关键词： 高光谱图像   目标检测   空谱融合   特征增强   变分自编码器  

摘要： 为了充分利用高光谱图像的空间和光谱信息，解决目标训练样本不足和小像素目标被误认为是背景而检测不到的问题，提出了一种基于空谱重构和算子加权的高光谱目标检测方法。该方法不需要进行目标和背景像元的粗分离，通过空谱联合全面学习图像特征，使用双曲正切函数得到一种特征增强系数，增强目标和背景之间的对比度；利用主成分分析法获取保留显著特征的特征向量矩阵，并构造一种算子，将数据投影到新的主成分空间，最后在新的空间中使用算子对原始图像和增强后图像的均值进行加权，实现目标检测。本文方法在6个高光谱图像数据集上进行实验，结果表明，所提方法能有效地检测出目标，并优于对比方法，平均检测精度达到了99.8%，验证了该方法的准确性和鲁棒性。

关键词： 环视图像   三维目标检测   注意力机制   时序融合  

摘要： 为了解决当前基于环视图像的纯视觉三维目标检测算法难以兼顾、均衡精度和计算速度的问题，提出一种基于改进DETR3D的环视图像三维目标检测算法。算法整体框架基于DETR3D的编码器解码器架构：在图像特征提取分支外增加3D位置编码器以增强图像特征，为物体查询向量定义两个分量来表示物体边界框和实例特征；在解码器部分引入基于欧氏距离的多尺度自适应注意力机制以捕捉3D空间中的多尺度信息，提高对于自动驾驶场景中复杂多样物体的检测能力；在特征采样部分引入时序信息，通过连续多帧图像的特征对齐来提高当前帧下的物体检测精度，并使用多点采样提高采样过程的鲁棒性。在nuScenes数据集上进行实验，实验结果表明，和基准算法相比，所提算法在检测精度和计算速度方面分别提高了17.1%和4.22倍，且能够检测出遮挡环境下的物体。

关键词： Object recognition  

摘要： Remote sensing-oriented object detection is a challenging task in computer vision because traditional horizontal bounding box representations cannot accurately locate remote sensing targets that have various scales, arbitrary orientations, and dense arrangements. The widely used five-parameter oriented bounding box representation increases the complexity of model training because of the periodicity of the orientation angle and the interchangeability of edges. To address these issues, this study proposes an elliptical equation-based remote sensing-oriented object detection network called EllipticNet. EllipticNet decouples the problem of predicting the orientation angle into two subproblems quantitative angle regression and rotation direction classification. The proposed method combines the major and minor axes of the ellipse and its center to describe the remote sensing-oriented target accurately, thereby overcoming the boundary discontinuity problem of five-parameter oriented bounding box representation. Additionally, a novel ellipse-constrained loss function is designed to enhance the intrinsic geometric relationship between ellipse parameters, thus improving the robustness of EllipticNet training. A layer-wise dilated spatial pyramid pooling module is also proposed to substantially enhance EllipticNet’s ability to represent multiscale features. The proposed method is validated on three commonly used public remote sensing datasets, namely, DOTA, HRSC2016, and UCAS_AOD. Results demonstrate that the proposed method is competitive in terms of performance and efficiency and has practical value in remote sensing-oriented object detection. © 2025 Science Press. All rights reserved.

关键词： 煤矸石   目标检测   改进YOLOv8s   轻量化   实时分选  

摘要： 煤矸分选是煤矿生产的必要环节，煤矸自动识别是实现智能化分选的前提。基于深度学习的煤矸石目标检测可以充分利用图像特征，其精度上限高，但存在模型计算量较大、难以部署实时分选现场等问题。针对上述问题，提出轻量级的DVBS-YOLOv8s煤矸石目标检测方法。为了提高模型的推理速度，在YOLOv8s的网络骨干部分引入DSConv和Vanillanet模块，在网络颈部引入Slim-neck实现轻量化；为了提高模型对皮带背景和煤矸石目标的特征抓取能力，引入BoT和Slim-neck;最后利用WIoU和Soft-NMS算法增强训练效果。搭建图像采集试验平台，并自建14 790张煤矸石图像作为数据集进行试验，结果表明，在煤矸石目标检测任务中，与YOLOv8s相比，改进后的DVBS-YOLOv8s-WS网络模型更加关注全局特征，增大了感受野，同时推理速度加快了32%;与YOLOv5系列、YOLOv7系列、SSD、Faster-RCNN和YOLOv8s相比，检测精度和速度均有所提高，为实现基于深度学习的煤矸石高精度实时分选提供了参考。

