Research of multi-channel impulse noise detection algorithms based on template

Attenuating the undesired audio noise generated by impulse noise,such as shot and scream of brakes,is specially useful for real-time audio recording of TV or broadcasting live report.On the basis of impulse noise detection algorithms based on template,this paper improves the method of establishing the template by using multiple microphones to pick up noise corrupted signals and impulse noises in the environment.The universal of thresholds is found and a detection algorithm with slope as the characteristic is proposed by comparing a variety of feature extraction algorithms.The proposed algorithm gets a significant improvement in testing speed and accuracy,which means it is suitable for real-time processing of audio signals.

基于改进袋獾算法的破片图像多阈值分割

针对静爆场中所拍摄图片存在破片目标小、背景复杂的问题,提出一种基于改进袋獾算法的破片图像多阈值分割。基于Tent混沌映射初始化种群,加入自适应权重策略以提高算法全局搜索能力,结合精英反向学习策略来避免算法过早陷入局部最优。基于优化袋獾算法求解Tsallis相对熵的最小值,作为目标函数值计算最佳阈值对破片图像进行目标分割。仿真结果表明,ITDO在12类基准函数上相较于其他算法表现出更强的收敛性和稳定性。ITDO-Tsallis算法与其他两种先进算法相比,收敛时间更快、求解目标更精准,说明该算法能有效解决静爆场破片图像目标分割问题。

改进沙猫群优化算法的2D-OTSU多阈值图像分割

针对传统多级阈值图像分割方法精度低、收敛速度慢的问题,提出一种改进的沙猫群优化算法(Improved Sand Cat Swarm Optimization, ISCSO)用于全局优化,并应用于2D-OTSU多阈值图像分割任务。通过使用Henon混沌映射和反向折射机制初始化种群,使得种群的分布更加均匀,提高搜索的起始状态,从而增加算法的全局搜索能力;采用非线性灵敏度更新公式来平衡搜索多样性和收敛精度;引入可变螺旋搜索策略改进位置更新算法,以确保算法具有较好的搜索多样性和跳出局部最优解的能力。选取6张测试图像对ISCSO算法进行2DOTSU多阈值图像分割实验,采用峰值信噪比(PSNR)、特征相似性指数(FSIM)和结构相似性指数(SSIM)对实验结果进行评价。实验结果表明,基于ISCSO算法的2D-OSTU多阈值图像分割方法在图像分割任务中85.2%的结果优于对比算法,具有较强的搜索精度和收敛速度,这证明了ISCSO算法在图像分割领域的有效性和潜力。

基于贝叶斯算法优化的多阈值图像分割仿真

在多阈值图像分割过程中,若分割精度较低,会直接影响图像的分割效果。为提升图像的分割精度,提出基于贝叶斯算法优化的多阈值图像分割方法。通过确定贝叶斯算法优化时存在的影响因素,建立对应的适应度函数实时更新算法中种群个体适应度值;利用最小爬山法对算法中的变量展开独立性测试,建立算法的优化框架,利用蚁群算法学习贝叶斯网络结构,寻找算法种群的高阶优良模式,从而实现贝叶斯算法的优化;基于贝叶斯优化算法对图像灰度级的发生概率均值展开计算,获取图像类间方差,确定最佳分割阈值完成多阈值图像的分割处理。实验结果表明,所提方法在图像分割时,概率兰德系数(PRI)值接近1,全局一致性误差指数(GCE)与信息变化指数(VOI)值小,表明所提方法性能高、图像分割效果好。

基于贝叶斯学习的数字化图像多阈值分割方法

经典Otsu分割算法精度高,适应度强,但由于其分割稳定度较差,计算效率较低,在实际使用时具有一定的应用局限。为提升Otsu图像分割的稳定度与计算效率,提出一种基于贝叶斯网络结构学习算法对搜索节点进行优化,提高整体计算效率。首先通过在BN层通过独立性测试,构架初始种群BN_0,并利用GR算法不断修正进化方向;然后构建MSWT树网解决种群扩张时多父节点导致算法收敛速度低的问题;接着采用ACO算法规划个体转移禁忌表,通过结合个体转移概率,完成最优阈值规划;最后构建OEA-Otsu数字图像多阈值分割模型,通过解析适应函数进行并利用最优Gbest结构规划完成图像多阈值分割输出。仿真结果表明,较其它基线优化算法相比,经OEA优化后的图像多阈值分割模型,FSIM指标整体提高了5.91%,SSIM指标至少提升了2.33%,PSNR指标分析在实验数据上分别增加了12.76%、10.74%以及12.48%。即提出的OEA-Otsu模型有效的提高了图像分割的稳定度差与计算效率。

