关键词： 图像处理   输电线路   Retinex算法   特征提取   支持向量机  

摘要： 为输电线路安全运行提供基础,提出基于图像识别的输电线路状态智能监测方法。利用多尺度Retinex算法对输电线路图像增强处理,提升输电线路图像质量,利用Mallat多尺度小波变换方法提取输电线路图像边缘的小波系数特征,选取模糊支持向量机方法依据小波系数特征进行实现输电线路状态智能监测。实验结果表明,该方法处理后输电线路图像信息熵高,可以有效识别输电线路的绝缘子覆冰、输电导线舞动等异常状态,输电线路状态智能监控效果理想。

关键词： 多元信息融合   数字图像处理   特征表示   语义分割  

摘要： 本文旨在研究如何利用多元信息融合技术来突破数字图像处理的瓶颈。通过在图像预处理、分割、特征提取等关键环节引入自适应权重融合、多尺度分解、图卷积网络等方法,充分挖掘和融合图像的多尺度、多视角、多模态信息。实验结果表明:该技术在图像去噪、超分辨率、语义分割等任务上均取得了优于传统方法的性能表现。研究表明,多元信息融合可显著提升图像处理的精度、鲁棒性和泛化能力,为相关领域提供了新思路。

关键词： 弱监督信息   体育训练   动作定位   图像处理  

摘要： 为了实现体育训练关键动作的精准定位,提出基于弱监督信息的体育训练关键动作定位方法。本文基于分析帧间差分法采集能够组成连续静态帧的视觉图像,并通过多帧图像的像素差异来检测运动目标,实现视频帧图像中的体育训练动作检测;对视频帧二值图像进行形态学处理,提取体育训练关键运动特征;利用BP神经网络构建分类器,提取包含关键动作的弱监督信息;创新性地基于弱监督学习思路,设计包含视频特征提取模块、视频帧级动作分类模块、上下文注意力模块的弱监督学习框架,进行体育训练关键动作定位。实验结果表明:利用本文的设计方法可以产生较准确的训练关键动作时序定位效果,所获取的mAP值最高值为49.52、最低值为25.63。在应用过程中所产生的实际内存占用量为2145MB、参数量为15.3M、整体定位消耗时间为8.36ms,算法整体复杂度较低,具有较好的实际应用效果。

关键词： 注意力机制   低分辨率图像   量子算法   量子计算   量子神经网络   量子聚类   图像目标检测   商业银行  

摘要： 随着量子计算的迅猛发展,以量子神经网络、量子支持向量机、量子聚类等为代表的一系列量子算法展现出良好的应用潜力,并逐步在我国金融领域相关场景得到验证。华夏银行面向量子计算在图像目标检测领域的应用进行深入探索,创新将量子变分线路与注意力机制相结合,构建量子注意力机制,并将其引入YOLOv5网络中进行图像目标检测。实证结果表明:基于量子注意力机制改进的YOLOv5算法能够有效提升在低分辨率图像上检测目标物体的能力,为图像目标检测应用提供新思路和新方法。

关键词： 图像处理   YOLOv7   农作物虫害   目标检测  

摘要： 为提高农作物虫害检测的准确率和效率,提出了一种基于YOLOv7的农作物虫害识别模型。首先,使用信息聚集−分发机制改进YOLOv7的特征融合模块,增强了不同层级之间的特征融合能力;其次,将损失函数替换为最小点距离交并比来计算边界框回归损失,更好地对齐预测框和真实目标框,提高了边界框回归的准确性;最后,通过在SPPCSPC层后添加感受野增强模块,增强了模型对小尺度害虫的识别能力。实验结果表明,改进后的YOLOv7模型平均准确度为80.4%,精确率为85.3%,召回率为75.1%,较改进前分别提升了3.4%、3.2%、2.6%。该模型对农业害虫具有更好的识别效果和鲁棒性,为农业害虫监测与防治提供了更准确和可靠的工具。

