关键词： 车载激光点云   道路标线提取   拓扑结构   语义分割   目标检测  

摘要： 道路标线是重要的交通标志信息,车载激光雷达点云为道路标线的提取提供了高精度的三维坐标和反射强度信息。由于扫描距离、目标材质等因素影响,不同目标会表现为相近的强度值,给道路标线的提取带来干扰;道路使用过程中的磨损老化会破坏标线原有的结构,造成标线提取后出现间断不连续问题;此外,道路标线种类多样且实际中出现的概率不同,导致分割网络提取结果中样本较少的类别分类精度较低。为此,本文提出了一种可准确提取各类标线并具有拓扑稳健性的分割+分类两阶段提取方法。首先,使用多层感知机自适应学习强度与其影响因素之间的关系,对路面点云进行强度改正;然后,提出链式空间拓扑网络LST-Net对道路上的所有标线进行语义分割,引入行列卷积、注意力机制捕捉标线结构信息,加入拓扑惩罚对其训练,确定标线的位置;最后,使用YOLOv5对标线进行检测,单独训练分类网络,解决分割中样本不均衡的问题,完成对标线的分类。在不同场景的3份车载点云上进行试验,结果表明本文方法标线提取精度达到94.1%,召回率达到95.6%,具有较强的实用性和有效性。

关键词： 低光照图像增强   上下文注意力   自适应融合   图像处理  

摘要： 在照明环境不良的情况下获取到的图像具有可见性低、对比度差、色彩失真以及噪声等问题,严重地干扰了其在后期图像处理中的使用。为了改善这种情况下采集图像的质量,以获得图像中更多有用的信息,针对上述存在的问题,提出了基于上下文注意力的自适应低光照图像增强方法。该方法首先通过卷积对图像进行初步的特征提取,获得四个不同上下文信息的特征;再利用含有像素和通道注意力机制的特征增强模块对提取出的特征进行提炼;最后将学习到的增强特征输入自适应融合调节模块与前面的浅层特征进行融合调节,恢复出符合真实光照的图片。实验结果表明:相比较于一些经典算法,所提出的方法在主观视觉感受上及客观评价指标(PSNR,SSIM,MAE)上均能够得到较好提升。

关键词： 图像融合   YOLOv7   目标检测   小目标   夜间樱桃识别  

摘要： 针对樱桃检测算法无法对夜晚环境下的樱桃进行成熟度识别的问题,提出一种改进的YOLOv7算法:YOLOv7-Cherry。使用一种将夜间樱桃图像和白天相同位置的樱桃图像相融合的图像预处理方法,保留夜间樱桃图像高空间分辨信息的同时加强其光谱分辨率。在YOLOv7-Cherry中,将CBAM注意力机制插入到骨干网络中,利用注意力机制强化神经网络的表征能力,强调重要特征,忽略次要特征,加强对樱桃目标特征的提取;为了加强目标检测算法对图像中小樱桃的识别,增加小目标检测层;改进了原始网络的初始检测框大小;为了减少遮挡对樱桃目标造成的损失,对检测框使用了Soft-NMS方法进行冗余去除。实验结果表明,YOLOv7-Cherry可以有效地识别出夜晚环境下的成熟樱桃和未成熟樱桃,与YOLOv3、Faster-RCNN、YOLOv4、YOLOv5和原YOLOv7相比,YOLOv7-Cherry的mAP提高了26.88、25.05、22.51、17.11和7.66个百分点,其中,识别精度、召回率、mAP和F1为93.9%、94.7%、97.4%、94.3%。

关键词： 智能监控系统   计算机   图像处理技术  

摘要： 智能监控系统采集信息以图像为主,而图像处理技术主要用于图像分析以解决图像模糊、存在噪点的问题,因此可引入图像处理技术优化智能监控系统的性能。基于智能监控系统的基本概念,文章分析了计算机图像处理技术的特点,以提高初始图像处理效果为目标,提出了科学应用图像处理技术全面提升智能监控系统性能的措施,有一定的参考价值。

关键词： 核桃目标检测   产量预测   注意力机制  

摘要： 核桃果实的识别可以应用于大型核桃种植园区的产量预测工作。精准地识别出核桃树上的果实,对提高产量预测准确率具有重要的意义。为了解决目前存在的挑战,提出了一种Attention-YOLO核桃目标检测算法,用于精准识别无人机遥感图像中的核桃,达到为核桃产量预测提供技术支持的目的。首先,引入CBAM注意力强化Backbone网络,提升算法的特征提取能力;然后,使用多重注意力机制模块重塑原始Head层,优化目标定位精度。实验表明:Attention-YOLO算法对核桃的检测精度(mAP0.5)达到了92.6%,召回率(R)达到了96%,相比于其他的主流模型均具有明显优势。