基于改进蜉蝣算法优化多阈值图像分割

针对图像多阈值分割中存在分割效率低、计算时间长以及精度不高等问题,提出了一种基于改进蜉蝣算法的多阈值图像分割算法。首先,在初始化阶段引入类随机采样方法中的Sobol序列,增强种群的遍历性和多样性;其次,提出一种自适应非线性惯性权重,平衡了全局与局部寻优能力,提高了算法的收敛效率,利于种群向最优解逼近;最后,采用指数熵作为计算适应度的目标函数,通过改进蜉蝣算法对图像分割的多阈值组合进行寻优,确定最优分割阈值。为了验证该改进算法的有效性,选择了伯克利图像来进行分割验证,并与其他智能算法进行比较。实验结果表明:该改进算法在分割准确性、计算时间、结构衡量指标(structure similarity index measure,SSIM)和峰值信噪比(peak signal-to-noise ratio,PSNR)上均优于对比算法,能快速有效地解决复杂多目标图像的多阈值分割问题,具有较强的工程实用性。

一种改进萤火虫算法的指印图像分割方法

为提高指印图像准确率,有效提取指印采集图像中与指印相关的部分,提出一种改进萤火虫算法的指印图像分割方法。实验结果表明,与对比算法相比,该算法成功降低了时间复杂度,减少了计算所需的时间,并且算法表现稳定。

基于多方嵌入的逐步实体对齐方法

大多数实体对齐方法对知识图谱信息的利用不够充分,没有考虑实体间的互相选择,忽略了现实生活中很多实体在对方知识图谱中不存在等价实体的事实。针对以上问题,提出一种基于多方嵌入的逐步实体对齐方法。该方法对三元组信息、邻域信息、实体名称的语义信息和字符串信息进行多方嵌入生成相似度矩阵,再通过所提出的逐步实体对齐算法将目前彼此最为相似且相似度大于最小相似度阈值的两个实体进行匹配,直到剩余所有实体的相似度都不大于最小相似度阈值时停止匹配,在确保等价实体准确匹配的前提下,减小不存在等价实体时发生错误匹配的概率。在DBP15K数据集上进行了三项实验,结果证明了该方法和逐步实体对齐算法的有效性,以及多方嵌入中每个模块的必要性。

增强蒲公英算法优化乳腺癌图像多阈值分割

针对显微镜下乳腺癌病理组织图像结构复杂,细胞边界模糊等情况,基于传统的阈值分割在乳腺癌图像的分割应用中不能很好地实现把病灶区准确分离开来的问题,提出一种基于增强蒲公英优化算法(IDO)的乳腺癌图像多阈值分割方法.该方法引入IDO计算类间方差的最大值(Otsu)作为目标函数寻找最佳阈值,IDO建立回守策略解决传统蒲公英算法(DO)无限制搜索,超出像素范围的问题;引入对立式学习(OBL)避免算法陷入局部最优.实验结果表明,与哈里斯鹰算法(HHO)、人工猩猩部队优化算法(GTO)、传统蒲公英优化算法(DO)、海洋捕食者算法(MPA)相比,在相同阈值个数情况下IDO算法适应度值最大、收敛最快,并且在峰值信噪比(PSNR)、结构相似度(FSIM)、特征相似度(SSIM)这3个性能指标上也比其他对比算法更具有优势.

