检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

多特征联合的薄壁零件表面缺陷检测方法

工具技术 2023年第8期57卷 147-152页

作者：郝博闫俊伟尹兴超徐新岩张力东北大学航空动力装备振动及控制教育部重点实验室东北大学秦皇岛分校控制工程学院

采用基于机器视觉的无接触检测方式对飞机制造中蒙皮、机翼缘条以及角片等薄壁零件表面缺陷进行自动检测,使用VMS-4030G影像仪采集零件表面信息,提出多特征联合检测方法检测缺陷。该方法主要包括图像Tamura纹理特征提取、图像局部二值模... 详细信息

采用基于机器视觉的无接触检测方式对飞机制造中蒙皮、机翼缘条以及角片等薄壁零件表面缺陷进行自动检测,使用VMS-4030G影像仪采集零件表面信息,提出多特征联合检测方法检测缺陷。该方法主要包括图像Tamura纹理特征提取、图像局部二值模式(LBP)直方图和LBP下的灰度梯度共生矩阵特征(GGCM)提取。根据缺陷特性选择提取特征,对得到的特征应用主成分分析法(PCA)进行降维以及支持向量机(SVM)分类,最终得到检测结果。为了验证所提方法可行性,以带铆接孔的6061铝合金板代替飞机薄壁零件进行数据采集和检测。试验结果表明,该检测方法对毛刺、裂纹、凹陷及划痕的检测率均大于92%,明显优于单一特征提取的检测方法。

关键词：表面缺陷薄壁零件机器视觉多特征联合图像处理

在线全文

学校读者我要写书评

暂无评论

多特征联合的SAR飞机智能检测方法研究

多特征联合的SAR飞机智能检测方法研究

作者：腰旭重庆大学

学位级别：硕士

随着合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术被广泛应用在目标检测领域之中,SAR图像中飞机目标的检测变得愈加重要。飞机目标由于自身特性和背景特性,往往难以被检测,主要难点如下:(1)SAR图像中飞机目标散射点分布较为复杂... 详细信息

随着合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术被广泛应用在目标检测领域之中,SAR图像中飞机目标的检测变得愈加重要。飞机目标由于自身特性和背景特性,往往难以被检测,主要难点如下:(1)SAR图像中飞机目标散射点分布较为复杂,受环境地物散射干扰较大,且飞机目标自身存在尺度变换和姿态敏感的问题;(2)飞机目标受当前成像技术制约和自身结构特殊性的影响,部分飞机目标成像不够明显,轮廓不够清晰,使得飞机目标难以被正确检测;(3)现有的基于深度学习的SAR飞机目标检测算法大多聚焦于飞机目标的空间域特征的挖掘,而缺乏对飞机目标频域特征信息的利用。因此,为解决上述问题,本文拟开展基于深度学习的多特征联合SAR飞机目标检测方法研究,深入探索SAR飞机目标的精细化特征和多域信息,主要内容包括以下几个方面:针对SAR飞机目标存在的尺度变换和姿态敏感的问题以及现有基于深度学习的检测算法对飞机目标离散特征表征较弱的问题,提出一种基于侧支可变形路径融合的SAR飞机检测方法。首先利用深度卷积神经网络获取SAR飞机目标不同深度的特征,并构建包含浅、中、深层精细化特征的双金字塔结构,实现了飞机目标的多尺度特征的提取,然后引入可变形卷积模块增强网络对不同姿态目标的特征提取能力。最后通过构建特征均衡增强模块对不同尺度特征进行均衡与强化,提高了飞机目标全局散射信息和局部散射信息之间的关联性,并在数据集上验证了所提方法的有效性。针对现有飞机检测算法仅利用空间域特征而缺乏对目标频域特征进行深入挖掘,尤其是尚未有效解决SAR图像中飞机目标轮廓不清晰导致的目标难以检测的问题,提出一种多域特征联合的飞机检测算法。在空间域中,利用双金字塔结构获取飞机目标的多尺度特征;在频域中,先利用区域候选网络生成一系列包含目标位置信息的候选区域并映射至空间特征图和原始图像中,从而提取飞机目标的频域高频特征和低频特征,强化飞机目标边缘轮廓的表征能力;最后通过特征融合网络将提取到的飞机目标的空间域特征和频域高低频特征进行交叉融合,实现SAR飞机目标的检测,并在数据集上同其它飞机目标检测方法对比,证明了本文所提方法的有效性。

