关键词： 生物特征识别   掌静脉识别   图像处理   深度学习   K近邻算法   卷积神经网络   图迭代算法   图神经网络  

摘要： 深度学习在计算机视觉中具有强大的特征表达能力,近年来广泛应用于静脉特征的提取与识别。通常,基于深度学习的静脉识别模型在训练阶段,每次仅输入1幅图像及其对应的标签,学习图像与标签之间的映射关系,然而,这种每次只处理单幅图像的方法,难以捕捉不同类别多幅静脉图像之间的关系。为了解决该问题,提出一种基于深度学习的K近邻图迭代静脉识别算法。用较优的深度学习模型提取掌静脉图像特征;利用K近邻算法通过特征距离在训练集中选出最近的K幅图像及其标签,通过这些特征向量生成标签传播矩阵和标签矩阵;利用图迭代算法预测待分类图像的标签,完成分类。在香港理工大学和同济大学提供的掌静脉数据集上进行实验,最高识别精度分别为99.67%和92.72%。

关键词： 多波束水柱图像   目标检测   卷积神经网络   注意力机制   气泡羽状流  

摘要： 针对多波束水柱图像中气泡羽状流样本集小、检测困难的问题,提出了一种基于YOLOv8和注意力机制的改进模型:在YOLOv8目标检测框架的主干网络和颈部网络中加入三个相同的注意力机制模块。实验结果表明,分别加入不同的四种注意力机制模块得到的四个改进模型相较于原始模型的准确度都有提升,其中YOLOv8_TCA效果最佳,mAP0.5:0.95达到了66.7%,较原始模型提升了2.7%,较Faster R-CNN等其他模型效果也是最佳。

关键词： 目标检测   深度学习   数据合成   三维重建   域随机化  

摘要： 深度学习目标检测算法需大量训练数据支撑,数据增广是一种自动生成训练样本的有效手段。为在原始样本稀缺时提供大量高质量训练样本,提出一种基于三维重建的物体空间数据增广合成方法,克服现有数据增广要么需要复杂手工建模、要么样本视角多样性不足的问题。首先用少量多视角图像重建目标三维模型,再通过多域随机化图像渲染得到不同环境下任意视角图像,然后将渲染图与随机背景融合并自动生成标注信息,得到海量多样化合成样本。构建5种训练数据集并在典型目标检测算法上对上述增广方法开展实验验证,结果表明合成样本对原始稀缺样本数据集有显著增强作用,可大幅提高目标检出概率和目标检测定位精度,而且对一般数据集也具有很好的适用性。

关键词： 目标检测   多尺度特征提取   水下目标探测   注意力机制  

摘要： 水下目标检测已成为计算机视觉的热门研究领域之一,现有的水下场景数据集中的水下目标存在尺度分布跨度大且分布密集的问题。针对现有光学成像水下目标检测技术在挖掘、表征水下目标多尺度特征方面的局限性,提出了基于尺度序列特征金字塔和金字塔分割注意力机制的YOLOv7水下目标检测算法。首先,在YOLOv7算法基础上引入了一种新的尺度序列特征金字塔,以增强模型的多尺度特征提取能力;然后,引入一种高效的金字塔分割注意力机制,以提升模型提取细粒度多尺度空间信息的能力;最后,在2个公共数据集上进行了试验。试验结果表明,该算法在多种水体的不同目标上都能表现出较好的性能。

关键词： 深度学习   沟渠   实时监控   目标跟踪   霍夫优化投票  

摘要： 针对传统沟渠监控与跟踪精度低,导致沟渠监控实时性不佳的问题,提出一种基于深度霍夫优化投票的三维单目标跟踪算法。首先,采用面向目标特征提取方法对目标信息进行编码处理;通过投票和筛选方式生成高置信度的潜在目标中心;基于联合提议和验证生成最终预测结果。实验结果表明,提出的算法能够有效避免耗时的三维全局搜索,具备较强的鲁棒性。相较于传统SC3D三维点云目标跟踪算法,本算法的准确率和精准率分别提升了24.6%和26.7%,且在相同的测试集中可取得更低的计算复杂度。由此得出,提出的算法可实现沟渠的实时监控和准确跟踪。

