基于生成对抗网络的手写数字重叠图像分离与识别

为解决手写数字重叠给识别带来的障碍,探索识别重叠手写数字的高效方法,本文提出一种采用生成对抗网络分离重叠手写数字的方法,将重叠手写数字分离成2个单独的数字后再进行识别。分别使用卷积层和反卷积层构建判别器和生成器,充分提取数字特征,减少模型参数量;融入自注意力机制,快速有效提取数字显著区域特征;对生成器和判别器进行谱归一,约束网络梯度;改进模型损失函数,提高生成器分离数字的质量。在通过MNIST数据集构造的数据上进行试验,结果表明:本文提出的方法对重叠手写数字的识别准确率达95.91%;峰值信噪比和结构相似性指数分别为22.11和0.8961,相比CapsNet网络模型有了显著提升。

单孔排气气泡特征识别与参数提取方法

气液两相流广泛应用于多种工业领域当中,测量气泡特征参数并进行统计分析可以探究气泡的运动及生长规律,这对相关物理规律和过程控制研究具有重要意义。然而气泡在运动中会发生融合、破碎等现象,导致图像中气泡的重叠粘连,以及拍摄背景的不均匀性均会对气泡特征数据提取造成较大误差。本文采用高速摄像技术获得了不同液体流速与通气量下的气泡图像,通过对距离变换图像的极值点进行抑制与融合,改进了分水岭算法的前景标记提取方法,实现了气泡的准确分割,进而对分割气泡进行最小二乘椭圆拟合重构,获取了气泡参数。对比分析发现,相较于腐蚀运算和阈值分割提取标记的方法,本文方法准确率分别提高了22.7%与13.6%。通过对气泡特征进行统计分析,发现随着通气量的增加,气泡数量略微增多而平均尺寸显著增大,表明通气量对气泡尺寸有着重要影响。通气量相同,随着来流速度的增加,气泡破碎,气泡的数量增加且平均尺寸减小。

识别X射线能谱重叠峰的一种方法

本文提出了一种利用EDAX PV9900能谱仪半定量分析(SUPQ)中的峰背拟合(INTE)功能来正确识别X射线能谱重叠峰的可行方法,并以Ag-SnO_2-In_2O_3合金材料为试样给出了几则应用实例和相应的实验结果。初步研究表明,该方法结合定性分析(EDAX)中的谱线识别(ID)功能可正确识别两峰能量差△E仅为20-50eV,甚至△E～10eV,谱峰强度约为两倍背底标准差的重叠峰。

对称零面积变换结合L-M拟合自动识别重叠光谱峰

Raman光谱分析中,由于仪器光谱分辨率的限制和复杂的目标成分,经常存在着谱峰重叠现象。容易导致谱峰参数提取乃至样品成分分析错误,更为现场光谱的自动分析处理增加了难度。重叠光谱峰的识别已成为现场光谱学处理的难点,针对这个问题,建立了一套自动识别重叠谱峰的方法:以多个高斯峰的组合作为重叠光谱解析模型,首先以对称零面积变换寻峰方法确定高斯峰的个数和初步的峰位、峰高、宽度参数,并以Levenberg-Marquardt方法对获得的初始高斯峰参数进行拟合优化,最终获得各个独立谱峰的拟合参数。对该方法进行了测试,其中以仿真数据进行的算法实验证明,对称零面积变换寻峰获得的初始参数与真实值较为接近,在此基础上进行的参数优化收敛速度快,对峰参数的提取可获得较高的准确度;以具有不同信噪比的实测Raman光谱数据进行的算法实验证明,该方法可以适用于信噪比在较大范围变化的信号,但对信噪比过低的实测信号则容易产生虚假峰和漏峰。研究证明,以对称零面积变换寻峰结合L-M拟合自动识别重叠光谱峰的方法具有一定的实用价值。

因子分析在X射线荧光光谱重叠谱峰识别中的应用

用渐进因子分析 (EFA)方法处理合金样品的X射线荧光扫描谱数据 ,按照数学原理选取扫描步长 ,根据XRF特性选择合适的训练集建立数学模型 ,可以准确判断谱峰重叠 ,该方法在合理取点和组分含量相当的情况下有良好的识别能力。

煤粉显微图像中重叠颗粒识别的方法

提出一种显微煤粉图像中近圆形重叠颗粒识别的新方法.首先通过Canny算法获得图像的轮廓,再通过建立卷积检测对的方法寻找圆弧的交点,最后将圆弧归类并确定单个圆.将新方法应用在真实的煤粉显微图像中,识别出了煤粉的单个颗粒,并得到了颗粒大小和颗粒分布等煤粉的重要参数.

