一种对文字图像细化的改进Hilditch算法研究

在分析和研究了现有细化算法的基础上,提出了一种实用有效的细化算法。通过对汉字、字母、数字和不同字体的文字进行测试,表明该细化效果较好,并有一定的实用价值。

中央空调负荷精细化调控双层优化技术研究

针对当前中央空调系统粗放式调节不能准确释放调控潜力的问题,深入分析中央空调各子系统工作原理与调控方式,提出基于双层优化的中央空调负荷精细化调控技术方案。首先,面向实际工程实践需求建立建筑湿热标度模型;然后,建立以舒适度和经济性优化目标函数为主的上层调控模型,采用Shapley值法对温湿设定值的进行分配;接着,建立以各子系统优化组合能耗最低为优化目标函数的下层调控模型,采用蚁群算法对优化目标函数进行求解;之后,通过求解双层模型,制定包括末端风机、冷冻水泵以及冷水机组等组件的精细化调控策略;最后,通过多个算例验证所提中央空调负荷精细化调控技术方案的正确性与有效性。

一种Yolov5颈部细化的小交通标志检测算法

针对现有交通标志检测算法对小尺寸交通标志特征提取不充分、检测精度低、速度慢等问题,文中提出一种Yolov5颈部细化的小交通标志检测算法。首先,为使网络更关注小交通标志的检测,在主干网络中添加一条浅层特征提取分支,获得浅层特征图,并与具有较强语义信息的深层特征图融合,改善浅层特征图的感受野;其次,在Yolov5颈部网络引入GSConv模块,通过深度可分离卷积与普通卷积信息渗透、网络通道减半压缩的方式提高算法的检测性能;最后,利用完备交并比(CIoU)损失函数加快模型收敛,提高检测速度。实验结果表明,改进后的Yolov5网络模型性能有所上升,在TT100K交通标志数据集上平均精度均值mAP可达83.56%,相较于原始Yolov5基本框架mAP提升2.24%,且检测速度FPS可达40.5 f/s,满足实时性要求。

一种基于模板的二阶段ZS细化算法

二值图细化是图像预处理过程中的重要步骤之一,生成的单像素骨架图可以极大消除图像中的冗余信息,提取图像特征,对后期图像处理有重要作用。ZS细化算法迭代次数少、细化速度快,适合处理直线、T型交叉点和拐角等结构,但ZS细化算法中存在细化不完全、二像素宽斜线畸变、轮廓分叉毛刺等问题。针对这些问题,提出一种二阶段改进细化算法。改进算法的一阶段在ZS细化算法基础上增加保留模板和额外删除模板,生成保留部分二像素结构的骨架,二阶段使用删除模板对二像素斜线冗余像素进行删除,生成单像素宽度骨架。实验结果表明,提出的改进算法在保留目标图像拓扑结构的前提下,有效解决了ZS细化算法中存在的问题,提高了细化程度,生成单像素宽度骨架。

用于正弦波频率估计的修正I-Rife算法

对正弦波信号的频率估计是雷达领域常见的问题。当真实频率接近量化频点时,I-Rife算法的频移因子的计算会产生较大误差,为提高频率估计的精度,本文通过分析Rife及I-Rife算法的性能及误差产生的原因,利用频谱细化的方法,提出了一种修正I-Rife算法,即用峰值频点左右各0.5点处的频谱幅值来替代频谱峰值点的幅值和次大值频点处的幅值进行插值计算,对频率偏移值进行更为准确的估计,在计算量与I-Rife算法几乎相同的情况下,有效地提高了频率的估计精度。仿真结果表明,改进后的I-Rife算法整体性能优于I-Rife算法,且估计的均方根误差更接近于克拉美-罗下界。