关键词：合成孔径雷达深度学习飞机检测多特征联合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多特征联合和注意力机制的语音情感识别

多特征联合和注意力机制的语音情感识别

作者：张家铭长春理工大学

学位级别：硕士

对说话人情感状态的识别是机器学习领域中一项艰巨的任务,其主要目的是从人类话语中自动识别出情感,即语音情感识别(Speech Emotion Recognition,SER),它在人机交互领域发挥着至关重要的作用。语音中的情感信息可以有效地帮助机器人理... 详细信息

对说话人情感状态的识别是机器学习领域中一项艰巨的任务,其主要目的是从人类话语中自动识别出情感,即语音情感识别(Speech Emotion Recognition,SER),它在人机交互领域发挥着至关重要的作用。语音中的情感信息可以有效地帮助机器人理解人与人之间自然交互的意图,其研究主要集中在传统手工制作的底层特征和神经网络所学习的高级特征。以往的工作主要集中在提取传统手工制作的情感特征,但随着深度学习领域的发展,神经网络在SER领域有着卓越的表现。但SER在特征提取方面目前仍然面临着重大挑战,即如何选择一种可靠的方法来从语音中提取显著的特征来推测说话者的情感状态,并构建出高性能的特征表征的网络模型,基于以上的研究目的,本文主要包含以下几点内容及其创新点如下:1)研究基于三维Log-Mel语谱图的深度学习情感识别模型。对语音信号的预处理采用一种基于关键序列段选择的方法,通过径向基函数网络(Radial Basis Function Network,RBFN)和K-means聚类算法找聚类的相似度,对序列片断进行有效的选择,该片段接近群集的质心并代表其余片段。再使用梅尔频率倒谱系数(Mel-frequency Cepstral Coefficients,MFCC)将选定的关键序列转换成三维的log-Mel语谱图,其作为卷积循环神经(Convolutional Recurrent Neural Network,CRNN)网络模型的输入,并采用多尺度卷积策略,设计了两组具有不同尺度的卷积核,以从输入数据中捕获时域和频域信息。2)引入注意力机制并搭建一种多特征联合的网络模型。注意力机制的引入有利于处理语音信息的无声段,突出情感相关信息。为了解决传统手工制作的底层特征的局限性,捕捉到SER任务所需的足够多的情绪特征,将传统底层声学特征和深度学习的高层语义的特征联合生成一个双通道HSF-CRNN-Attention模型,这两种特征可以相互配合以提取出更具有鲁棒性和丰富性的特征表示。本文主要的研究重点主要是从特征和网络两个方向进行讨论的,以此改进并搭建多特征联合和注意力机制网络结构,提取出显著的情感特征表示,并在IEMOCAP和EMO-DB数据集上进行实验对比分析。实验结果表明,本文提出的方法在EMO-DB上的平均召回率和精准度分别为82.88%和82.43%;在IEMOCAP上的平均召回率和精准度分别为66.1%和64.18%。较CRNN基线模型的识别精度分别提高了5.75%和5.36%、5.93%和5.45%,对情感识别的结果有显著的提升,因此证明了本文方法有效性。

关键词：语音情感识别深度学习径向基函数注意力机制多特征联合

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多特征联合及选择的目标跟踪算法研究

多特征联合及选择的目标跟踪算法研究

作者：徐玉伟南京信息工程大学

学位级别：硕士

目标跟踪是计算机视觉领域的一个重要研究方向。经过多年的发展,光照改变、遮挡、运动突变、背景杂波等问题依然是影响跟踪效果的重要因素。针对此问题,提出了两种基于目标外观模型的目标跟踪方法：基于稀疏表示的多特征联合目标跟踪方... 详细信息

