N元自适应模式识别系统开发工具

N元模式识别方法是一种易于硬件并行实现的自适应模式识别方法。单层自适应模式识别系统(WISARD)、加权WISARD、双层自适应模式识别系统模型都是以这一方法为基础的。本文论述的N元自适应模式识别系统开发工具——NIRSS就是为这些模型体系结构的仿真及应用研究而开发的。它可以仿真现有的4种模型,共有7种工作方式,23个功能模型,97条人机交互命令。有关上述模式识别系统结构的研究以及多印刷体汉字、手写体汉字的识别、自适应图像处理的应用研究都是在该软件包上进行的。实际应用表明,这是一种使用方便、功能丰富的有效开发工具。     

加权自适应模式识别系统的数学描述

基于n元原理,采用加权训练思想,为克服经典自适应模式识别系统——WISARD的简单训练策略之不足而提出的加权自适应模式识别系统,具有自动消除伪特征、突出训练模式的固有特征、改进系统的分类性能筹优点。本文首次用数学手段描述了加权自适应模式识别系统,把系统的训练与分类过程抽象为对模式进行矩阵变换的过程。系统的分类行为由训练模式所建立的逻辑函数矩阵来表征。文中还对系统的性质作了初步探讨,指出只要合理地选取加权训练阀值,加权系统的分类性能不会弱于非加权系统。最后还给出了加权训练阀值的上界和下界。     

二维应力集中问题的多尺度RKPM自适应分析

借助于“小波”理论,再生核质点方法RKPM(Reproducing Kernel Particle Method)以将形状函数及求得的结构响应分解为多个尺度。本文对线弹性二维应力集中问题进行了双尺度分解,并由各应力分量计算得到的高梯度点作为误差指示,实现了该方法的h型自适应分析。并且提出了一种新的方法——“四象限法”对高梯度区域进行加密,计算结果表明自适应后的解的精度更高,从而证明了这种自适应无网格方法的有效性。     

基于集成学习的冲击载荷识别与定位方法

本文提出一种基于集成学习的冲击载荷识别与定位方法,用于识别作用在复杂结构表面上冲击力的峰值以及冲击位置。以决策树为基础预测器,采用自适应提升法将多棵决策树集成为学习模型,通过结构冲击试验获取大批“载荷-响应”数据训练模型,建立结构动态响应与冲击载荷之间的映射关系,从而实现由响应逆向识别载荷。通过识别作用在薄壁圆筒结构表面上的冲击载荷,证明集成学习方法可以对冲击载荷和冲击作用位置作出准确的预测。此外,文章还讨论了结构边界条件对载荷识别准确度的影响。     

特征自适应的飞机大型蒙皮曲面测量系统与测量规划

针对飞机蒙皮零件外形准确度要求高、制造尺寸大和外形复杂的特点,以及人工手动扫描测量工作量大、效率低的问题,搭建了基于移动机械臂的柔性测量系统,并提出一种特征自适应的多站位自动化扫描规划方法,以实现飞机大型蒙皮曲面的三维测量数据自动化采集。首先构建了柔性测量系统与待测对象坐标系变换模型,分析扫描规划与执行过程中数据的传递关系,并通过视觉定位实现系统相对位姿估计。然后通过特征敏感的扫描路径点生成、效率优化的扫描站位规划以及扫描轨迹规划,实现了基于扫描效率和扫描完整性约束的特征自适应扫描规划。最后,搭建了一个基于机械臂与移动平台的柔性测量系统,并以4个真实飞机零部件作为测量对象,从扫描效率与扫描完整性方面对所提出的自动化扫描方法与手动扫描方法进行对比,并设计试验进一步验证了系统测量精度,结果验证了所提方法替代手动扫描测量方法的可行性。     

基于图像处理的航空发动机叶片检测技术研究

提出了一种基于图像处理的航空发动机叶片检测方法。该方法首先对叶片进行校正和滤波,然后进行自适应均衡化图像增强处理,最后进行自动阈值的canny算子边缘检测,实验表明：该方法能够较好地检测出叶片裂纹,取得较好的检测效果。     

基于线过程模型的POCS超分辨图像重构算法

传统的凸集投影（POCS）超分辨重构算法易使图像产生边缘振荡效应的问题,在详细研究了边缘振荡效应的成因后,笔者提出一种新颖的基于线过程模型的POCS算法来对低分辨图像序列进行超分辨图像重构。该算法采用线过程模型检测出超分辨初始估计图像的4个方向的边缘,在传统POCS的投影过程中增加了对图像的平滑处理,最后实现了低分辨图像序列超分辨重建的对比实验,实验结果表明图像边缘振荡效应能得到明显改善。     

