关键词： 计算机图像处理和识别技术   优势分析   具体应用  

摘要： 随着科学技术的不断发展，在信息时代的发展背景下，计算机技术在社会中得到了越来越广泛的应用。作为计算机技术的重要组成部分，计算机图像处理和识别技术的应用范围也在进一步扩大，通过对计算机信息数据的强化处理，在许多领域都发挥着重要的作用。基于此，本文主要从计算机图像处理和识别技术的概念入手，对计算机图像处理和识别技术的研究范围和需要用到的基本概念进行介绍，并对其优势进行分析，在充分了解计算机图像处理和识别技术应用过程的基础上，进一步探究计算机图像处理和识别技术在不同领域的具体应用，从而为计算机技术未来的发展方向提供更多思路，并为计算机技术的创新发展提供一定的参考作用。

关键词： 接触角   微流控   数字图像处理   毛管压力曲线   计算机视觉  

摘要： 随着我国多数油田进入高含水期,提质增效成为多数油田迫在眉睫的任务。研究高含水期微观油水渗流动态规律,有助于为提高采收率提供建议,而微流控技术在微观渗流研究方面有着广泛应用。目前尽管有较多关于微观油水驱替的可视化研究,但从图像视觉特征出发的定量识别与分析研究方法较少。微观剩余油赋存状态与油水接触关系有着紧密联系,缺乏基于图像信息测量三相接触角的方法。而当前对于微观油水渗流动态规律,少有使用微观数据体现整体规律的研究。针对上述问题,本文建立基于数字图像处理的微观三相接触角自动测量方法,分析各类条件下接触角变化规律,并将该方法编制为软件系统。首先,本文使用自适应二值化方法对岩石、油和水进行分离提取,借助邻域检测法识别接触角顶点,采用最小二乘思想拟合三相界面;根据三点相对位置计算接触角角度,并以接触角顶点为单位对接触角进行批量统计。人工测量结果、微流控模型的润湿性和毛管压力曲线的特征均验证了该方法的准确性和有效性。其次,通过分析不同驱替阶段、不同剩余油类型和不同孔喉环境下的接触角数据特征,本文明确了各条件下接触角的数量、均值和标准差的动态变化趋势,进一步揭示水驱各个阶段微观油水接触关系的动态变化规律。考虑接触角与孔喉半径分布特征,本文建立计算平均毛管压力曲线的模型,将微观接触角数据体现至微流控油水体系的整体动态规律上来。结合Brooks-Corey毛管压力计算模型,验证了计算模型的准确性。最后,基于Python语言,本文借助Open CV、Sci Py、Num Py等开源代码库设计和实现了微流控动态分析系统软件系统。软件把微观接触角自动测量方法及其分析流程转变为简便快捷的操作,凸显了程序批量分析图像的高效、准确、统一的优势。软件为微观驱替实验的定量识别分析提供了应用基础,有助于油田科研实验人员提升对微观剩余油分布、微观油水接触关系的认识。

关键词： 金融数据   经济学技术性指标   K线图   卷积神经网络   时间序列  

摘要： 由于金融时序数据的随机性且具有不同尺度的周期性等特点，造成金融时序数据难以预测。为此，早期的研究借助各种统计学分析方法，对金融时序数据的分布状态、数字特征和随机变量之间关系进行评估及建模。　　随着算力的飞跃式提升及深度学习的广泛研究，将深度神经网络应用于金融时序数据的预测分析，加速了人们对金融时序数据的认识及处理，挖掘了金融时序数据中所隐藏的特征及变化规律，并总结了一些金融时序数分析方法。但现有的研究多采用直接分析交易数据的形式，这与金融交易人员通过分析K线图(蜡烛图)以及各种分析指标所描绘的图像得出评判结果的方式有较大区别。　　为此，本研究基于金融数据图像以及指标图像的分析，摸索其中所隐含的变化规律特征。同时，借助于深度学习网络模型优秀的图像处理能力，通过学习训练，提取识别金融图像中大量特征及变化规律信息，从而在对历史金融图像分析的基础上，实现对未来发展趋势等的判断。　　其研究内容主要包括以下几个方面。　　1.基于经济学技术性指标及K线图的变化规律，把金融时序数据转换为正确的金融图像数据。为了获得金融图像中的信息特征并掌握K线图中市场走势规律，可以选择深度学习卷积神经网络模型(DCNN)来进行训练学习。为了避免在模型训练过程中出现拟合问题，本研究选择基于AlexNet经典模型进行改进。通过实验验证，训练后的模型能对未来一段金融市场价格涨跌趋势做出合理的判断分析。　　2.结合目标检测原理，将基于YOLOv3框架进行改进，并对获取的金融图像进行标注等处理。改进后的YOLOv3模型经过训练学习，可以准确地预测出一段金融市场波动中的转折点位置，并对转折点之后的金融跌涨趋势范围做出合理的判断。　　3.结合K线图理论，提出了一种基于LSTM模型的金融数据跨尺度预测方法。通过在训练模型中加入极值选择机制，发挥长短周期数据各自的优势，从而达到跨尺度预测效果。该跨尺度预测方法不仅降低了LSTM模型对金融时间序列数据预测的滞后性，也提高了预测精度。