关键词： 堆叠工件   工件识别   目标检测   YOLOv7  

摘要： 针对实际生产场景中堆叠遮挡的工件存在漏检率较高与实时性较差的问题,提出了一种改进的YOLOv7轻量化的目标检测方法。在主干网络中获取的3个特征层分别融入ECA注意力机制,能更好地注意到被遮挡的工件信息,降低漏检率;将主干网络和头部网络的普通卷积替换成深度可分离卷积,减少网络模型的参数量,提高检测速度;提出了一种联系周边特征信息的ELAN-DE模块,引入深度可分离卷积并在后面加入ECA注意力机制,提高了系统的稳定性。试验结果表明改进的YOLOv7算法相较于原始算法,在提高了近5.52%的平均精度(mAP)的情况下,模型大小减小了近21%,检测速度提升了18.7 f/s,检测效果也优于其他经典目标检测网络算法,满足了实际场景中的工件识别需求。

关键词： ITS   交通状况   信息技术  

摘要： 随着城市化进程的加速,城市交通面临着前所未有的挑战,日益增加的车辆数量导致交通拥堵和事故频发的问题日益严重。在这种背景下,智能交通管理系统(ITS)显得尤为关键,它不仅可以提高城市交通的流畅性和效率,还能显著增强道路安全,从而提升整个城市生活的质量。本文通过综合分析多种前沿技术在智能交通系统中的应用情况,揭示了这些技术如何在现代交通管理中发挥至关重要的作用。这些技术不仅改善了交通状况,减少了能耗和污染,还提高了交通系统的安全性和运行效率,成为推动现代城市交通进步的重要力量。

关键词： 图像处理   图像去雾   暗通道   多尺度   融合方法   透视率图   图像增强   图像恢复  

摘要： 图像去雾能够使视觉系统适应不同的天气状况.为克服传统暗通道先验方法会在物体边界区域形成光晕效应的问题,提出一种用于估计有雾图像透射率的多尺度融合算法.应用不同大小的最小值半径得到多尺度的透射率估计值,再根据局部区域像素具有类似的透射率值这一现象,对透射率图进行多尺度融合,选择小透射图区域中最亮的像素来计算大气光值,最后使用大气散射模型恢复清晰图像.分别从视觉效果和量化指标两个方面,对比所提方法与传统的基于先验和基于深度学习的去雾方法在进行图像去雾后的效果.结果发现,针对4种典型场景,采用本研究算法去雾后的重构图像能够保留更多的结构、细节和颜色信息,避免了过分增强和边缘部分的雾残留问题,视觉效果均优于对比方法;量化指标峰值信噪比和结构相似性均高于对比方法,分别为15.65和0.78.

关键词： 伪装目标检测   光谱偏振图像   成像系统   特征波段   差异增强  

摘要： 光谱偏振探测技术利用目标多维度信息,提高伪装目标检测的精度和可靠性。现有的光谱偏振成像系统产生的高维度数据难以实时解算,复杂场景下光谱偏振探测的性能不佳。为此,提出一种基于特征波段偏振成像系统的伪装目标检测算法。针对目标场景筛选特征波段,定制751 nm窄带滤光片结合快照式偏振阵列相机,构建特征波段偏振图像采集系统,实时获取目标图像。提出差异增强和交织序列融合检测算法,设计偏振参数图像,增强特征波段偏振图像的目标对比度;融合差异增强和交织序列映射结果,对目标图像背景噪声进行抑制,进一步突出目标特征;通过阈值分割提取伪装目标。实验结果表明:所提的伪装目标检测算法在不同场景下的综合评价指标F均在0.90以上,检测速度达到20帧/s,实现了复杂场景下伪装目标的快速精准探测。

关键词： 目标检测   遥感图像   文生地图  

摘要： 本文提出了一种识别遥感图像中的特定区域,计算其实际空间区域并自动入库的方法。该方法首先利用YOLOv5识别目标像素,然后通过仿射矩阵转化为空间坐标,最后利用数字高程模型依据连续性归并,输出具有特定含义的地块空间坐标数据。实验分析表明,该方法具有替代人工数据处理的应用前景。