景增强图。针对高频子带中的噪声干扰问题,提出BM3D自适应去噪算法用于去噪。通过实验可知,基于乌鸦搜索算法和自适应BM3D的图像增强算法针对图像分割细节处理、多余杂音的过滤以及对比度的提高均有显著效果。

基于代价敏感思想和自适应增强集成的SVM多分类算法

针对数据识别分类在传统的支持向量机(SVM)个体分类器上正确识别率不理想的问题,提出一种基于代价敏感思想(cost-sensitive)和自适应增强(AdaBoost)的SVM集成数据分类算法(CAB-SVM)。在自适应增强算法每次迭代训练SVM弱分类器之前,根据样本总数设置初始样本权值,并抽取样本组成临时训练集训练SVM弱分类器。其中在权重迭代更新阶段,赋予被分错样本更高的误分代价,使得被分错样本权重增加更快,有效地减少了算法迭代次数。同时,算法迭代过程极大地优化了个体分类器的识别鲁棒性能,使得提出的CAB-SVM算法获得了更优越的数据分类性能。利用UCI数据样本集的实验结果表明CAB-SVM分类算法的正确识别率高于SVM和SVME算法。

人工鱼群与粒子群混合图像自适应增强算法

图像处理和分析的智能化和自动化一直是图像处理学科研究热点之一,也是一个亟待解决的关键问题;一般的智能优化算法由于算法较为单一,寻优效果不尽完善,会出现局部搜索不精确、易发生过早收敛等问题;考虑将人工鱼群与粒子群算法混合对图像非线性增强参数进行寻优能很好地避免此类缺陷;实验表明,该算法具有较高的自适应性,即避免了陷入局部极小,加快了收敛速度,且图像灰度覆盖范围广、增强质量评价明显提高。

自适应局部增强微分进化改进算法

在分析微分进化算法基本原理基础上,为加快算法收敛速度,对其交叉概率和交叉因子进行自适应调整改进;为增强算法局部搜索能力,引入局部增强算子和扰动因子改进算法,即自适应局部增强微分进化算法。选取5个典型测试函数,将改进后算法与PSO算法、微分进化算法和局部增强微分进化算法仿真比较。仿真结果表明:自适应局部增强微分进化算法为收敛时间最短、迭代次数最少的优化算法,验证了算法改进的有效性。

一种基于新型遗传算法的图像自适应增强算法的研究

该文提出了一种新的遗传算法 ,该方法不仅能加快普通遗传算法的收敛速度 ,而且能有效地保证种群的多样性 .然后 ,该文将这种新算法应用于灰度图像的自适应增强 。

图像增强的自适应免疫算法

介绍了自适应免疫算法的基本原理及实现步骤 ,并将其应用到图像的增强处理中 .在传统的图像增强处理中 ,针对图像灰度分布的不同情况 ,需要定义相应的灰度变换函数 .Tubbs将图像增强处理中几种常用的非线性变换函数表示成一个归一化的非完全Beta函数 ,但确定Beta函数参数仍是一个复杂的问题 .本文利用自适应免疫算法来确定该变换函数的最佳参数值 .

基于多样性增强的自适应遗传算法的开放式车间调度优化

针对开放式车间调度问题,提出了基于多样性增强的自适应遗传算法进行优化求解。设计了多样性判定增强算子、自适应交叉变异算子、多元竞争选择算子等五个算子,以提高遗传算法的进化效率和进化质量;通过分析算法各算子的时间复杂度,发现所提算子并未增加算法复杂度;采用正交试验确定了各算子的最优参数;设计了三组实验,分析了所提算子对算法的影响,结果表明多样性增强算子提高了求解质量,自适应交叉变异算子加快了收敛速度;基于60个标准算例,通过与已有5种算法比较,验证了所提算法的有效性和稳定性。采用100个算例,分析了算例规模对调度性能的影响规律。

自适应的模糊增强算法及其在工程扫描图中的应用

由于噪声等原因 ,工程图在输入计算机时会使图象质量下降 ,造成图象中诸如细线、角点等重要的细节信息丢失和破坏。采用模糊理论 ,可以处理模糊信息的模糊增强算法能够有效地消除噪声和保护细节特征 ,使图象质量得到改善。但是图象转折点xc 的合理选择是保证模糊增强效果的关键。因此 ,提出一种自适应模糊增强算法能够根据不同的图象自动选择最佳的转折点。实验证明 。