深度EM胶囊网络全重叠手写数字识别与分离

基于胶囊网络的向量神经元思想和期望最大算法(Expectation-maximization,EM),设计了一种以EM为向量聚类算法的深度胶囊网络(Deep capsule network,DCN),实现了重叠手写数字的识别与分离.该网络由两部分组成,第1部分是“识别网络”,将EM算法改为EM向量聚类算法,以替换原胶囊网络CapsNet中的迭代路由部分,这一改动优化了网络的运算过程,实现了重叠数字识别.第2部分是“重构网络”,由结构完全相同的两个并行网络组成,对双向量进行并行重构,实现了重叠数字的分离.实验结果显示,对于100%全重叠手写数字图片本网络识别率达到了96%,对比CapsNet在80%的重叠率下95%的识别率,本文网络在难度提升的情况下,识别率有明显提高,能够将完全重叠的两张手写数字进行图片进行准确地分离.

基于主成分修整和线性判别分析的重叠故障识别

针对在二维空间中,由变量均值偏移量较小但协方差不变所导致地故障类重叠,并因此降低故障识别率的问题,提出一种基于主成分分析(PCA)修整和线性判别分析(LDA)的新方法(PLDA).该方法通过减弱不同故障类的重叠主成分对分类的影响,达到提升LDA故障识别率的目的.对24种具有代表性故障组合的模拟样本运用10次10倍交叉验证,试验结果表明PLDA算法的平均故障识别率为94.6%,远高于传统的核化LDA算法和LDA算法的60.0%和61.9%.

一种识别重叠噪声的交通量检测算法

在传统的交通量检测中,短时能量法和短时平均幅度法存在无法识别重叠行车噪声段的问题,而提取与重叠信号相关的频谱视图(spectrum view,SV)作为重叠行车噪声段的特征有助于解决以上问题。针对以上问题进行研究,提出了一种基于SV特征的交通量检测算法。该算法首先对含有重叠行车噪声段的交通噪声进行滤波降噪;然后将交通噪声通过快速傅里叶变换(fast Fourier transform,FFT)以提取其SV特征,并对SV特征进行平滑处理;最后基于SV特征并以双门限判决原理为依托,对交通噪声进行端点检测并分离出重叠的行车噪声段。基于单车道、少流量路段的交通噪声数据集的实验表明,与传统方法相比,本文算法准确率提高了20%,从而验证了该算法的有效性。

梯度与视觉显著度下的图像灰度重叠区域识别

采用目前方法识别图像中存在的灰度重叠区域时,没有构建图像的显著性图,存在识别精度低、查全率低和识别效率低的问题。提出梯度与视觉显著度下的图像灰度重叠区域识别方法,根据Gestalt前背景分离原则对图像中存在的梯度通道和颜色通道进行随机阈值化处理,获得对应的二进制布尔图,采用线性平均融合方法融合利用上述获取的二进制布尔图生成视觉注意图。通过分块区域分割技术识别显著性图中存在的空间位置信息,为图像灰度重叠区域的识别提供点云数据,在云计算模式中结合局部空间降噪方法消除噪声,定位去噪处理后显著性图空置区域中存在的特征点,提取灰度重叠区域的动态特征,建立对应的灰度直方图,最后利用云检测技术识别图像中存在的灰度重叠区域。仿真结果表明,所提方法的识别精度高、查全率高、识别效率高。

正确识别射线能谱重叠峰的一种方法

本文提出了一种用EDAX PV9900能谱仪半定量分析(SUPQ)中的峰背拟合(INTE)功能来正确识别X射线能谱重叠峰的新方法。文章重点总介绍了该方法的基本原理和应用实例分析,给出了相应的实验结果。

大规模复杂网络下重叠社区的识别

随着网络规模的不断扩大,经典的复杂网络重叠社识别算法已不能高效处理现有的大规模网络图数据.本文在GraphLab并行计算模型上提出了基于重要节点扩展的重叠社区识别算法DOCVN(Detecting the Overlapping Community algorithm based on Vital Node Expanding in GraphLab).算法选取网络中PageRank值大的节点作为重要节点,计算其他节点归属于重要节点的节点归属度,并以重要节点为中心形成核心社区及扩展社区,最后根据重要节点间的连接紧密度合并核心社区及扩展社区,并计算出每个节点在所属社区里的节点重要度,实现了大规模网络的重叠社区识别.实验表明该算法与PD(Propinquity Dynamics)等现有并行算法相比更能有效地识别大规模网络的重叠社区结构.

