适用于直流保护的数学形态学降噪与噪声干扰识别方法

柔性直流输电系统是调节我国能源分布不均问题的重要手段,直流保护是保证柔直系统安全的重要技术。现有工程中多采用行波保护作为主保护,然而行波保护存在易受噪声影响、故障波头不易捕捉等问题,制约了其广泛应用。针对上述问题,提出数学形态学降噪与噪声干扰识别方法,并根据直流保护采样信号特点进行参数设计,用于直流保护采样信号降噪和噪声干扰的识别。首先,确定基于自适应多尺度形态滤波的直流信号降噪方法,并设计结构元素长度和形态学滤波器类型、自适应多尺度形态滤波器的滤波器阶数和步长。其次,确定基于形态学梯度变换的噪声干扰识别方法,并设计形态学梯度变换的阈值。接着,从不同角度对形态学降噪方法与现有典型信号处理方法的滤波效果进行对比分析。最后,对形态学降噪与噪声干扰识别方法和保护的配合效果进行验证。形态学降噪与噪声干扰识别方法所需采样频率较低,运算量适中,滤波效果好,对直流保护适用性好。

结合自适应TV模型和分水岭变换的图像分割算法

针对传统分水岭算法对噪声敏感,易出现过分割的现象,提出一种自适应全变分模型和标记分水岭算法相结合的图像分割算法。采用自适应全变分模型对原始图像进行滤波处理,平滑去噪的同时保留图像的边缘信息;求解其多尺度形态学梯度图像,并用基于最大熵的扩展极小值技术获得的前景和背景标记并对其多尺度梯度图像修改;对修改后的梯度图像进行分水岭变换,实现准确的分割。对比常用和相似的图像分割算法,实验结果表明,该算法在抗噪性、运行时间和分割交并比上有一定的优势。尤其是在噪声强、灰度值接近的医学图像上能够获得合理有意义的分割区域,效果良好。

基于交替梯度滤波器和改进PCNN的红外与可见光图像融合

为了克服红外与可见光图像融合过程中在目标物体的边缘处产生虚影的问题,提出一种基于交替梯度滤波器和改进脉冲耦合神经网络的图像融合方法。在梯度滤波器的基础上结合滚动引导滤波器和平滑迭代恢复滤波器提出一种交替梯度滤波器,可以同时实现小结构消除,局部强度保持和边缘恢复的特性。利用交替梯度滤波器分解源图像,分解为近似层和残差层。近似层采用多尺度形态学算子和最大区域能量与源图像相结合的融合规则,残差层用改进参数自适应脉冲耦合神经网络融合规则进行融合。最后,经过交替梯度滤波器重构得到融合结果图。实验结果表明,与其他5种融合方法进行比较,本文方法的客观评价指标平均梯度、标准差、信息熵、空间频率、边缘强度和视觉保真度分别平均提高了18%,10%,2.8%,16%,51%,11.2%,且能够避免在目标物体的边缘处产生虚影,较好地保留源图像的亮度、边缘、细节及纹理等信息。

基于阈值标记的分水岭算法遥感图像道路提取

针对传统分水岭分割算法在遥感图像道路信息提取过程中存在过分割和计算量大的问题,提出基于阈值标记的分水岭改进算法,从而获得有效的遥感图像道路信息。实验结果表明,该方法有效地避免了伪极小值对图像处理的影响,减少了计算的重复率,有效地提取出遥感图像道路信息,针对遥感图像道路信息识别提取算法的研究具有广泛应用的价值和学术意义。

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.

基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得算法在分割前景目标的同时也能获得背景目标的特征信息.实验结果表明,该方法能够较好地将相似的区域进行合并,与传统分水岭分割方法相比,可以有效弱化过分割问题,大幅提升目标的分割精度.

基于简化脉冲耦合神经网络和改进稀疏表示的脑部图像融合算法

为解决单一模态脑部图像存在的局限性,进一步突出细节特征,增强视觉效果,提出一个基于多尺度边缘保持分解和改进稀疏表示(improved sparse representation,ISR)的算法框架。首先,分解源图像获得高频子带和低频子带。其次,采用多范数加权度量改进的稀疏表示融合低频子带,以多尺度形态学梯度(multiscale morphological gradient,MSMG)改进的引导滤波器去除细节特征;同时,经简化的脉冲耦合神经网络(simplified pulseoupled neural network,SPCNN)融合其高频子带。最后,逆变换得到融合后的脑部图像。实验证明,本文在边缘信息的保护,融合效率的提高,时间成本的节约等方面优势显著。