河南省科技攻关计划(0721002210032)
- 作品数：25 被引量：148H指数：4
- 相关作者：张五一赵强松肖俊明侯远韶彭喜英更多>>
- 相关机构：中原工学院河南工业贸易职业学院郑州华信学院更多>>
- 发文基金：河南省科技攻关计划河南省高校科技创新团队支持计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术轻工技术与工程更多>>
- 基于Matrox Odyssey XCL的图像采集处理系统研究
- 2008年
- 在建立织物疵点检测装置过程中,以VC++6.0为开发工具研发了基于Matrox Odyssey XCL图象采集卡的图象处理系统.分析了该系统的硬件结构及软件开发特点,并通过实例说明系统的编程设计和处理功能.
- 张五一王斌杨楷赵强松
- 关键词：织物疵点图像采集卡图象处理
- 基于小波神经网络的帘子布疵点智能识别技术
- 2009年
- 针对帘子布疵点图像特征,提出了将小波变换和人工神经网络技术应用在帘子布疵点检测上。在融合图像灰度的基础上,经小波变换后再提取分解子图像的特征值,利用BP神经网络进行图像分类。结果表明:对帘子布常见疵点如油污、破洞、抽经、断纬等能比较准确地识别。
- 肖俊明彭喜英李建建焦凌云张锐
- 关键词：小波变换帘子布织物疵点神经网络图像处理
- 帘子布图像灰度不均匀因素分析及校正方法研究被引量：1
- 2010年
- 为了解决线阵相机采集帘子布图像灰度不均匀的难题,介绍了帘子布的结构特点及以线阵相机为核心的帘子布图像采集系统,分析了光源、镜头、光敏单元等方面对图像灰度不均匀的影响.通过选用合适的光源、镜头及线阵相机平场校正方法进行实验,结果表明这些方法使得采集的帘子布图像灰度均匀性较好,减小了疵点识别的难度.
- 张五一耿世勇
- 关键词：帘子布疵点
- 一种新的基于感知字典的稀疏图像重建算法研究
- 2017年
- 针对已有图像重建算法分辨率低、需要大量计算的问题,本文提出了一种基于感知字典和数据自适应性的稀疏重建算法.首先,针对图像的数据结构,对样本数据进行超完备字典的训练,继而通过针对性的字典对图像进行稀疏重建.同时,为进一步改善算法的重建性能,并充分利用图像的有效信息,本文构造了数据自适应的感知字典.实验表明,该算法在不影响图像重建精确度的前提下可以减少计算复杂度,并具有良好的鲁棒性和较高的效率.
- 陈瑞瑞李爽
- 关键词：自适应数据结构
- 基于灰度剖面直方统计的帘子布疵点识别研究被引量：2
- 2009年
- 提出了运用帘子布图像的直线纹理特征,由概率统计生成灰度剖面直方统计图,有效地提取了帘子布图像的特征波形.波形特征参数对比能准确定位帘子布纹理结构的异常位置,正确识别帘子布疵点.该方法用于帘子布的缺陷检测,具有识别能力强、实时性好等优点,可以用于检测有规则纹理结构的物体表面及物体.
- 赵强松张五一王斌
- 关键词：纹理识别
- 图像采集处理系统开发
- 2008年
- 利用Matrox公司图像采集卡的高级图像处理及模式识别库(Matrox Imaging Library,MIL)开发的图像采集处理系统,可以进行图像采集、存储、显示、处理等操作,并通过一实例说明系统的功能。
- 赵强松张五一王斌
- 关键词：图像采集卡图像处理VC++
- 基于软件定义网络的多路径路由选择算法被引量：2
- 2020年
- 随着大数据的应用及智能化的发展,传统网络已无法满足需求不断升级及网络流量高速增加的需求.针对这一情况提出了一种新型网络架构即软件定义网络,突破网络和应用程序之间的不兼容,对整个网络资源进行合理配置和集中管理,达到网络数据的灵活可控,最终实现网络管理和配置的实时性及自动化,从而解决现存网络系统的网络阻塞以及不可扩展性.基于软件定义网络的多路径路由选择算法,通过定义权重变量,对控制器进行多方面均衡考虑,最终利用对多个目标的优化评估实现路由选择.通过仿真实验可知,该算法可以提升网络负载均衡性,避免链路拥塞发生,提升用户体验,保障网络性能.
- 魏波
- 关键词：路由选择负载均衡
- 基于二维稀疏表示和范数优化的织物疵点分类研究被引量：2
- 2012年
- 针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.
- 张五一侯远韶张继超杨扬
- 关键词：织物疵点
- 基于无监督特征选择和卷积神经网络的图像识别算法被引量：4
- 2018年
- 传统的图像识别算法需要采集大量的特征信息,造成数据的冗余进而带来维数灾难.针对这种情况,提出一种基于无监督特征学习和深度卷积神经网络相结合的图像识别算法.利用一种快速的无监督特征学习算法,对原始特征集合的内部进行建模从而发现高维数据中隐藏的低维结构,进而达到特征提取和维数约简的目的;而深度卷积神经网络可以提取输入数据的不同层次特征,将低层次特征高层化使之更加抽象,提高数据的代表性,增加图像识别的精确度.实验表明,本文算法在相同环境下可以降低数据的冗余性,提高算法的识别的有效性.
- 万萌冯新玲
- 关键词：神经网络图像识别
- 基于蚁群优化的特征基因选择算法被引量：1
- 2019年
- 传统的特征选择算法需要依靠大量的数据进行有监督训练,具有高维和小样本的属性,进而造成数据冗余,导致维数灾难。针对这一情况,提出一种基于蚁群优化的特征基因选择算法。该算法对传统的蚁群算法模型进行优化,改进蚁群算法的参数选择方法,利用特征对不同数据集的敏感度,寻找最优基因,滤除无关基因,将特征选择过程转化为蚁群寻找最优路径的过程。实验表明,该算法可以有效地对特征进行优化选择,在降低数据维数的同时,提高分类的准确性和时效性。
- 侯远韶
- 关键词：蚁群算法