关键词： 图像处理   m邻接点分支去除   热伸长量测量   非接触测量   刀具补偿  

摘要： 为解决数控铣床加工过程中出现的刀具热伸长问题，采用非接触测量方式对球头铣刀的轴向热伸长量进行测量计算。首先，通过相机捕获铣刀加工完成后的视觉数据，随后采用Matlab编程环境对捕获到的铣刀图像执行一系列的预处理步骤，以增强图像质量并便于后续分析。再对预处理后的图像进行边缘检测，得到铣刀的单像素边缘图像，同时利用细化法及m邻接点分支去除法得到刀具轴线；将铣刀边缘图像与轴线叠加，找到两组图像的交点，即刀具的刀尖点，通过对铣刀加工前、后刀尖点的坐标差计算，得到刀具的轴向伸长量；最后通过相机标定，计算出刀具刀尖点的轴向伸长量。该测量过程可实现对铣刀的加工变形量在机快速检测，测量结果可用于刀具补偿，对提高铣削加工精度和质量具有一定促进作用。

关键词： 红外图像   目标跟踪   压缩感知   空时加权   遮挡检测   贝叶斯分析  

摘要： 为了有效解决了遮挡、运动模糊、拖尾等干扰影响下跟踪漂移的问题，本文提出一种基于两阶段时空加权特征的红外目标跟踪算法，该算法将目标区域分割成相同尺寸的非重叠区域，并根据相距目标中心的位置信息分配不同的权值，以此推导出具有自适应时空加权贝叶斯分类器；然后，利用改进的度量准则找出具有最大类差的分类样本，具有较高的跟踪适应性，且在目标被遮挡时具备对目标的重捕和跟踪。仿真实验表明，相比SiamFC等主流跟踪算法，所提算法在LSOTB-TIR目标跟踪数据集中重叠率和中心误差指标上均实现显著优化，大幅提升了跟踪稳定性与定位精度，且跟踪速度达到56帧/s，适合工程应用。

关键词： 图像处理   海洋光学图像   局部补偿模型   非下采样轮廓波变换   Retinex   图像增强  

摘要： 机载海洋耀斑光学图像亮度差异大，图像增强结果易出现对比度低、细节纹理丢失的问题，为解决该问题，提出基于局部补偿和非下采样轮廓波变换（NSCT）的海洋耀斑光学图像增强算法。首先采用均值滤波和最大类间方差方法将图像分割为高亮耀斑区和低照度海区：对高亮耀斑区采用对比度受限的自适应直方图均衡（CLAHE）算法均衡图像亮度；对低照度海区采用NSCT算法分解获得低频子带和高频子带。接着对低频子带采用多尺度Retinex算法校正照度不均匀性，对高频子带采用拉普拉斯增强算子提高纹理细节。对处理后的子带进行NSCT重构，采用CLAHE方法进一步提高低照度海区的对比度。最后利用改进的局部补偿模型调整低照度海区的亮度和对比度，获得最终增强图像。实验结果表明，与现有方法相比，所提方法的图像信息熵、平均梯度和对比度平均提升了1.35%、40.62%和77.15%，能有效提高图像亮度、对比度和海浪纹理细节。

关键词： 图像处理   边缘检测   滤波降噪   数理统计  

摘要： 针对图像边缘去伪降噪保边问题，提出了一种基于边缘物理连续性和噪声分布随机性假设，运用数理统计分析的边缘滤波降噪与边缘保持的处理方法。首先，建立了离散型边缘的孤立噪声、连续噪声、伪边缘的物理模型，并使用一阶梯度表征边缘起伏大小，使用二阶梯度表征邻域边缘起伏趋势，通过梯度组合构建起噪声模板和伪边缘模板。根据目标边缘的实际形态，为了满足平滑连续的假设条件，可对原始数据做预处理，即通过分段坐标变换，使目标边缘趋势线归一到坐标轴上。然后，运用数理统计分析得到梯度阈值，并对边缘梯度数据进行噪声与伪边缘模板匹配，检索得到疑似虚假边缘。最后，通过选取疑似虚假边缘前后邻域的置信数据进行多项式拟合，利用离差值评价噪声分布，利用相关系数评价边缘特征，以完成噪声与伪边缘的验证。通过3种实例测试，分析了该方法对不同信噪比边缘的滤波降噪保边效果。测试发现，对于有明显噪声干扰的边缘信息（信噪比小于15 dB），该方法处理的降噪准确率和保边准确率均为80%以上。当信噪比为1.85dB时，降噪准确率达到82%，说明该方法对低信噪比滤波有良好效果。

ISBN: (纸本)9787111770206

摘要： 本书力求在有限的篇幅内尽可能覆盖图像处理的基础知识以及各重要分支。本书共分4部分: 第1部分 (第1-6章) 介绍图像处理基础知识 ; 第2部分 (第7-10章) 介绍图像分割、区域分析、边缘检测与尺寸测量、图像匹配等图像处理的各重要分支 ; 第3部分 (第11章) 介绍机器学习知识 ; 第4部分 (第12章) 介绍图像处理中的数学基础。

关键词： 采摘机器人   目标检测   深度学习   智慧农业   方法研究  

摘要： 目标检测是机器人采摘的关键环节，直接影响采摘质量和效率。文章介绍了基于传统数字图像处理技术的自动化检测方法和基于深度学习的目标检测方法，分析了各类检测方法在具体案例中展现出的独特优势和不足，并结合生产实际，探讨基于深度学习的人工智能技术在农业采摘领域的应用前景。