关键词： 免疫荧光图像   电离辐射   图像预处理   图像分割   深度学习  

摘要： 免疫荧光图像被广泛应用到临床与科学研究中,尽管目前的成像技术已经能够从分子水平观察到细胞内特定的蛋白,但受制于现有图像的处理方法,只能利用商业图像处理软件进行简单的数字信息提取,不能深层次对荧光图像定量分析。常见的生物医学图像处理基本采用人工方式进行数字信息获取,该方法存在耗费时间长、可重复性差、准确度低等问题。同时,由于汞灯激发光衍射角限制导致图像模糊、重影;图像背景过曝、对比度偏低;实验过程中出现杂质干扰;抗原抗体存在非特异性结合等问题,加剧了免疫荧光图像的分析难度。另一方面,近年来计算机技术不断飞速发展,卷积神经元网络、深度学习、遗传算法等新理论、新技术日新月异。因此,如何将计算机领域的新方法与免疫荧光图像处理相结合,扩充分析方法的多元化,提高图像处理的精确度,成为一个被热切关注的研究领域。放疗是肿瘤三大治疗方法之一,通常情况下,肿瘤细胞在受到电离辐射后,参与细胞活动的相关蛋白、细胞器及细胞核等均会发生功能与形态学上的改变,本论文聚焦电离辐射后肿瘤细胞内细胞器（初级纤毛）、细胞核及蛋白定位的免疫荧光图像分析方法,展开基于数字图像技术的免疫荧光定量分析研究:（1）利用色彩分离不同颜色通道,运用最大类间方差法分离杂质,对比不同边界算子的轮廓提取效果,通过个性化改进已有算子的特性,提出一种初级纤毛免疫荧光图像的定量分析方法,该技术较传统手动测量方法更精确、更高效;（2）通过设置阈值进行图像预处理,启动从坐标位置开始的数字信息获取,迭代全局阈值分割法有效缓解了图像过曝引起的离散噪声,解决了细胞核内过度共定位判定的问题,利用该逻辑运算获得的免疫荧光共定位结果较传统方法更具真实性;（3）基于YOLOv5深度学习检测框架设计出肿瘤细胞核的自动识别与计数方法,通过该技术实现了对免疫荧光染色后肿瘤细胞核的动态识别与计数功能,为活细胞成像检测与分析提供了一种全新的方法。