基于语义分割和融合算法的草坪杂草定位

【目的】探究基于多算法融合的草坪杂草精准定位算法,为草坪杂草的自动识别和清除机器人的除草作业提供技术支撑与理论依据。【方法】提出了一种基于语义分割的多算法融合的草坪定位算法。首先,通过PSPNet网络分割草坪和非草坪轮廓。其次,针对分割出来的非草坪轮廓提取感兴趣的区域,去除非杂草轮廓,保留杂草轮廓。然后,利用Zhang-Suen细化算法提取杂草轮廓骨架线,并获取骨架交叉点数量和坐标位置。最后,利用融合算法依据交叉点数量选择不同的定位策略,实现杂草根部的精准定位。【结果】融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为83.17像素,相比平均质心法减少了14%,相比最小外接圆减少了22%。换算到实际场景之下,融合算法定位的杂草坐标与真实杂草根部中心坐标的均方根误差为12.48 mm,误差在可接受的误差范围内。融合算法提高了杂草根部中心的定位精度,降低了杂草定位的误差。【结论】基于语义分割和融合算法的草坪杂草定位方法提高了杂草根部中心的定位精度,降低了单一方法的定位误差,可以为草坪杂草自动识别和除草作业提供技术支持。

工程图纸输入与自动识别的改进细化算法

系统地介绍了两种典型的细化算法OPTA算法和Hilditch算法的原理和计算机实现，分析了OPTA算法和Hilditch算法的性能与不足，并提出了一种改进的Hilditch细化算法。该算法通过借鉴OPTA算法中的模板方法有效地减小了图像骨架偏移和毛刺的影响，经实验结果观察，改进的算法使图像细化结果得到较大改善。

基于GEE和Sentinel-2影像的杭州城市湿地精细化分类研究

基于Google Earth Engine(GEE)云平台,使用Sentinel-2卫星影像数据,采用随机森林算法面向杭州城市湿地类型进行遥感分类研究.研究结果表明:在进行湿地类型精细化分类时,相比于使用单一特征信息分类,多特征信息的组合可以显著提高分类精度,最优特征组合包括传统光谱特征、红边光谱特征、变换特征、纹理特征和地形特征,其总体精度为81.2%,Kappa系数为0.75;不同特征信息对于不同湿地类型的提取具有重要作用,传统光谱特征对于滩地和养殖池的识别非常有利,而红边光谱特征和变换特征分别对草本沼泽和湖泊的识别更为有效.此外,红边光谱特征和纹理特征的组合有利于运河/水渠的识别.通过特征对比实验可为湿地精细化分类的案例研究提供参考,湿地分类结果可为杭州城市湿地信息的遥感识别提供数据支撑.

基于K-P算法优化的手写汉字细化算法

为解决现有汉字细化算法中的骨架断裂、交叉点畸变等问题,提出一种K-P(Kmeans++-PCA)算法,优化现有的手写汉字细化算法。提出交叉点匹配模板,减少骨架毛刺去除时对非交叉点的遍历,借助主成分分析算法与端点距离对骨架断点进行连接判断,对骨架交叉点畸变进行处理,使用点到边界方向距离算法提取交叉区域后结合Kmeans++聚类对畸变区域进行分析,利用笔画走势信息对骨架进行修复并使用B样插值算法完成骨架重建。将优化后的算法在手写汉字数据集上进行实验,验证了优化后的算法优于优化前的算法。

基于LIBS迭代的工业燃煤锅炉精细化配煤掺烧优化决策技术

配煤掺烧中涉及的燃料种类和成分较多,工业燃煤锅炉的运行效率、氮氧化物产量等受到影响,故提出基于LIBS迭代的工业燃煤锅炉精细化配煤掺烧优化决策技术。分析与阐明配煤掺烧特性,基于LIBS迭代技术,获取配煤元素LIBS光谱数据,利用S-G滤波器去除LIBS光谱噪声数据,应用随机森林方法提取LIBS光谱数据特征,定量检测配煤元素,以氮氧化物产量最小,工业燃煤锅炉效率最大为目标,构造配煤掺烧优化决策函数,制定目标函数求解程序,执行程序即可获得工业燃煤锅炉精细化配煤掺烧优化决策方案。实验数据显示:在不同实验组别背景下,应用提出技术获得的氮氧化物总产量最小值为200 mg·m^(3),工业燃煤锅炉效率最大值为96%,充分证实了提出技术应用性能更优质。

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究,分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点,针对这两种算法的不足,分析其产生的原因,并且在第二种算法的基础上,重新构建了细化模板,提出了一种新的细化算法。经过实验证明,该算法能够很好的满足细化的要求,细化完全彻底,细化以后的指纹骨架在纹线中心线,并保持了纹线原有的拓外结构和细节特征,而且光滑无毛刺,运算速度也很快。

指纹图像细化的综合化算法

指纹图像细化指将指纹脊线削减为单像素宽的线条,它能够有效地提高自动指纹识别系统(AFIS)的性能.根据OPTA算法及其改进算法,结合AFIS对图像细化算法在运算速度和系统资源两方面的要求,提出一种基于快速细化算法并引入OPTA算法优点的改进算法,该算法对指纹二值图像的细化结果满足8连接条件.在FVC指纹数据库上的测试结果表明,文中算法能够获得正确的指纹细化图像,运算速度满足AFIS的要求.