关键词： 文物保护   计算机视觉   三维重建   COLMAP   神经辐射场  

摘要： 针对文物建筑保护面临的三维重建挑战,文章研究开发了一种名为FS-NeRF的新模型。基于F2-NeRF模型,结合S3IM技术,通过神经辐射场(NeRF)实现高效的三维重建。利用手机影像数据,采用运动恢复结构(SfM)方法进行预处理,并引入透视扭曲和自适应空间划分技术,提高了模型的重建速度和质量。在对云南石钟山石窟数据集的实验中,FS-NeRF在训练效率、PSNR、SSIM和LPIPS等评估指标上表现出色,并在LLFF数据集中展示了其良好的泛化能力。研究表明,方法不仅提升了文物建筑重建的效率和质量,还为数字化保护和虚拟展示提供了新的解决方案。

关键词： YOLOv8s   小目标   轻量化   BiFPN   目标检测  

摘要： 小目标检测一直是目标检测领域的热点,而航拍小目标图像具有尺度变化大、视角和姿态变化多样等特点,容易造成漏检、误检。针对这些问题,提出基于YOLOv8s改进的轻量化小目标检测算法。首先,在Backbone部分使用CESE_C2f模块,利用轻量化注意力机制提升检测效果并降低参数量;其次,根据BiFPN思想设计新的网络结构,充分利用已有网络信息加强深层与浅层特征信息的融合;最后,使用新的轻量化检测头LW_Detect(Lightweight_Detect)大幅度降低运算量与参数量,以满足实时性要求。实验结果表明,所提算法在Visdrone数据集上的mAP50和mAP50:95分别达到41.4%和24.9%,相较原始YOLOv8s算法精度提高了1.6%和1.3%,参数量和运算量降低了36.8%和42.8%。

关键词： 毫米波雷达   非视域   主成分分析   目标检测   多径利用  

摘要： 基于77 GHz调频连续波雷达,提出了一种在非视域环境下利用电磁波的多径效应从而实现人体目标检测的方法。首先,建立一个多径传播模型,并通过深入分析该模型,提出了一种有效的二维坐标点云生成方法。为了提高波达方向的测量精度,并满足实时性要求,提出了一种基于最小方差无畸变的改进方法来估计目标的波达方向,这一方法通过迭代求逆运算,显著地降低了运算复杂度。然后,针对多余的静止杂波,引入了主成分分析的杂波抑制手段,通过对回波数据的主成分分析,滤除了第一个主成分并重构数据,以达到杂波抑制的效果。最后,实验结果表明,所提方法可以准确地检测雷达视线外的目标。这一研究为未来的雷达技术应用提供了新的思路和技术支持,特别是在安全监控和自动驾驶等领域。

关键词： 无人机低空遥感   煤炭自燃监测   卷积神经网络   图像处理  

摘要： 煤矿储运过程中的自燃现象严重威胁着煤炭的质量安全与环境保护。针对煤炭自燃监测反应迟缓、覆盖范围有限且无法实现实时监控等问题,提出一种基于无人机低空遥感技术的储运煤炭自燃监测新方法。无人机飞配备多光谱热成像传感器,实现针对储运煤堆的低空快速巡检。采用三维建模软件构建储煤场三维温度模型,实现对煤堆温度异常点进行实时监测。不仅可以有效预防煤堆自燃和变质等问题的发生,还能为煤场的安全管理提供了强有力的技术支持。通过实地调查研究,实测的20个采样点温度与红外热成像三维模型的温度的均方根误差为1.26 ℃,平均相对误差为3.8%,证明无人机热红外遥感影像构建的储煤场三维模型所描述的温度范围和实际温度基本一致,从而证明本文方法具有较高的精度和实用性。

关键词： 红外目标检测   可变形卷积   注意力机制   量化感知训练   目标检测头  

摘要： 针对航拍场景下红外目标对比度低、识别精度差、检测难度大等问题,提出一种基于注意力与量化感知的航拍红外目标检测算法.首先,利用DCNv2替代ELAN模块中的3×3卷积,构建了DC-ELAN模块,有效提升了模型捕捉局部和全局特征的能力,进而强化了网络的特征表达能力;其次,通过巧妙地将SE注意力机制融入SPPCSPC模块和ELAN模块中,设计出了SE-SPPCSPC模块和SE-ELAN模块,有助于增强特征图的空间自注意力,模型能够更好地关注目标区域;此外,引入QARepVGG模块,提升模型的量化感知能力并增强其对量化误差的鲁棒性;最后,引入DyHead模块,该模块可以根据输入图像的不同动态调整检测头,提高模型对不同大小、形状目标的检测能力,从而进一步提高红外目标检测的准确性和鲁棒性.实验结果表明,相较于原模型,改进后的YOLOv7-tiny模型在计算量未增长的情况下, mAP@0.5值提升了3.4%, mAP@0.5:0.95值提升了4.8%,显著提高了模型检测精度.