Hausdorff距离算法对变压器励磁涌流和故障差流的识别

在电力系统中,受多种因素的影响,电压和电流波形可能出现异常变化,造成电力设备损坏,严重影响电力系统的安全稳定运行。因此,引入Hausdorff距离算法,可以更加准确地识别变压器励磁涌流和故障差流,从而大大提升系统的可靠性,同时为相关领域提供了一个全新的研究思路和方向。

基于Hausdorff距离算法的变压器差动保护新判据

对变压器励磁涌流和故障电流波形整体形态的特征进行分析,利用两者之间相似度差异,结合Hausdorff距离算法在图形相似度方面的优势,构造基于Hausdorff距离算法的变压器差动保护新判据,该判据采用归一化后的差流序列和标准正弦波序列之间的Hausdorff距离值进行判别,以区分变压器的励磁涌流（包括对称性涌流）和故障差流（包括故障电流叠加励磁涌流）。通过仿真试验验证所提新判据的有效性、快速性和抗干扰性。

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与光学图像匹配算法。在这种算法中,首先针对SAR图像低信噪比(SNR)与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上,根据Hausdorff距离具有强抗干扰能力和容错能力的特点,采用了改进的Hausdorff距离作为相似性测度。在搜索策略上,根据遗传算法的固有的并行性,采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快。

基于幅值特征和Hausdorff距离的配电网故障定位方法

为了消除单相接地故障下配电网区段定位受系统中性点接地方式、不同过渡电阻以及线性相关法定位盲区等因素对定位准确性的影响,提出一种幅值特征下基于Hausdorff距离算法的故障区段定位方法。首先,分析了零序电流暂态分量故障特征,明确健全区段、故障区段两端零序电流暂态分量幅值特征的关系。其次,引入Hausdorff距离算法,测算馈线区段两端零序电流暂态分量幅值特征匹配度,进一步通过与设定阈值的比较,可以有效区分出故障区段。仿真验证结果表明,所提方法无定位盲区,在不同系统接地方式、不同接地过渡电阻下均能够准确定位故障区段。

基于Hausdorff距离和遗传算法的物体匹配方法

在模式识别与机器视觉中，常常需要进行图像中的物体检测。本文将Ｈａｕｓｄｏｒｆｆ距离作为物体轮廓的相似性的测度，并用遗传算法进行最佳物体匹配的快速搜索方法，实验结果表明，本文的方法能有效地检测出具有平移。

一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

本文提出一种改进的部分Hausdorff距离作为模板和图像中物体轮廓相似性的测度,较大地减少计算量。同时把遗传算法引入图像匹配识别,由于GA的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此GA和改进的Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,以达到模板和图像间的有效匹配。

基于Hausdorff距离改进的ICP算法

为满足三维点云配准的高精度要求,提出一种基于Hausdorff距离改进的ICP算法。利用三维点云拟合曲面的主曲率和点邻域内Hausdorff距离相结合的方法,对点云进行简化,剔除正态分布图中Hausdorff值小的点云,使简化后的关键点充分保留点云的几何特征;采用K-D树加速查找,通过最小二乘迭代进行点云ICP配准。对经典ICP算法和改进ICP算法做对比实验,实验结果表明,改进的ICP算法将配准误差由原来的0.3mm控制在了0.1mm左右,大幅提高了点云配准的精确度。

Hausdorff距离与GA相结合的医学图像配准

针对医学上多模态图像的特点,给出Hausdorff距离和遗传算法(GA)相结合的方法。通过给出适当的适应度函数,寻找出全局的最优解,并得到配准结果。这为医学临床诊断多模态信息融合提供了一种方法。

一种基于Hausdorff距离的景象匹配算法

Hausdorff距离是一种比较点集的最大的最小距离。以边缘信息为特征点,给出了一种基于Hausdorff距离的景象匹配算法,它利用模板来简化计算Hausdorff距离。从仿真结果可以看出:具有较高的匹配精度。

一种基于非线性扩散方程和Hausdorff测度理论的SAR图像与光学图像配准方法

该文提出了一种新的利用非线性扩散方程与Hausdorff测度的合成孔径雷达(SAR)图像与可见光图像的配准算法。在此算法中,首先利用非线性扩散方程的SAR图像分割算法获得SAR图像与光学二值图像中相对应的闭合区域特征,将闭合区域质心坐标重合后,被提取特征可通过Hausdorff测度与遗传算法对图像进行快速粗匹配。在粗配准的基础上最后使用二值图像的相关度来进行精配准。实验结果表明,本文方法鲁棒性好,配准精度高,能自动完成存在较大坐标平移、角度变换、尺度缩放的待配图像的配准。

基于Hausdorff距离和免疫遗传算法在图像匹配的应用研究

部分Hausdorff距离和免疫遗传算法相结合的图像匹配算法包括:定义编码与适应度函数、确定交叉变异算子及免疫操作。部分HD距离作为模板匹配的相似性测度,可有效减少匹配计算量;免疫遗传算法具有较强的鲁棒性和强大的并行搜索能力。两者的结合明显缩短匹配时间,提高匹配的精确度和鲁棒性。仿真结果验证该方法高效稳定。