关键词： 多源遥感   FPN   多尺度   深度学习   河湖管理  

摘要： 为满足水利部关于河湖“清四乱”常态化规范化的要求,研发一套基于卫星遥感影像粗提取与无人机影像精识别相结合的“四乱”识别技术体系,采用FPN多尺度目标检测的深度学习模型,解决了传统遥感影像处理及人工目视解译存在的时效低、成本高、误差大等难题,实现了对多尺度、多类型、小目标的“乱占”、“乱建”等嫌疑区的快速识别和精准定位。与未融合FPN的识别模型相比,“乱建”目标识别的精确率、召回率和平均精度指标(AP)分别提升2.7%、5.7%和4.0%,“乱占”目标识别的精确率、召回率和平均精度指标(AP)分别提升13.8%、0.5%和6.0%。在河湖管理、水政监察执法等方面具有较好的应用潜力和价值。

关键词： 目标检测   YOLO   SSD   Faster R-CNN   视频监控   算法优化  

摘要： 随着视频监控系统的复杂性增加,海量、实时且准确的视频监控目标检测变得至关重要。现有的视频目标检测算法如YOLO、SSD和Faster R-CNN各有优劣,且对于海量视频进行目标检测,单一算法均难以满足不同的视频检测需求。鉴于此针对视频目标检测,提出了一种混合的目标检测算法,该算法结合了YOLO的快速检测能力、SSD的多尺度处理优势以及Faster R-CNN的高精度特点,旨在优化视频监控的性能。通过在合成数据集和真实世界数据集上的实验验证,该混合算法在速度和准确性上均展现出显著改进,特别是在处理小目标和高密度交通场景时的表现良好。

关键词： 红外图像   目标检测   多尺度局部对比度   图像方差  

摘要： 针对复杂场景下存在背景变化剧烈、杂波较多、信噪比低而造成红外弱小目标检测准确率低、虚警率高的问题,提出利用图像全局信息与局部对比度结合的红外弱小目标检测算法。算法利用方差和信杂比对图像的所有像素点统计分析,将图像做全局处理得到特征图,以适应灰度变化剧烈的复杂背景,同时抑制大量平缓背景杂波,提高目标的信杂比。针对特征图中主要存在的强背景边缘噪声和高亮像素点噪声,采用加权绝对方向平均差(weighted absolute directional mean difference,WADMD)算法,将目标与背景的强度差异作为加权系数,计算目标与各方向背景的绝对平均差,并使用判断门限抑制负对比度,抑制高亮度噪声的同时,提高目标的显著性。实验表明,与对比算法相比,本文算法能够适应多变的复杂背景,对目标信杂比提升更明显,鲁棒性更好。

关键词： 水下生物识别   目标检测   YOLO v8n   Wise-IoU   可变形卷积网络   分数阶傅里叶变换  

摘要： 水下生物目标检测是实现水下机器人自动化捕捞的关键性技术。针对水下生物目标检测任务中存在的目标重叠、遮挡以及目标尺度小而导致的误检、漏检等问题,提出了一种基于改进YOLO v8n的水下生物目标检测算法FDC-YOLO v8。首先,在主干网络中使用融合可变形卷积网络的FDC模块,以增强模型特征提取能力,提升其提取特征的丰富度。其次,引入融合分数阶傅里叶变换和空间注意力机制的FrSAConv模块,进一步分离多样目标特征,增强模型对多种特征的感知能力。最后,引入Wise-IoU损失函数作为模型边界框损失函数,以更好地解决目标不平衡以及尺度差异的问题。使用RUIE数据集进行实验,水下生物包括海胆、海星、海参、扇贝。实验结果表明,改进后的FDC-YOLO v8的平均精度均值达到85.3%,较基准模型提升2.6个百分点,推理速度达到769 f/s,在目标重叠、遮挡以及小尺度目标的水下生物目标检测中有更好的表现。

关键词： 铁路隧道   隧道洞口定位   试验研究   图像拼接   多通道   线阵相机   图像处理  

摘要： 隧道洞口图像拼接是隧道衬砌裂缝检测系统的重要环节。以一条线路的多通道隧道洞口图像为基准,提出了一种多通道线阵相机隧道洞口图像拼接方法,该方法基于图像处理分为粗定位、精识别两阶段,可有效提高隧道图像拼接的效率和准确性。试验结果表明,该方法在隧道洞口图像拼接试验中的成功率为82%,能有效降低人工成本,提高工作效率,从而促进隧道衬砌裂缝检测的自动化发展。