自适应跟踪算法在增强现实中的应用

介绍在增强现实应用中的一种改进跟踪算法——自适应跟踪算法。该算法根据平板图案的运动状态自动调整检测窗口参数,从而实现各种条件下对平板图案的较为稳定的跟踪。实验结果证明,在平板图案发生快速运动以及目标图案较小或者平板与摄像机平面偏角较大的情况下,该算法能在一定程度上保证跟踪的准确度和健壮性。

野生动物监测光照自适应Retinex图像增强算法

针对野外白天不同光照对野生动物监测图像质量造成的影响,提出一种基于Retinex理论的光照自适应图像增强方法。该方法首先使用基于复合梯度的引导滤波估计图像照度分量,克服光照突变造成的伪光晕现象;然后提出一种基于Otus阈值的对比度自适应拉伸方法实现照度分量的校正,克服传统算法过度增强的问题;最后采用照度分量单通道图像计算反射分量图像,实现色彩的保真。该文采用50张保护区实地拍摄的野生动物监测图像为样本进行试验,结果表明,该文算法相比于MSRCR算法、双边滤波Retinex算法和引导滤波Retinex算法色调保真度平均提高81.00%、5.24%和3.58%,信息熵平均提高6.76%、6.23%和2.61%,峰值信噪比平均提高53.43%、5.36%和-2.85%,运算耗时减少-29.03%、78.51%和28.68%,证明该文算法可以有效克服传统Retinex理论算法的过增强、伪光晕现象和灰化效应,实现不同光照条件下野生动物监测图像的自适应增强。

听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法

为了在噪声抑制和语音失真中之间寻找最佳平衡,提出了一种听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法,以期提高语音增强的综合性能。算法利用了人耳的听觉掩蔽效应,根据计算得到的频域掩蔽阈自适应调整β阶贝叶斯感知估计语音增强算法中的β值,从而仅将噪声抑制在掩蔽阈之下,保留较多的语音信息,降低语音失真。并分别用客观和主观评价方式,对所提出的算法的性能进行了评估,并与原来基于信噪比的自适应β阶贝叶斯感知估计语音增强算法进行了比较。结果表明,频域掩蔽的β阶贝叶斯感知估计方法的综合客观评价结果在信噪比为-10 dB至5 dB之间时均高于基于信噪比的自适应β阶贝叶斯感知估计语音增强算法。主观评价结果也表明频域掩蔽的β阶贝叶斯感知估计方法能在尽量保留语音信息的同时,较好的抑制背景噪声。

基于二级自适应滤波的水下目标动态谱线增强算法研究

为了从非高斯噪声环境中有效提取水下目标辐射的线谱信号,以提高水下探测系统检测水下目标的能力,提出了基于二级自适应滤波的水下目标动态谱线增强算法,该算法用基于高阶累积量能量幂函数变步长极性迭代的自适应谱线增强器作为第一级,用传统的自适应谱线增强器(ALE)作为第二级,实行串级联接。用输入信号的峭度定义了峭度信噪比,并用此分析了该算法的性能。用水下某目标辐射线谱的实测数据,对该算法的性能进行了仿真研究。结果表明:当环境噪声为瑞利噪声或混合噪声(包含均匀分布、瑞利分布和拉普拉斯分布的噪声成分)时,该算法与ALE算法相比,有良好的抑制抑高斯噪声或非高斯噪声、提高信噪比和跟踪时变信号的性能。

基于微分麦克风阵列的自适应语音增强算法研究及DSP实现

自适应滤波是语音增强算法中的常用技术,而算法复杂度与收敛速度是设计各种自适应算法需要首要考虑的问题.本文提出一种用于片上的语音增强自适应滤波新算法.该算法分两步实现,首先,利用一阶微分麦克风阵列,获得噪声的实时估计;其次,对传统的仿射投影算法(Affine projection algorithm,APA)加以改进,得到计算误差向量的快速算法,并根据估计误差动态调整搜索步长以及仿射投影维数,对带噪语音进行自适应滤波消噪.在TMS320VC5509 DSP芯片上实现该算法.实验表明,算法的自适应滤波过程具有接近递推最小二乘算法(Recursive least squares,RLS)的快速收敛速度,以及类似最小均方误差算法(Least mean squares,LMS)的低算法复杂度.