基于水平集的多相活动轮廓图像分割模型

提出了一种新型的多相活动轮廓模型,是无边活动轮廓模型的广义形式。该模型具有如下特点：（1）提出了背景填充技术,可以在检测目标内部弱边缘时去除阻碍检测的背景信息;（2）在单次二相水平集收敛的基础上,采用多次收敛方式实现了多相分割模型（n-1次收敛实现n相分割模型,n〉1）;（3）介绍了一种提升算法,进一步增强了模型的计算稳定性。实验结果表明,该模型对弱边缘检测特别有效。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

基于保护映射的尾坐式飞行器过渡过程控制（英文）

针对尾座式飞行器过渡阶段动力学模型的大范围非线性变化问题,结合保护映射理论和H_∞控制理论设计自适应控制增益调度技术。将提出的自适应控制增益调度技术对尾座式飞行器过渡过程的纵向模型进行航迹角跟踪,并与传统的基于增益调度技术的LQR方法进行对比。仿真结果表明:基于保护映射理论设计的控制器能够自主切换合适的控制律,完成过渡过程的稳定转换,并且本文方法比基于传统增益调度技术的LQR方法显示出了更好的跟踪性能。     

基于微分图象噪声估计的主动型边界检测方法

提出一种简单的主动型边界检测方法。它首先通过噪声估计捕捉图象中可能存在边界的邻域，然后获取邻域中有关边界的空间参数，由此选择最佳微分滤波算子对相应邻域进行滤波，以获取边界点。该方法具有很强的处理针对性，因此它运算速度快、精度高、一次即可获取单象素宽的边界。     

Edge Detection of River in SAR Image Based on Contourlet Modulus Maxima and Improved Mathematical Morphology

To cope with the problems that edge detection operators are liable to make the detected edges too blurry for synthetic aperture radar(SAR)images,an edge detection method for detecting river in SAR images is proposed based on contourlet modulus maxima and improved mathematical morphology.The SAR image is firstly transformed to a contourlet domain.According to the directional information and gradient information of directional subband of contourlet transform,the modulus maximum and the improved mathematical morphology are used to detect high frequency and low frequency sub-image edges,respectively.Subsequently,the edges of river in SAR image are obtained after fusing the high frequency sub-image and the low frequency sub-image.Experimental results demonstrate that the proposed edge detection method can obtain more accurate edge location and reduce false edges,compared with the Canny method,the method based on wavelet and Canny,the method based on contourlet modulus maxima,and the method based on improved(ROEWA).The obtained river edges are complete and clear.     

一种基于小波变换的SAR图像边缘检测器(英文)

边缘提取是图像处理与图像分析的基础。本文基于小波变换 ,研究了 SAR图像边缘提取的方法 ,从而为合成孔径雷达 (SAR)图像辅助导航系统奠定基础。由于 SAR图像受固有斑点噪声的影响 ,采用小波变换与固定阈值提取 SAR图像边缘特征时 ,将有大量虚假边缘产生 ,特别是在图像的亮区。为此 ,本文提出了采用具有恒定误警率的阈值 ,以消除斑点噪声的影响。同时 ,分别对两幅不同的图进行仿真 ,仿真结果表明 ,斑点噪声的影响被大大抑制 ,且由于阈值是由小波变换系数直接构成 ,能保证辅助导航对实时性的要求。     

数字图像条纹检测——极值判别方法

本文针对一般情况下的条纹图像提出了极值判别条纹检测方法,可以用来解决图像处理和模式识别中的条纹特征抽取问题。在图像测量领域中,往往需要对各类条纹图像进行判读处理,也存在条纹特征抽取问题。文中,在极值线定义的基础上,分析得出一整套极值检测判据,并用高阶混合极值检测判据实现了算法,对时间平均法激光全息测振干涉条纹图像进行了判读处理,取得了很好的效果。     

Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator

The car surface scratch detection adopts the traditional manual detection with poor efficiency and high missing rate. Because of the gray mark and the background of car surface scratches,the traditional edge detection algorithm cannot meet the needs of car surface scratch detection. Therefore,the directional SUSAN algorithm based on CIELab color space is adopted in this paper. The direction template and the circle template to calculate the color difference of the color image are used in the algorithm which has been converted to the CIELab space. The edges and scratches are eliminated by matching and contrasting the detected image with the edge template. Experimental results show that the algorithm can effectively detect scratches on the surface of cars,improve the detection speed and reduce the undetected rate.     

数字图象条纹细化——逐层削取方法

本文提出一种新方法来解决一般性的条纹细化问题,该方法可以广泛地应用于数字图象处理、模式识别、图象测量等技术领域。算法设计中采用了详尽的模块分析方法,所产生的条纹细化计算法非常有效,已经成功应用于激光全息测量——一种图象测量技术。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

复杂背景中条码检测定位技术的研究

研究了复杂背景中条码检测定住技术。先分析每个子区域的特征,选出可能包含条码的子区域,然后对子区域进行合并筛选,检测条码所在位置。最后根据Hough变换．找出条码边界．并用双线性插值将条码旋至水平。实验表明文中提出的条码检测定位算法具有很好的性能,优于传统的基于梯度特征的检测算法。