基于曲波变换与快速指数阈值迭代的多震源地震数据分离

传统的地震数据采集方式是炮与炮之间分开激发,施工效率较低,多震源地震混采技术通过多炮同时或延时激发,大幅提高了施工效率,但同时也给地震数据带来了较大的混合噪声,传统方法的去混效率偏低,为此,将曲波变换与快速阈值迭代法进行结合,在此基础上使用指数阈值模型,得到一种基于稀疏反演快速高精度的多震源数据分离方法。在曲波域分离过程中,采用软阈值函数和指数阈值模型,经过迭代获得了较好的分离结果,此外,还对其抗噪性能进行了相关的研究。理论数值模拟和实际数据的应用,表明本文方法相较于传统的分离方法,收敛速度更快,保留了更多的有效信号,具有更高精度的分离效果,且有良好的抗噪性能。

基于频率域峭度谱迭代阈值的多尺度形态学轴承故障诊断方法

在复杂恶劣的环境中,存在滚动轴承故障信息难以准确提取的问题。因此,引用多尺度数学形态学对滚动轴承故障诊断开展研究。由于小尺度形态学滤波能较好的保存信号的细节特征,大尺度形态学滤波能有效抑制噪声,因此为了能更好的兼顾噪声抑制和故障特征信息保存,采用迭代阈值的方法选取尺度范围,运用频率域峭度谱方法计算出阈值,然后通过迭代自适应获取最佳尺度区间。多尺度形态学信号重构加权方法引用加权多尺度形态梯度算法,该方法能保证小尺度具有较小的权重,大尺度具有大权重。通过仿真和实验表明:多尺度形态学有效检测出滚动轴承故障信号,深度挖掘滚动轴承故障特征信息。

改进鲸鱼算法优化Ostu多阈值图像分割

针对传统Ostu多阈值图像分割方法确定最优阈值效率低、分割效果差的不足,提出基于改进鲸鱼算法优化Ostu多阈值的图像分割算法。利用鲸鱼优化算法中种群对食物源的启发式搜索机制确定图像分割的最优阈值有效降低了算法时间复杂度。在传统鲸鱼优化算法中引入伪对立学习和混沌Tent映射提高初始种群多样性,设计非均匀衰减收敛因子加快算法收敛,利用自适应惯性权重位置更新机制平衡全局搜索和局部开发,进而有效提升算法寻优精度。

基于莱维飞行麻雀搜索优化的Otsu多阈值图像分割

群智能算法优化多阈值图像分割策略,易陷入局部最优,搜索精度不高。将莱维飞行扰动策略融入麻雀种群觅食的搜索优化过程,以增加图像分割空间搜索的多样性,从而提高分割精度,避免搜索过程陷入局部最优;同时嵌入Sin混沌搜索机制,改进种群初始化策略,加强搜索性能。最终实现多阈值图像分割的应用性能提升,在保持算法全局寻优能力的基础上大幅度提高收敛速度和求解精度。对经典的图像多阈值分割的实验结果表明,本文方法相比于传统的智能优化策略,在寻优率和分割精度方面提升显著,收敛能力强。

基于多策略融合未来搜索算法的林火图像分割

为解决林火图像传统阈值分割方法时效性差、分割精度低等问题,提出一种基于多策略融合未来搜索算法(IFSA)的多阈值林火图像分割方法。在提升算法的性能方面,采用帐篷映射(Tent映射)初始化种群中的个体,引入自适应权重与认知因子增强种群内部信息交流,并对最优位置引入柯西分布与高斯分布结合的变异机制提高算法的收敛精度。利用改进算法对森林火灾图像进行分割,并选取最佳适应度、峰值信噪比和结构相似度作为评价指标,与粒子群优化算法、灰狼优化算法等进行对比分析。研究结果表明,改进的未来搜索算法(Improved Future Search Algorithm,IFSA)的适应度曲线收敛效果明显优于其他对比算法,峰值信噪比、结构相似度取得最优的实验次数分别占总实验次数的100%与91.67%,证明基于IFSA的图像分割方法能有效改善林火图像分割效果,为林火特征的提取与分析建立依据。

结合迭代阈值法的多任务贝叶斯压缩感知结构振动信号重构

为缓解结构健康实时监测中因为海量数据导致的数据采集、存储和传输成本高的问题,采用压缩感知理论结合迭代阈值法对数据进行压缩采样;然后用多任务贝叶斯压缩感知重构算法,通过少量采样数据恢复原始信号.利用吉安大桥的现场环境振动试验数据,验证结合迭代阈值法的多任务贝叶斯压缩感知重构算法的有效性及可行性.研究结果表明,相比于传统的正交匹配追踪算法、单任务贝叶斯压缩感知算法和多任务贝叶斯压缩感知算法,利用结合迭代阈值法的多任务贝叶斯压缩感知重构算法计算得到的重构信号与原始信号吻合度更好,性能更优.