目标跟踪是计算机视觉领域的一个重要研究方向。经过多年的发展,光照改变、遮挡、运动突变、背景杂波等问题依然是影响跟踪效果的重要因素。针对此问题,提出了两种基于目标外观模型的目标跟踪方法：基于稀疏表示的多特征联合目标跟踪方法和基于支持向量机的多特征选择目标跟踪方法。基于稀疏表示的多特征联合的目标跟踪方法在粒子滤波的框架下,采用多种特征对目标进行描述,克服了单一特征描述目标能力不足的缺点,同时用多种特征的模板集对所有粒子进行联合稀疏表示,采用KAPG （kemelizable accelerated proximal gradient）方法求解稀疏系数并实现候选粒子的重构,最后将具有最小重构误差的粒子作为跟踪结果;基于支持向量机的多特征选择目标跟踪方法利用多种特征的多个正负样本训练分类器,弥补了用单一正样本训练分类器致使分类能力较弱的缺点,用训练分类器对所有候选粒子的不同特征进行判别和选择,将具有最大置信概率的粒子确定为跟踪结果。跟踪过程中,上述两种方法都采用增量子空间学习的方法对模板和正样本集进行更新,这种更新机制既考虑到最新的外观模型变化,又考虑到原始的目标模板,使得目标跟踪器能够有效地应对目标的外观变化并且避免了跟踪漂移问题。实验结果表明,本文提出的两种方法能够在复杂环境下取得较好的跟踪效果。

关键词：目标跟踪稀疏表示支持向量机多特征联合增量子空间学习分类器

基于Blob算法的多特征联合数字图像转换仿真

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机仿真 2021年第12期38卷 465-469页

作者：田宏伟王宜怀沈晓峰苏州大学应用技术学院江苏昆山215325 苏州大学计算机科学与技术学院江苏苏州215006

针对目前数字图像转换完整度和准确率低的问题,提出一种Blob算法的多特征联合数字图像转换方法。利用Blob算法划分数字图像特征,划分为运动可视目标、静止可视目标、阴影、鬼影、反射、背景噪声等多特征。将所划分数字图像多特征联合,... 详细信息

针对目前数字图像转换完整度和准确率低的问题,提出一种Blob算法的多特征联合数字图像转换方法。利用Blob算法划分数字图像特征,划分为运动可视目标、静止可视目标、阴影、鬼影、反射、背景噪声等多特征。将所划分数字图像多特征联合,令数字图像3D空间转化至2D"夹角-模差"空间降低数字图像维度,在低维度的数字图像2D"夹角-模差"空间中通过颜色空间转换方法实现RGB颜色空间与CMY或CMYK、YUV颜色空间的转换,为不同应用环境中的数字图像选择所需颜色空间提供基础。仿真结果表明,所设计方法可有效实现数字图像颜色空间转换,且转换完整率以及转换准确率较高。

关键词：多特征联合数字图像转换

基于LSTM多特征联合的缺血性脑卒中诊断模型

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2020年第10期10卷 74-79页

作者：骆轶姝邵圆圆陈德华东华大学计算机科学与技术学院上海201620

本文以缺血性脑卒中疾病为研究对象,充分考虑疾病发病机制,选取患者当前超声、生化及基本信息3种特征检查指标,提出一种基于LSTM多特征联合的诊断模型。3个基于LSTM (Long short-term memory)模型搭建的双向LSTM特征提取子模块,联合训... 详细信息

本文以缺血性脑卒中疾病为研究对象,充分考虑疾病发病机制,选取患者当前超声、生化及基本信息3种特征检查指标,提出一种基于LSTM多特征联合的诊断模型。3个基于LSTM (Long short-term memory)模型搭建的双向LSTM特征提取子模块,联合训练学习各类型数据的前向和后向信息;增加自注意力机制学习特征间的关联性,并分配权重。实验结果表明,融合自注意力机制的多特征模型在不同分类评估标准下总体性能达84%,为缺血性脑卒中的临床辅助诊断提供一种方法,为医生对该疾病的鉴别诊断提供参考。

