传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分...传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.展开更多
针对传统高斯混合模型(GMM,Gaussian mixture model)难以自动获取类属数和对噪声敏感问题,提出了一种基于可变类空间约束GMM的遥感图像分割方法。首先在构建的GMM中,将像素类属性建模为马尔可夫随机场(MRF,Markov random field),并在此...针对传统高斯混合模型(GMM,Gaussian mixture model)难以自动获取类属数和对噪声敏感问题,提出了一种基于可变类空间约束GMM的遥感图像分割方法。首先在构建的GMM中,将像素类属性建模为马尔可夫随机场(MRF,Markov random field),并在此基础上定义其先验概率;结合邻域像素类属性的后验概率和先验概率,定义噪声平滑因子,以提高算法的抗噪性;在参数求解过程中,分别采用可逆跳变马尔可夫链蒙特卡罗(RJMCMC,reversible jump Markov chain Monte Carlo)方法和最大似然(ML,maximum likelihood)方法估计类属数和模型参数;最后以最小化噪声平滑因子为准则获取最终分割结果。为了验证提出的分割方法,分别对模拟图像和全色遥感图像进行了可变类分割实验。实验结果表明提出方法的可行性和有效性。展开更多
发电机是风电机组中的关键部件,然而由于运行环境恶劣、内部结构复杂,发电机发生故障的概率较高且维修困难.针对此问题,提出了一种基于SCADA(supervisory control and data acquisition)数据的发电机健康状况的评估方法.首先结合专家经...发电机是风电机组中的关键部件,然而由于运行环境恶劣、内部结构复杂,发电机发生故障的概率较高且维修困难.针对此问题,提出了一种基于SCADA(supervisory control and data acquisition)数据的发电机健康状况的评估方法.首先结合专家经验并分析状态变量间的相关性,识别出与发电机运行状态具有较强关系的变量和冗余变量,在此基础上进行合理的特征选择.然后利用历史多维状态信息,采用发电机健康运行时的数据建立基于高斯混合模型(GMM)的健康基准模型.最后设计一种基于马氏距离的健康衰退指标(HDI)用于评判发电机的健康状况.利用上海电气某风场2016年的SCADA数据对本文方法进行验证,结果表明,该方法可以准确地跟踪发电机运行状态的变化过程,起到了很好的故障早期识别作用且具有普适性.展开更多
针对传统视频监控系统存在的不足,提出了一个基于人脸检测的智能视频监控系统。首先,简述了人脸检测的发展历史和传统人脸检测算法在特征表达与分类器中存在的不足;随后,利用新兴的深度学习网络设计了人脸检测算法。该算法首先使用高斯...针对传统视频监控系统存在的不足,提出了一个基于人脸检测的智能视频监控系统。首先,简述了人脸检测的发展历史和传统人脸检测算法在特征表达与分类器中存在的不足;随后,利用新兴的深度学习网络设计了人脸检测算法。该算法首先使用高斯混合模型提取干净的背景图像,其次采用Goog Le Net网络提取图像的特征,利用长短时记忆网络(LSTMN)对序列的处理能力从特征矢量得到人脸位置及大小。系统运行在基于ARM的树莓派开发板上,采用香港中文大学Mall Street监控数据集对系统进行定性与定量测试,测试性能以查全率和查准率度量,其实验结果分别为55.4%和90.3%,表明该系统具有较强的人脸检测性能。展开更多
在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时...在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时判断制造过程故障源并进行在线调整,降低晶圆成品率损失.本文提出了基于一种流形学习算法与高斯混合模型动态集成的晶圆表面缺陷在线探测与识别模型.首先该模型开发了一种新型流形学习算法—局部与非局部线性判别分析法(Local and nonlocal linear discriminant analysis,LNLDA),通过融合数据局部/非局部信息以及局部/非局部惩罚信息,有效地提取高维晶圆特征数据的内在流形结构信息,以最大化数据不同簇样本的低维映射距离,保持特征数据中相同簇的低维几何结构.针对线上晶圆缺陷产生的随机性和复杂性,该模型对每种晶圆缺陷模式构建相应的高斯混合模型(Gaussian mixture model,GMM),提出了基于高斯混合模型动态集成的晶圆缺陷在线探测与识别方法.本文提出的模型成功地应用到实际半导体制造过程的晶圆表面缺陷在线探测与识别,在WM-811K晶圆数据库的实验结果验证了该模型的有效性与实用性.展开更多
文摘传统的高斯混合模型(Gaussian mixture model,GMM)算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科夫随机场(Markov random field,MRF)模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.
文摘发电机是风电机组中的关键部件,然而由于运行环境恶劣、内部结构复杂,发电机发生故障的概率较高且维修困难.针对此问题,提出了一种基于SCADA(supervisory control and data acquisition)数据的发电机健康状况的评估方法.首先结合专家经验并分析状态变量间的相关性,识别出与发电机运行状态具有较强关系的变量和冗余变量,在此基础上进行合理的特征选择.然后利用历史多维状态信息,采用发电机健康运行时的数据建立基于高斯混合模型(GMM)的健康基准模型.最后设计一种基于马氏距离的健康衰退指标(HDI)用于评判发电机的健康状况.利用上海电气某风场2016年的SCADA数据对本文方法进行验证,结果表明,该方法可以准确地跟踪发电机运行状态的变化过程,起到了很好的故障早期识别作用且具有普适性.
文摘针对传统视频监控系统存在的不足,提出了一个基于人脸检测的智能视频监控系统。首先,简述了人脸检测的发展历史和传统人脸检测算法在特征表达与分类器中存在的不足;随后,利用新兴的深度学习网络设计了人脸检测算法。该算法首先使用高斯混合模型提取干净的背景图像,其次采用Goog Le Net网络提取图像的特征,利用长短时记忆网络(LSTMN)对序列的处理能力从特征矢量得到人脸位置及大小。系统运行在基于ARM的树莓派开发板上,采用香港中文大学Mall Street监控数据集对系统进行定性与定量测试,测试性能以查全率和查准率度量,其实验结果分别为55.4%和90.3%,表明该系统具有较强的人脸检测性能。
文摘在复杂的半导体制造过程中,晶圆生产经过薄膜沉积、蚀刻、抛光等多项复杂的工序,制造过程中的异常波动都可能导致晶圆缺陷产生.晶圆表面的缺陷模式通常反映了半导体制造过程的各种异常问题,生产线上通过探测和识别晶圆表面缺陷,可及时判断制造过程故障源并进行在线调整,降低晶圆成品率损失.本文提出了基于一种流形学习算法与高斯混合模型动态集成的晶圆表面缺陷在线探测与识别模型.首先该模型开发了一种新型流形学习算法—局部与非局部线性判别分析法(Local and nonlocal linear discriminant analysis,LNLDA),通过融合数据局部/非局部信息以及局部/非局部惩罚信息,有效地提取高维晶圆特征数据的内在流形结构信息,以最大化数据不同簇样本的低维映射距离,保持特征数据中相同簇的低维几何结构.针对线上晶圆缺陷产生的随机性和复杂性,该模型对每种晶圆缺陷模式构建相应的高斯混合模型(Gaussian mixture model,GMM),提出了基于高斯混合模型动态集成的晶圆缺陷在线探测与识别方法.本文提出的模型成功地应用到实际半导体制造过程的晶圆表面缺陷在线探测与识别,在WM-811K晶圆数据库的实验结果验证了该模型的有效性与实用性.
