示温漆图像等温线提取算法

分析示温漆（TIP）图像特征,根据等温线附近产生局部梯度极值的特点,实验对比了4种边缘提取算法效果。根据实验结果,选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理,并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法,更适于示温漆图像的分割。改进了Canny算子的内核,提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线,效果良好,满足工程应用要求,已用于示温漆自动判读软件开发。      

基于图像处理和K近邻算法的示温漆判读方法

为了提高示温漆温度判读的精度和效率,采用图像处理和K近邻算法进行示温漆自动判读。对样板图像颜色空间进行 转换,提取颜色特征,建立判读模型;采用基于邻域颜色相似性的多尺度分割算法对试验件图像进行分割和颜色空间转换,提取颜 色特征。通过采用基于K近邻算法和颜色分布特征构建的温度判读模型,在KN3A示温漆矩形样板上进行了温度判读,结果表 明：当允许误差在±10 ℃以内时,像素点温度判读准确率达到96%,区域温度判读准确率达到100%;在KN8蝶形样板上进行了温 度判读,结果表明：热电偶附近像素点的温度值与热电偶温度值相比较,其误差在±10 ℃以内。     

示温漆温度自动判读与数字图像处理系统

分析了示温漆的颜色温度特性,提出了温度识别方法。依据色度学理论,综合运用图像处理与数据库技术,开发了示温漆温度自动判读与数字图像处理系统;介绍了系统的软、硬件,在LAB色彩空间,采用3次样条插值算法进行了颜色数据拟合,实测数据表明,该系统提高了温度判读的准确性。     

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想。因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性。     

自适应区间二型直觉模糊聚类算法研究

针对区间二型模糊聚类算法存在初始聚类中心敏感,提出自适应区间二型直觉模糊聚类算法。该算法首先利用高斯滤波函数对图像的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则,精准地确定初始聚类中心,然后构造融合直觉模糊信息的目标函数,最后通过类内紧致和类间分离两个方面的信息共同判断聚类效果。将该算法应用于彩色图像分割中,实验结果表明该算法能够有效得到合适的初始聚类中心并取得较好的分割结果。     

三头部燃烧室火焰筒壁面温度测试研究

为对3种不同冷却结构形式的三头部燃烧室冷却效果做出评定,采用K型铠装热电偶和示温漆技术同时对燃烧室3种火焰筒的表面温度进行试验测试研究.试验结果表明:有限的热电偶只能测试局部的火焰筒温度,难以全面反映燃烧室火焰筒冷却效果;示温漆测试技术能有效的区分出燃烧室火焰筒壁面温度及显示温度场分布,示温漆等温线判读精度可达±10℃,为燃烧室3种火焰筒冷却结构效果的评定提供了数据支撑.      

自适应K-means图像分割方法

本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值.实验结果表明:该方法自动快速形成的分割阈值较为合理,对图像能达到更好的分割效果,可以进一步提高后续图像匹配与定位的准确性.     

一种能提高示温漆测试精度的新方法

用示温漆测量发动机各零部件表面温度的优点是人所共知的，但是，它的测试精度太低这一缺点也是致命的，是影响这种测试方法广泛应用的主要原因。本介绍的髟数字图象仪系统判读示温漆变色温度的新方法。大大提高了示温漆的测量精度。内详细介绍了该方法的理论基础。实施步骤及在现场应用情况。     

航空发动机试验峰值时间对示温漆测温的影响

采用示温漆和热电偶两种方式,在全温全压试验中对航空发动机阵列预混燃烧室火焰筒壁温进行测试,获得火焰筒的壁温分布,并对不同峰值时间下示温漆判读结果与热电偶测试结果进行对比分析。研究表明:阵列预混燃烧室火焰筒壁温小于所用材料的许用工作温度;火焰筒试验峰值时间是影响示温漆测温判读的主要原因,为保证测试结果的准确性,应严格要求试验峰值时间与示温漆标定的峰值时间一致。     

基于簇特征加权的航空发动机状态监视方法

提出了基于簇特征加权模糊C-均值聚类算法(FWFCM)的航空发动机状态监视模型,该模型主要分为离线学习和在线监视两个部分,离线学习模块计算出模型参数输出到在线监视模块,在线监视模块根据模型参数对实时数据进行分类,实时数据又输入到离线学习模块中参与更新模型参数.结果表明:相比基于数据加权策略的模糊聚类算法(DWFCM)以及经典模糊C-均值聚类算法(FCM),该方法平均离线状态识别率和在线状态识别率分别提高了5.233%和8.358%.实验证明此方法性能好且有很好的鲁棒性和泛化能力,对于不确定性的航空发动机在线状态监视有较好的应用价值.      

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.     

一种基于 KFCM的 SVM遥感图像机场目标分类算法

在遥感图像机场目标分类方面,支持向量机(SVM)有着广泛的应用,但由于样本不平衡问题以及不确定性数据的存在,传统SVM算法的分类精度与效果还无法令人满意。为提高传统SVM分类器的性能,文章将建立在模糊理论基础上的模糊核C-均值聚类算法(KFCM)用于处理遥感数据的不确定性问题,并通过聚类分析后的目标子图,剔除非目标样本的同时保留了目标样本,较好地解决了样本不平衡问题。将基于KFCM的SVM分类算法用于遥感图像机场目标的分类,实验结果和性能分析表明该算法分类性能优于传统SVM算法。     

地形纹理分割技术在雷达图像仿真中的应用

文章阐述了将图像分割技术应用于雷达地形纹理分割中,用基于 FCM 图像分割方法对可见光纹理进行区域自动识别,形成互不相交的纹理区域,并借助建立的雷达材质库对区域材质进行指定,有效解决了海量地形纹理数据处理的难题,并提高了处理的准确性.     

基于形态学运算的星图像分割

在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。     

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。     

彩色图像分割算法研究与费歇算法应用

图像分割是图像分析和模式识别需要解决的首要问题和经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。文中对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点,重点介绍了费歇算法。该算法能有效地对彩色图像进行分割,在工业实践中取得了比较好的效果。     

基于加强模糊聚类的航空行李图像超像素分割

在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度。针对该问题提出了一种加强模糊聚类算法（EnFCM）的超像素分割方法,实现了行李目标区域的提取。通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域。对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域。通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93%,超过多个典型的分割算法。