关键词： 建筑外窗   气密性   缺陷检测   红外热成像   图像处理  

摘要： 建筑外窗作为建筑围护结构的组成部分,是围护结构的薄弱环节,对于外窗的气密性能而言,气密性能的高低会直接影响建筑的能耗。随着“双碳”和节能减排工作的推进,建筑节能是一个长期发展的目标,提升门窗的性能并减少门窗的耗能是提高建筑节能和降低建筑碳排放的重要途径之一。针对目前建筑外窗现场检测所面临的问题,依靠红外热成像技术的优势,寻求利用图像处理技术实现对外窗缺陷进行检测和计算的方法。首先提出利用红外热成像技术和图像处理技术对建筑外窗关键部位热工缺陷进行检测的方法,通过门窗气密性、红外热成像、图像处理三个方面的研究现状和相关理论,分析目前外窗检测存在的问题以及将红外热成像技术和图像处理技术应用于建筑外窗检测的可行性。其次,进行建筑外窗关键部位热工缺陷检测现场实验,实验包括外窗关键部位空气渗透检测现场实验和外窗红外热成像采集实验。通过实验,能够得到外窗的空气渗透量、外窗的渗漏面积、10 Pa压差环境和无压差的0 Pa环境下的外窗红外热成像图,为后续模型创建、程序的设计和确定提供数据和图像资料。然后,对建筑外窗关键部位热工缺陷检测程序进行初步设计,根据初始程序输出的结果与外窗关键部位空气渗透检测现场实验的结果对比,确定建筑外窗红外图像处理方法:选用加权平均法进行灰度化处理,中值滤波进行降噪处理,图像锐化和直方图均衡化进行图像增强处理,采用Roberts算法对外窗缺陷进行边缘检测,利用像素面积法对检测到的外窗缺陷进行面积计算。建立了10 Pa和0 Pa两个压差环境下的建筑外窗缺陷红外检测模型,使程序计算的外窗缺陷面积结果更加接近真实值。根据处理方法和检测模型,确定最终的建筑外窗关键部位热工缺陷检测程序,并对检测程序进行了验证,误差分别为2.71%和3.06%。程序的建立实现了对建筑外窗进行缺陷的检测和面积计算。最后,对建筑外窗关键部位热工缺陷检测进行应用。分析了外窗关键部位热工缺陷存在的常见部位和识别时应注意的重点部位,对各部位存在的缺陷提出维护措施。通过建筑外窗关键部位热工缺陷检测程序和建筑外窗空气渗透量计算模型,实现建筑外窗气密性能等级现场判定,对外窗气密性能等级现场判定的误差为4.04%。在建筑外窗缺陷的能耗分析中,以烟台地区为例,分析了因外窗缺陷产生的能耗增加比和因外窗空气渗透引发的能耗,实现了对外窗能耗的量化分析,外窗每减少1cm2的空气渗透面积,每年能够节能66146 k J,减少16 kg的CO2的排放;气密性能等级每提高1级,单位面积外窗每年能够节能110012 k J,减少27 kg的CO2排放。本文为建筑外窗缺陷检测、外窗气密性等级现场判定、外窗缺陷能耗分析提供一种新的思路和途径,在建筑外窗现场检测中具有一定的应用价值。

关键词： 铁元素分析   数字图像处理   微流控纸芯片   自然水体   机器视觉  

摘要： 铁(Fe)元素是生态环境中重要的常量元素,也是人体的必需微量元素。自然水体中,Fe是水体氧化能力传递的重要媒介,其价态及含量对维持水环境质量具有重要作用。因此,自然水体中Fe的浓度信息在环境科学、环境毒理学、生命科学、以及食品安全相关等领域中起着重要的作用。现有的检测水体中Fe元素的分析方法主要包括光谱法和质谱法,这些方法精度高、灵敏度好,但存在分析设备笨重、价格昂贵、以及对实验环境条件有较高要求等普遍问题,很难适用于现场环境下的Fe元素的检测。因此,研究建立一种分析精度高、成本低、操作简单、测定快速的自然水体中Fe元素的分析方法具有重要意义。针对传统的铁离子检测方法存在的问题,本文利用机器视觉、数字图像处理技术以及微流控纸芯片(μPADs),对水体中铁元素的检测方法进行了深入研究。论文首先对μPADs的制作方法进行探究。对μPADs的结构进行了设计,分析了丝网印刷法、蜡印法和融蜡法的μPADs制作效果,并在此基础上提出了一种新的μPADs制作方法,即“贴片法”。结果表明,“贴片法”制作方法过程简单,成本低、实用性强,且对实验环境和条件无特殊要求。然后,论文搭建了基于工业相机的μPADs彩色数字图像采集系统,利用MATLAB软件处理μPADs化学显色后的数字图像。本文研究了均值滤波和中值滤波的图像降噪效果,对比了阈值分割法、边缘分割法和区域生长法对图像ROI区的分割效果,并提取图像ROI区颜色分量的均量增值Δ(?)、ΔG、Δ(?)、Δ(?)、Δ(?)、Δ(?),用于后续数字图像定量模型的研究。最后,论文对μPADs数字图像的Fe浓度模型进行了研究。优化了盐酸羟胺(还原剂)和1,10-菲啰啉(显色剂)在μPADs上的添加量,研究了显色时间对μPADs数字图像质量的影响,然后,在0-100μM浓度范围内,建立了Fe浓度的μPADs数字图像数据集,分别利用一元和多元回归分析对Fe浓度模型开展研究。结果表明,以颜色分量均量增值Δ(?)、Δ(?)、Δ(?)为特征参数的多元性回归方程模型效果最佳,决定系数R为0.9932,均方误差MSE为5.6491,均方根误差RMSE为2.3768。论文提出的分析方法的检出限为2.53μM,检测范围为5-100μM,10次平行测定的相对标准偏差RSD小于3.0%,加标回收率达到94%,单次检测成本0.7元,具有成本低、操作简单、检测效率高、抗干扰能力强等显著优势,适用于自然水体中Fe浓度的快速检测。