基于图像分块及重构的菠菜重叠叶片与杂草识别

针对重叠叶片在识别过程中存在识别率低、形状特征失效等问题,该研究提出一种基于图像分块及重构的方法,实现菠菜重叠叶片杂草识别。采用超绿模型将菠菜RGB图像进行灰度化得到绿色植被前景图像。针对重叠叶片形状特征失效问题,采用图像分块方式得到不同大小的图像块,并提取图像块中作物和杂草的颜色特征、局部二值模式(local binary pattern,LBP)纹理特征、分形盒维数共78维特征,构造支持向量机(support vector machine,SVM)分类器完成图像块的分类识别。该研究提出图像块边缘扩充和投票窗口机制得到重构图实现图像块分类结果可视化。试验结果表明,该研究提出的方法平均识别率达到83.78%,高于K最近邻法(K-Nearest neighbor,KNN)、决策树法等,可以实现重叠叶片的杂草识别,从而为智能除草机的研制提供理论依据。

边缘曲率法用于重叠苹果识别的研究

苹果采摘机器人视觉系统的关键问题是果实目标的准确识别和精准定位。在非结构化果园环境下,存在很多影响成熟果实识别正确性的因素,果实的相互重叠就是其中最主要的因素。为实现苹果目标的识别及空间定位,本文提出了一种基于边缘曲率分析的重叠苹果识别方法。该方法首先从二值图像中提取苹果区域的边缘,计算边缘上每个点的曲率,除去曲率异常的边缘点。同时将整个边界划分为若干段,并根据三个准则进行筛选,保留有效段。最后,对每个剩余边界执行圆拟合和回归,以实现重叠苹果的识别。实验结果表明,该方法能有效地从重叠苹果中分离和识别单个果实,总准确率达87%以上。

基于边标签传播的复杂网络社区识别方法

针对传统基于标签传播的复杂网络重叠社区识别算法难以准确识别重叠节点的缺陷,本文通过分析边与其邻居边的关系,提出用来评估边归属社区的归属密度函数及归属倾向性函数,并在此基础上设计一种基于边标签传播的重叠社区识别方法(OLLP).该方法首先以每条边连接2个节点中度高的节点标签作为该边的标签;然后通过分析边的归属密度与归属倾向性迭代更新边标签,最终标签相同的边属于同一社区.在基准网络与真实网络数据集上进行测试,并与多个具有代表性的算法进行比较,实验结果表明了OLLP算法的有效性和可行性.

基于结构稳定性校准的在线式社区识别

本文探讨在线社会网络的社区识别问题,重点研究网络演变特性对社区结构产生的影响.首先基于节点的邻域倾向性提出社区稳定性的概念并给出稳定社区的快速识别算法,然后设计了一种基于事件的社区稳定性校准算法以此识别新网络的社区结构.由于算法的局部搜索策略,该方法无需在新时间片段重复执行,并且可以在无参数条件下识别加权网络中具有任意形状的社区结构.在人工合成网络和真实网络上的实验结果验证了算法的可行性和有效性.

1910年12月13日东非坦噶尼喀湖大地震宏观参数的重新评估

1910年12月13日MS7.3东非坦噶尼喀湖大地震是非洲自1880年有地震史以来第一大震。由于该地震发生年代久远、资料稀少,在众多有关东非裂谷的文献中很少被提及。本文根据珍藏在北京中国国家图书馆的一册由德国Huys大主教著述的有关1910年12月13日东非坦噶尼喀湖大地震的德文古籍,经分析研究使用了历史地震"相对烈度"评定法,排除了前震和主震两小时后强余震的破坏重叠效应,首次评估出MS7.3主震的宏观地震参数。结果显示:该地震的宏观震中位于坦噶尼喀湖中部(7°S,30°E),极震区的地震烈度为Ⅷ度,Ⅷ—Ⅵ度等震线的长轴方向为NE-SW。本文结果填补了非洲历史大地震宏观数据库的某些空白,可为几经修订、几经改变的微观地震基本参数提供参考,为微观震源机制候选节面的取舍提供约束。东非坦噶尼喀湖大地震宏观地震参数的评定对有关东非裂谷带西支正处于发育阶段的科学论证补充了新的资料,为坦桑尼亚地震区开展经济建设所必须研究的地震危险性评估提供了重要数据。