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。

增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移

目的探讨增强CT灰度共生矩阵预测cN0期甲状腺乳头状癌中央区淋巴结转移的价值。资料与方法回顾性分析2020年1月—2021年12月徐州市中心医院经临床、手术病理确诊的cN0期甲状腺乳头状癌患者55例,根据术后病理结果分为中央区淋巴结转移阳性组34例、阴性组21例,患者术前均行颈部CT双期增强检查。采用Image J软件分别提取动、静脉期肿瘤最大层面灰度共生矩阵参数(能量、对比、相关、逆差矩、熵)并比较两组各参数的差异,使用受试者工作特征曲线评估参数的预测效能。结果两组间动脉期能量、熵及静脉期熵差异有统计学意义(t/Z=-2.140、2.753、2.736,P<0.05),其他参数差异均无统计学意义(P>0.05)。动脉期能量、动脉期熵、静脉期熵、动脉期能量动脉期熵联合预测中央区淋巴结转移的曲线下面积分别为0.672、0.706、0.686、0.734,动脉期能量动脉期熵联合预测效能最佳,敏感度和特异度分别为76.47%、66.67%。结论增强CT灰度共生矩阵有助于术前预测cN0期甲状腺乳头状癌患者中央区淋巴结转移,动脉期参数能量联合熵的预测效能最佳。

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。

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.

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。

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。

基于灰度-梯度共生矩阵模型的最大熵阈值处理算法

阈值法是图像分割的一种重要方法 ,在图像处理与识别中广为应用 .本文提出了基于灰度 -梯度共生矩阵模型和最大熵原理的灰度图像的自动阈值化技术 ,该方法不仅利用了图像的灰度信息 ,而且也利用了图像的梯度信息 .该方法通过计算基于灰度 -梯度共生矩阵的二维熵并使边缘区域的熵最大来选择阈值向量 .

基于灰度-梯度共生矩阵和模糊核聚类的振动图形识别方法

以往复机械振动参数图形为对象,提出了基于灰度-梯度共生矩阵和模糊核聚类的振动图形识别方法。利用灰度-梯度共生矩阵直接提取振动参数图形中的特征信息,将得到的纹理特征参量作为样本输入空间,通过Mercer核把输入样本映射到高斯特征空间后,在高维特征空间中进行聚类,从而实现往复机械故障智能诊断。实验结果表明,该方法可以获得较高的诊断精度,具有一定的可行性和有效性。

灰度共生矩阵的快速实现和优化方法研究

灰度共生矩阵计算具有计算量大、计算延时长等缺点,严重影响计算的实时性。针对此问题在充分分析灰度共生矩阵计算并行性的基础上,提出了快速计算灰度共生矩阵的并行算法和并行体系结构,利用图像中像素之间计算的可并行性,设计多个Processing Elements(PEs)对多个像素进行并行计算,可有效地实现灰度共生矩阵的快速计算。由于嵌入式可重配置硬件平台资源有限,对灰度共生矩阵计算性能进行优化的同时还对资源消耗进行优化。通过对计算延时(latency)和资源消耗(area)的分析,建立新的优化目标函数,实现了性能和资源折衷的优化设计。

应用空间灰度共生矩阵定量分析木材表面纹理特征

引入空间灰度共生矩阵对木材表面纹理进行定量分析 ,在对国内 5 0个树种径弦向纹理计算、分析的基础上得出结论 :像素点对间距d取 3,像素点对角度θ在径向纹理时取 0°,在弦向纹理时取 0°、4 5°和 135°的平均值对于反映木材纹理的特点较适宜。在 11种纹理特征参数的基础上归纳出 4个纹理主成分因子 ;讨论了主成分上木材纹理的分布规律和特点 ,并具体对木材的径、弦向纹理分别进行了分析 ,得出了各自的变化特点 ;提出了纹理综合值的计算方法 ,以及通过纹理综合值判定 2种纹理间相似性的方法。

基于灰度共生矩阵的肝脏CT图纹理特征分析

提出了一种改进的灰度共生矩阵肝脏CT图纹理特征分析方法,即首先确定图像ROI区域,接着构造一个新的能综合反映共生矩阵各角度信息的灰度共生矩阵,然后提取基于该矩阵的纹理特征参数。通过实验验证,上述方法是分析肝脏CT图的一种快速有效的纹理特征分析方法,对其他特定类别图像的纹理特征分析有参考意义。

灰度共生矩阵纹理特征提取的Matlab实现

图像的特征提取是图像的识别和分类、基于内容的图像检索、图像数据挖掘等研究内容的基础性工作,其中图像的纹理特征对描述图像内容具有重要意义,纹理特征提取已成为目前图像领域研究的热点。文中深入研究了基于灰度共生矩阵(GLCM)的纹理特征提取方法,给出了基于Matlab的简便实现代码,分析了共生矩阵各个构造参数对构造共生矩阵的影响。分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵(GLCM)的特定图像的纹理特征提取等都具有重要参考意义。

分形和空间灰度共生矩阵联合评价断口形貌研究

为了全面描述断口形貌特征,采用分形和空间灰度共生矩阵结合的方法,对4个典型断口形貌进行定量分析.结果表明:分形维数与断口的粗糙度和复杂度相关;灰度共生矩阵的每一个二阶统计参数都可以精确地描述断口形貌的某一特征,具有较好的纹理表达能力;将灰度共生矩阵的二阶统计参数和分形维数相结合组成多维特征集可以较完整地描述断口图像的纹理特征.分形和空间灰度共生矩阵的联合评价方法,可望实现断口类型的自动分类识别,同时对处理其它纹理图像具有一定的借鉴作用.