关键词： 图像处理   亚像素边缘检测   特征识别   尺寸测量   精度分析  

摘要： 随着现代工业的发展,机械零件的尺寸精度也越来越高,零件检测是确保产品质量的重要环节。传统的人工检测方式检测精度和效率都很低,利用图像处理技术对零件检测具有检测精度高、实时性好的优点。本文以圆环零件为研究对象,圆环的最大尺寸不超过50mm,并设计了一套基于图像处理技术的尺寸测量系统,对圆环零件的内外圆直径以及同心度进行检测,并判断圆环零件的尺寸精度是否符合设计需求。主要研究内容如下:(1)提出了尺寸测量系统的设计指标和原则,对尺寸测量系统的硬件部分进行了总体设计。对硬件系统中的相机、镜头及光源进行了选型和设计;构建了软件系统的总体框架,利用C++结合Open CV视觉库和QT对软件系统进行开发,将软件系统分为软件界面模块、系统标定模块、图像预处理模块、尺寸测量模块等四个模块。(2)确定了由图像灰度化、ROI提取、图像滤波、图像阈值分割组成的图像预处理流程。提出了一种基于图像卷积的ROI提取算法,可以去除图像中的无关背景并提取图像的目标区域;对比了常用的四种图像滤波算法,基于噪声去除和边缘保持的要求,确定了中值滤波算法作为本系统的图像滤波算法;采用最大类间方差法对图像进行二值化处理。(3)像素级边缘检测中,研究了典型一阶微分算子、二阶微分算子、Canny算子以及数学形态学方法,验证了数学形态学方法在提取边缘的精细程度以及算法执行效率方面更有优势;确定了采用基于Zernike矩的亚像素边缘检测算法,针对Zernike矩算法在阈值判断时必须反复实验才能确定其相对灰度阈值的缺点,提出一种结合最大类间方差法的改进算法,利用实验验证了传统Zernike矩算法对图像边缘坐标点定位精度均小于0.393pixel,本文中的改进算法对边缘坐标点定位的定位精度均小0.168pixel,以此验证改进算法对亚像素坐标点的定位精度更高。(4)利用测量系统对圆环零件进行参数测量并对系统的测量精度进行分析。首先对同一圆环零件测量50次并分析测量结果,其结果均符合3?误差判别准则,且测量系统的尺寸波动最大误差为0.025mm,验证了系统的测量精度符合要求;其次对三种不同尺寸规格的圆环零件每种各取四个作为检测对象,根据测量的数据结果可知,系统能对圆环零件的尺寸精度是否符合设计需求作出准确的判断,验证了系统的适用性。