关键词：缺血性脑卒中 LSTM 多特征联合辅助诊断

在线全文

学校读者我要写书评

暂无评论

一种多特征联合的运动目标检测算法

计算机与数字工程 2016年第4期44卷 638-641,705页

作者：张明军黄志金孙泽能广州大学华软软件学院网络技术系广州510990

高斯混合模型已经成为对视频利用背景减除法进行运动目标检测的最多的一种背景建模模型,也成为一种标准模型。首先对高斯混合模型的理论框架及其性能进行了分析,分析了高斯混合模型仍需要解决的问题,并提出一种高斯混合模型联合多特征... 详细信息

高斯混合模型已经成为对视频利用背景减除法进行运动目标检测的最多的一种背景建模模型,也成为一种标准模型。首先对高斯混合模型的理论框架及其性能进行了分析,分析了高斯混合模型仍需要解决的问题,并提出一种高斯混合模型联合多特征的运动目标检测算法,实验表明该算法具有较好的目标检测效果以及环境自适应性。

关键词：高斯混合目标检测多特征联合

在线全文

学校读者我要写书评

暂无评论

基于多特征联合的肠鸣音检测方法及实验研究

中国医疗器械杂志 2022年第5期46卷 473-480页

作者：刘斯齐万显荣谢德强江从庆任相海武汉大学电子信息学院武汉市430072 武汉大学中南医院湖北省肠病医学临床研究中心武汉市430071

肠鸣音是监测和反映肠道运动功能的重要指标,传统的人工听诊方式对医生的专业知识和临床经验要求较高,且长时间听诊费时费力,存在因主观性偏差造成的误判。为解决此问题,首先利用小波多分辨率重构对肠鸣音信号进行预处理,达到肠鸣音降... 详细信息

肠鸣音是监测和反映肠道运动功能的重要指标,传统的人工听诊方式对医生的专业知识和临床经验要求较高,且长时间听诊费时费力,存在因主观性偏差造成的误判。为解决此问题,首先利用小波多分辨率重构对肠鸣音信号进行预处理,达到肠鸣音降噪和增强的目的,然后提取肠鸣音的三种典型特征。根据特征组合设计了三级判决进行多参数的联合门限检测,实现了肠鸣音信号的检测和起止端点的定位,从而确保完整肠鸣音信号的有效提取。该研究采集了大量带标签的肠鸣音临床数据,并提出了新的算法评估方式对所提肠鸣音检测算法进行实验验证,准确率达83.51%。该算法将为肠道疾病诊断和患者术后肠道功能恢复的监测提供理论保障和算法支持。

关键词：肠鸣音多分辨率重构多特征联合分形维数

在线全文

学校读者我要写书评

暂无评论

基于多特征联合的太赫兹药品检测方法

太赫兹科学与电子信息学报 2020年第2期18卷 190-195,254页

作者：王天鹤吴紫阳丁金闪张玉洪西安电子科技大学雷达信号处理国家重点实验室陕西西安710071 西安电子科技大学电子工程学院陕西西安710071

以药品为研究对象,利用太赫兹时域光谱系统对3种不同药品进行测量并提取折射率、介电常数和物质因子等多个特征参数,然后联合多个特征参数作为输入,采用后向传播(BP)神经网络、支持向量机(SVM)和学习矢量化(LVQ)3种机器学习方法分别对... 详细信息

以药品为研究对象,利用太赫兹时域光谱系统对3种不同药品进行测量并提取折射率、介电常数和物质因子等多个特征参数,然后联合多个特征参数作为输入,采用后向传播(BP)神经网络、支持向量机(SVM)和学习矢量化(LVQ)3种机器学习方法分别对药品进行多特征联合检测分类识别。实验结果表明,多特征联合检测方法识别准确率能够达到95%以上,有效提高药品的检测分类准确度,可用于药品的检测和分类识别。

关键词：太赫兹时域光谱技术多特征联合机器学习药品检测