基于改进人工蜂群算法的多阈值图像分割

图像分割在模式识别以及机器视觉方面起着至关重要的作用,是图像分析和识别的首要任务。但若分割后图像质量损失严重,就会导致图像后续分析的误差增加。为了能够弥补这一缺陷,在分析了DIRECT算法和人工蜂群算法的特性后,利用DIRECT算法全局收敛并可以快速定位到最优值所在区域的特点来改善人工蜂群算法的过早收敛以及局部搜索能力差的缺点,提出了一种基于改进的人工蜂群算法的多阈值图像分割技术。首先,DIRECT算法为人工蜂群算法提供一种良好的初始种群,种群在演化数代后得到的当前最优解加入到DIRECT算法分割区域中,再进行初始种群的筛选,重复这个过程进而获得最佳阈值并对图像进行分割。为了验证该算法的优劣性,使用峰值信噪比、结构相似性以及特征相似性作为图像质量评价指标并与前人得到的结果进行比较。实验数据表明,提出的阈值分割方法优于前人的阈值分割方法。

基于改进被囊群算法的图像多阈值分割方法

为提升图像分割的准确度和性能,提出改进被囊群算法(improved tunicate swarm algorithm,IMTSA)的多阈值分割方法。基于折射反向学习初始化种群,采用精英反向学习重新选择优势个体,结合学生分布协调全局和局部搜索能力。在图像分割中,基于Otsu和最大熵方法,在不同阈值场景下,IMTSA与其它算法进行性能对比。实验结果表明,IMTSA在3类基准函数中均表现更好,图像分割效果与阈值数量成正比,其整体分割性能具有一定优势。

ICP算法在多波束点云条带自动配准中的应用

针对当前多波束自动匹配过程仍需借助人工干预,并且处理过程中特征点难以确定的问题,提出了一种基于航带法的多波束连接方式,并且引入迭代最邻近算法(iterative closest point,ICP)进行点云条带匹配。利用ICP算法刚性不变原理,建立源点云与目标点云之间的对应关系,利用公共区域点云,采用奇异值分解,求解相邻条带之间的旋转参数和平移参数。将配准后的相邻条带利用航带法进行连接,完成测区内多波束点云的自动匹配和连接。对实验测区数据进行定性定量分析,采用距离阈值和迭代阈值验证本文算法。通过对比不同地形匹配效果,验证ICP自动匹配算法具有一定的稳健性和适用性。

基于多策略融合的灰狼算法的多阈值图像分割

为充分利用灰狼算法良好的搜索能力并进一步提升算法的收敛速度和计算精度,提出融合多种策略的灰狼算法,分割Renyi熵多阈值图像。文章提出非线性收敛因子,提高算法收敛性;采用自适应搜索策略,自动调整迭代初期和后期的头狼等级划分方式,对个体位置更新范围进行前期扩展和后期压缩,从而加快了寻优速度;应用柯西变异策略,帮助种群跳出局部极值;对比分析此算法与其他元启发式算法的多阈值分割方法。结果表明:所提算法在同样迭代次数下,得到最低的适应度值,且迭代曲线下降速度最快;当达到与次优算法相同的最小收敛值时,迭代次数平均可节省64.2%;在峰值信噪比和特征相似性分割指标上,得到至少一项最高分。

基于区域模糊阈值的前视红外目标识别

针对用前视红外(FLIR)目标法识别复杂地面时,存在无直接可用基准图、背景干扰严重、目标与背景灰度差异小等问题,提出了一种基于区域模糊阈值的目标识别方法。首先,在建立多尺度空间的基础上,设计多阈值算法,生成显著图;其次,引入基于图像模糊率的区域模糊阈值方法,改进Itti模型,构建候选目标筛选模型;最后,对检测结果运用积分归一化积相关(Nprod)算法进行精匹配,确定识别目标。实验结果表明,与Hausdorff距离算法相比,该识别算法匹配率提高了近20%,花费时间缩短了3/4;与积分Nprod算法相比,提出的算法匹配率提高了近40%,时间缩短了1/2。结果显示,对于复杂背景的前视红外目标,该方法具有匹配率高、速度快、精度高等优点。