关键词： 推煤机定位   视觉惯性数据融合   模糊图像处理   IMU温度补偿   非线性优化  

摘要： 推煤机是运煤货船散货进行清舱作业所必需的设备,能够提高运煤货船的周转率,用途广泛,在煤炭运输的机械化施工中起着重要的作用。然而船舱内充斥着粉尘和噪声,不利于推煤机操作人员的健康,推煤机智能化驾驶对于降低人工操作参与量,保障作业安全具有重要意义。推煤机智能化驾驶首先要解决其自身定位问题,针对船舱内卫星信号被遮挡,定位信息误差大等问题,本文引入视觉/惯性组合定位系统用于推煤机定位。准确估计推煤机在船舱内所处位置是视觉/惯性组合定位系统工作的关键,而船舱内粉尘、振动和温度变化等现象是制约定位系统鲁棒性和精度的主要因素,本文主要针对这些因素开展相关数据预处理和基于非线性优化的数据融合研究以提高定位系统的鲁棒性和精度。本文主要研究内容包括: (1)针对船舱内粉尘给图像带来有雾模糊的问题,提出了一种基于暗通道和Retinex的改进图像去雾方法,针对车辆振动给图像带来的运动模糊问题,提出了一种结合IMU数据的基于自相关分析的运动模糊复原方法,并对上述两种方案进行仿真验证,结果表明经处理后的图像满足视觉定位的要求。针对温度变化对IMU零偏带来的影响,研究并建立了IMU的温度补偿模型,实验表明经补偿后的IMU数据均方根误差较小,有效降低了温度变化带来的影响。 (2)通过概率建模将推煤机定位问题构建成一个非线性最小二乘问题,利用基于特征点重投影的视觉误差、基于预积分的IMU误差和边缘化先验信息构建待优化的目标函数,确定系统相关的雅可比矩阵和协方差矩阵,用于组成正规方程的系数矩阵,利用高斯牛顿法对目标函数进行迭代求解。本文采用滑动窗口限制系统状态量不断增长带来的目标函数维数过大的问题,但由于推煤机运动缓慢,极易造成滑动窗口内图像冗余。针对于此,提出了一种基于推煤机运动特性的关键帧筛选策略进行图像选取,实验表明筛选后的图像序列间隔均匀,能够有效减少图像堆叠问题。研究并实现了系统的初始化工作,通过视觉惯性松耦合的方式得到相关状态量的初值。 (3)对本文研究方法进行基于公开数据集和模拟环境车载数据的验证。在公开数据集的图像序列上添加有雾和运动模糊模拟船舱内视觉环境,比较不同定位系统在存在粉尘和振动环境下的定位效果,实验结果表明相较单一视觉定位系统和不带图像预处理的视觉惯性组合定位系统,本文的定位系统鲁棒性更好,定位精度更高。对于模拟环境车载数据,进行了多组直线运动和任意轨迹运动的定位测试,其中直线运动定位误差均不超过20.6cm,任意轨迹定位误差与轨迹总长度比均不超过3%。

关键词： 故障诊断   深度学习   小波变换   直方图均衡化   域适应   数据不平衡   数据增强  

摘要： 随着工业4.0的发展,航空业、交通业、制造业等领域对设备的质量要求越来越高,故障诊断作为提高设备质量的一种重要手段,受到了工业界与学术界重点关注。以深度学习为代表的智能故障诊断方法成为当前研究的热点,取得了阶段性的进展,但在理论和实际应用中仍存在一些不足: (1)数据预处理不充分。目前基于深度学习的故障诊断方法大都直接采用原始数据作为输入,没有对数据进行充分预处理,数据质量低,导致深度学习模型性能差,无法满足实际应用需求。 (2)域适应性差。目前深度学习方法在某些特定的场景中具有较好的性能,但在不同场景下其性能波动性大,泛化能力弱,无法适应多场景下故障诊断的需要。 (3)数据不平衡。随着制造水平的提高,采集到的设备故障数据远少于正常数据,存在数据不平衡现象,导致模型训练产生过拟合,故障诊断效果无法达到实际要求。 基于此,本文重点研究多场景下故障数据预处理与故障诊断建模分析技术,提出一种基于时频分析和图像处理的轴承故障诊断方法,解决多场景下不平衡数据与变工况环境影响导致模型域适应差、故障诊断精度低的问题。本文的创新点如下: (1)提出一种基于通道拆分CLAHE和自适应阈值残差网络的时频图故障诊断方法(Feature Enhancement ResNet,FEResNet)。通过对故障信号做Morlet小波变换,挖掘变工况下振动信号隐含的判别性时频信息;设计通道拆分的CLAHE方法,提高时频图的对比度和清晰度,增强故障特征;将特征增强后的时频图输入到设计的自适应阈值残差网络训练,减少冗余特征对模型的干扰,重点解决多场景下变工况故障诊断数据预处理不充分问题。 (2)提出一种基于时频特征融合和Mixup数据增强的二维图像故障诊断方法。在原始信号的基础上融合时频特征、工况特征和时间差分特征形成新的特征信号,采用相空间重构理论将一维特征信号转换为二维图像信号,在训练时通过Mixup数据增强策略拓展数据的分布,提高模型抵御训练数据分布外的对抗样本的鲁棒性,利用残差网络进行故障诊断分析建模,解决多场景下变工况故障诊断模型域适应差的问题。 (3)提出一种基于时频特征融合和类别先验Priormixup数据增强的二维图像故障诊断方法。在原始Mixup数据增强的基础上加入类别先验信息,使模型在训练的过程中生成偏向于故障类别的样本,在拓展训练数据分布的同时扩增故障样本的数量,缓解样本不平衡问题。进一步地,基于注意力机制,引入ResNeSt网络训练模型,显著提高深度学习模型的故障诊断精度。