基于CT图像的三维拓扑细化算法及其在心脏CAD中的应用

提出了一种基于形态学的提取物体中轴线的连续三维细化及其后处理算法,通过迭代从物体外层逐层擦除六类简化点,最终得到物体的中轴线。然后对细化曲线进行了剪枝处理,消除了毛刺,为后续分析算法提供更为准确的中轴线。最后应用体模对算法实现的结果进行了验证和评估。该算法已成功应用到心脏CAD血管分析之中。

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征 .对不同形状的图象目标 ,如何快速地获得其非畸变骨架 ,是进行图象目标的形状分析、特征提取、模式识别等应用的前提 .基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一 .它采用具有一定形状的预定义结构元素 ,对图象进行形态薄化运算 ,仅需进行移位和逻辑运算就能完成 .但是形态细化一般使用序贯细化算法 ,在每次细化迭代过程中 ,只能采用单一的结构元素对目标进行薄化 ,因此存在着收敛速度慢、易产生畸变骨架等缺点 .本文提出的保形快速形态细化算法在细化迭代过程 ,每次迭代同时使用 4种不同方向的同伦结构元素与目标进行击中运算 ,并以击中运算结果的并集作为象素是否剥落的依据 ,使得目标能从各方向快速、均匀地收敛至其骨架 .对不同字体的汉字图象的实验结果表明 ,这一算法能产生均匀、整齐、畸变小的汉字骨架 ,且其运行速度比序贯形态细化方法快 4倍以上 .

基于模板保留的快速并行细化算法

快速并行算法(FPA)是经典算法中比较好的一种细化算法,但其存在固有缺陷,可能产生信息丢失。为了克服这个缺点,首先验证了FPA映像算法,在此基础上,提出了FPA重合算法,最后为了减少计算时间和冗余信息,提出了基于模板保留的FPA算法。实验结果表明,基于模板保留的FPA算法运行速度快,对手写体汉字能很好地得到中心骨架,没有断点,较好地保持了原图像的拓扑结构,且细化为只有一个像素宽的图像。

一种改进的快速并行细化算法

对二值化的图像进行细化处理在目标识别中有着重要的应用.Zhang快速并行细化算法是一种常用的细化算法,其细化结果保持了原图像的连通性,且形态结构保持较好,无毛刺现象.但是细化后结果不能保证为单一像素,这为图像的后期处理带来了困难.本文对Zhang并行细化算法进行了改进,实验结果表明改进后的细化结果保证为单一像素,且又保持原有算法的优点.

数学形态学的细化算法

对目标图象进行细化处理，提取其骨架，在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上，提出了基于两组结构元素模板的数学形态学细化新算法，这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化，获得了令人满意的结果．

一种新的指纹图像快速细化算法

针对快速并行细化算法存在的不足,即细化不全、不光滑、毛刺等缺点进行分析和研究,提出了一种新的细化算法,该算法速度快、细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺,不会产生断线,实验结果非常好。

一种改进的图像模板细化算法

针对现有图像模板细化算法中存在的诸如迭代次数较多、细化速度较慢、图像某些部位细化不完全等问题 ,提出了一组改进的细化模板。针对指纹图像应用新算法进行的细化实验结果表明 ,采用改进的细化模板 ,新算法在保证对图像完全细化的同时 ,能显著减少细化所需的迭代次数 。

二维限定Voronoi网格剖分细化算法

给出了限定点、限定线在Voronoi网格中存在的充要条件,提出了二维限定Voronoi网格细化算法,通过设置初始检测带,然后细分检测带来实现限定Voronoi网格的剖分;同时证明了该算法对于任意平面线段图输入限定条件的收敛性.对于生成的限定Voronoi网格,给出了尺寸控制和质量控制算法,并对其时间复杂度进行了分析.最后通过实例验证了文中算法的有效性.