基于改进Hausdorff距离的图像配准方法

针对多尺度遥感图像灰度差异大的特点,利用特征集形状进行配准,提出了一种改进的Hausdorff距离及相应的图像匹配算法。首先采用基于尺度不变特征转换(scale-invariant feature transform,SIFT)的特征提取方法,提取多尺度图像间的尺度不变特征;然后利用Hausdorff距离作为适应度函数,通过遗传算法(genetic algorithm,GA)寻求图像间的几何变换参数;最后将待配准图像经过几何变换以及重采样与参考图像匹配,实现多尺度遥感图像的配准。实验结果表明,改进的Hausdorff距离算法与传统的Hausdorff相比,具有较高的配准精度和较快的配准速度,且稳定性和抗噪性更高,更适合用于图像配准。

两条代数曲线间Hausdorff距离的计算

Hausdorff距离是计算几何中的重要概念之一,由于Hausdorff距离是一个极大极小距离,所以我们可以根据两个物体之间的Hausdorff距离来测量它们的相似或者不匹配程度.Hausdorff距离在计算机图形学研究、计算机辅助几何设计、模式识别、图像处理、地形辅助导航系统和运动物体视觉分析中得到广泛应用.前人有关Hausdorff距离的工作基本上都是在参数曲线曲面的范围内解决的.由于代数曲线的特殊性,一般很难进行参数化导致代数曲线的Hausdorff距离计算问题一直未得到解决.笔者借助于区间算术和细分算法针对代数曲线之间的Hausdorff距离计算问题提出了一种新的解决方法.

基于Hausdorff度量的高光谱异常目标检测算法

高光谱遥感异常目标检测中,目标和背景光谱信息难以精确地界定,导致目标检测性能下降。针对经典RX检测算法存在虚警概率高、计算量大、过程繁琐等缺点,将Hausdorff度量引入高光谱异常检测,利用改进的Hausdorff距离(MHD)从光谱匹配程度的角度,进行了高光谱异常目标检测,最大程度地将异常目标和背景分离。采用模拟数据和真实高光谱数据进行大量实验,检测性能大幅提升,算法的计算效率提高了60%,证明了本文算法比RX算法、因果RX算法和KRX算法检测效果好,效率高等优势,算法的低复杂度特性为硬件实现提供了良好的算法支持。

基于鲁棒Hausdorff距离和遗传搜索的快速匹配方法

采用SIFT算子提取特征点,减少图像数据量,针对传统Hausdorff距离对噪声、出格点较敏感的问题对其进行改进,并以改进后的鲁棒Hausdorff距离作为匹配测度,利用非遍历而又有效的遗传搜索策略进一步提高了匹配速度。对发生旋转变形和灰度变化的遥感影像进行模拟实验,实验结果证明了该算法的有效性和快速性。

两条参数曲线间的Hausdorff距离的研究

在几何设计中,两个几何体间的Hausdorff距离是一种非常有用的度量方式,但是其计算通常而言相当耗时.本文找到了一种有效快捷的计算二维平面或三维空间中两条参数曲线的Hausdorff距离的新算法,并通过若干例子展示了它的有效性.

基于Hausdorff距离的图形快速匹配

本文提出了一种快速的图形匹配算法。将图形的角点作为匹配特征,利用HU矩中的重心计算方法得到角点的重心作为原点,在此基础上运用金字塔算法缩放角点对重心的距离以适应图形的比例变化。运用Hausdorff距离计算图形间的相似度,实现了一种快速的图形匹配算法。实验中运用零件图形进行匹配,结果证明,本文中提出的匹配算法不仅具有一定的鲁棒性,而且匹配速度快,是一种高效率的匹配算法。

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。

FPGA上基于Hausdorff距离的图像匹配并行算法设计与实现

基于Hausdorff距离的图像匹配算法鲁棒性较好,但计算代价较大,软件实现方案很难满足实时性要求。为了解决这个问题,本文在基于局部Hausdorff距离的图像匹配算法基础上提出了一种鲁棒而实时的FPGA实现方案。为了充分有效利用FPGA的硬件资源,首先对传统串行算法进行并行性分析,提出了一个并行算法;然后以此为基础设计了一种三段式粗粒度流水体系结构,并将其映射到FPGA上进行实现。实验结果表明,该系统在性能上优于其它相关工作,与PC(Pentium42.8GHz)上的软件实现方案相比可以达到接近50倍的加速比。

遗传算法在Sierpinski地毯Hausdorff测度计算中的研究与应用

遗传算法是一种高效的全局优化概率搜索算法,基于分形几何中测度难以计算的问题,本文提出了采用遗传算法来求解Sierpinski地毯近似最优Hausdorff测度的思想,并研究和分析了遗传算法在Sierpinski地毯Hausdorff测度计算中的具体实现。