关键词： 图像处理   纹理特征   机器学习   图像分割   金相评级  

摘要： 制造业的快速发展对金属材料的需求日益增加,同时在质量方面也提出了更高的要求,因此金属材料性能检测技术就显得十分重要。传统金相分析方法效率低、工作强度大且受人为因素影响较大,并且,现有的计算机辅助金相组织分析系统仍存在着缺少分类、成分含量分析精度低等许多不足之处。本文以铸铁材料为研究对象,结合数字图像处理技术与机器学习算法对金相组织分析技术展开深入的研究。本文主要工作内容如下:(1)铸铁金相图像采集和预处理算法研究。根据相关标准制备铸铁金相试样,利用金相显微镜进行铸铁金相图像采集,对采集到的图像进行预处理,然后经过筛选、裁剪、设置标签等步骤,建立铸铁金相图像数据集。针对图像中含有噪声的问题,采用双边滤波算子在不影响图像边缘特征的同时去除噪声;针对图像中亮度不均匀的问题,采用限制对比度的自适应直方图均衡化方法予以解决,为后续图像分割和特征提取等研究提供有效的技术路径。(2)基于纹理特征和机器学习的铸铁金相组织自动分类识别技术研究。在特征提取方面,分别使用改进后的局部二值模式(C-LBP)和灰度共生矩阵(GLCM)提取铸铁金相图像的纹理特征,将提取到的不同特征进行串行融合,分析单一特征和融合特征对铸铁金相组织的识别效果。针对分类器的选择,对比不同核函数对支持向量机(SVM)泛化性能的影响,并使用灰狼优化算法(GWO)对SVM模型的参数进行优化,最后分析不同分类器对铸铁金相组织的识别效果,结果表明SVM模型的识别率可以达到99.17%,优于随机森林(RF)和极限学习机(ELM)。(3)铸铁金相图像分割和特征提取算法研究。提出一种基于混沌麻雀优化的KMeans聚类分割方法。用引入混沌序列的麻雀优化算法来优化K-Means的初始聚类中心,降低K-Means分割结果对初始聚类中心的依赖,Tent函数可以优化麻雀算法的搜索过程,能够更加快速准确的完成收敛。结果表明该算法的分割精度优于传统K-Means算法,平均运行时间为0.3674s,能够满足铸铁金相分析实时性的要求。对分割后的铸铁金相组织图像,采取形态学处理与连通域分析等操作,解决图像中噪声点的干扰问题,实现不同石墨区域的标号,计算出石墨的面积率、形状因子、最小外接矩形等特征参数,验证了基于数字图像处理的金相分析方法的精确性和可重复性。(4)铸铁金相分析软件设计。在本文研究的基础上,利用MATLAB软件中的App设计工具完成对铸铁金相分析软件界面的开发,实现铸铁金相组织分类识别、石墨颗粒特征参数提取以及利用提取的参数对铸铁试样进行评级等功能。软件评级结果与人工评级结果基本一致,但效率上更优,能够满足部分铸铁金相评级的需求。