关键词： 图像处理   微光图像增强   图像去噪   盲点网络   直方图均衡化  

摘要： 针对现有的低照度图像增强算法在增强的同时其图像中仍含有残留噪声、网络训练中将产生恒等映射以及成对数据集获取困难的问题,本文提出了一种基于盲点网络的自监督微光增强网络。首先,采用双边多尺度融合直方图均衡化的方法对图像亮度进行调整,以此来克服传统直方图增强方法中的信息颜色损失;其次,所设计的去噪网络可以自适应地从原始图像中进行学习,同时采用像素混洗下采样解耦相邻像素空间中的相关性;最后,为保持图像空间和颜色的一致性设计了相关的损失函数。实验证明,本文算法克服了现有算法存在残留噪声、网络训练中产生恒等映射的问题,有效地提高了低照度图像质量。

关键词： 无人机   YOLOv5   小目标检测   注意力机制   下采样   特征融合  

摘要： 针对常规目标检测算法在无人机小目标检测任务上特征提取难度大而导致检测精度低的问题,提出一种基于分块复合注意力的无人机小目标检测算法。首先,提出一种即插即用的分块复合注意力模块(PWCA),输入特征在空间维度切分成局部特征块,在局部特征块上提取通道注意力权重,加强通道信息在局部空间特征上的区分度,提高网络细粒度以适应小目标检测场景,然后融合输入特征与聚焦后的特征,并进一步挖掘空间注意力,关注网络中有效特征信息。其次,抛弃基线网络基于跨步卷积的下采样形式,结合PWCA提出自适应交错下采样模块(AID),根据重要程度自适应地分配下采样后的特征权重,减少下采样过程中小目标的信息损失。最后,对主干及特征融合网络进行轻量化设计,减少计算量并新增针对小目标的大尺寸特征图检测分支,优化了特征图的流动方向,丰富不同尺度特征图的语义信息,增强特征的表达能力,并保证实时性。针对性地采用Soft-NMS算法解决目标遮挡重叠时的漏检问题,提升检测效果。在公开数据集VisDrone2019上验证改进算法的有效性,与YOLOv5s目标检测算法相比,改进后算法最终的mAP0.5比YOLOv5s基线算法提升了11.81%,mAP0.5:0.95提升了10.91%,模型参数减少59%,网络在无人机小目标检测任务上能够较好地兼顾检测精度与推理速度,具有较大的实用意义。

关键词： YOLOv5   遥感图像   目标检测   注意力机制  

摘要： 遥感图像存在着目标特征不明显、背景信息复杂、检测效率低下等问题。针对这些问题,本文提出了一种改进的SA-YOLOv5s遥感图像检测算法,将注意力模块ShuffleAttention加入YOLOv5骨干特征提取和颈特征融合网络的卷积块中,并在公开的RSOD遥感图像数据集上进行了实验。实验结果表明,改进后的算法平均精度为96.2%,较原有的YOLOv5s算法提升了1.1%。

关键词： 图像处理   语音提示   导航功能   定位与导航  

摘要： 【目的】以提升视障人士的生活质量和独立性,基于OpenCV技术开发一种创新的视障人士辅助装置——智能盲杖。【方法】通过摄像头实时采集环境图像,借助OpenCV技术进行图像处理和分析,并且融合了语音提示和导航功能,帮助视障人士更加准确地定位和导航。【结果】研究结果表明,该装置可以成功辅助视障人士感知周围环境,并提供准确而及时的视觉信息。使用该装置后,视障人士展现出更高的独立性和安全性。【结论】基于OpenCV技术的视障人士辅助装置是一种创新、实用的设计,显著提高了视障人士的生活质量和日常行动能力。未来的研究方向包括优化硬件设计,提高系统的稳定性和耐用性,以及扩展语音提示和导航功能,以适应更多日常场景,从而为视障人士群体带来更广泛、更深远的益处。该设计对提升社会包容性和促进科技助力残障人士生活品质方面具有积极意义。

关键词： 图像处理   自动采摘   机械臂   STM32  

摘要： 我国作为种植业大国,果蔬种植业发展较成熟,但在果蔬采收方面仍以人工作为主要劳动力,如樱桃的采摘,存在危险以及采摘效率低等问题。因此,针对樱桃成熟期短,果皮容易破损,从而影响市场售卖价格,而且樱桃采摘主要依靠人工,费时费力的现状。本文设计一款能够实现成熟樱桃自动采摘的机器装置,该装置基于STM32单片机结合图像处理技术设计,通过摄像头完成成熟樱桃的识别处理后,利用机械臂进行樱桃的采摘工作,减少樱桃采摘所需的劳动力成本,解放种植户的双手,为我国农业自动化发展贡献一份力量。

关键词： 计算机技术   图形图像处理   应用   关键技术  

摘要： 我国正处于快速发展时期,各方面都在快速改革和进步。因此,对于图形图像处理技术也提出更高的要求。计算机技术在图形图像处理中的应用越来越广泛,不仅提高人们对于图形图像处理的质量和效率,而且对社会发展也产生重要影响。文章首先对计算机技术在图形图像处理中的应用内容展开分析,随后从图像增强技术、图像边缘检测技术和图像识别技术等方面深入探讨计算机技术中图形图像处理中的关键所在。希望文章能为相关从业者提供参考,提高我国图形图像处理水平。

关键词： 光学卫星影像   车辆检测   尺度扩充   注意力机制  

摘要： 为了改善光学卫星影像中车辆目标检测准确率低、速度慢的问题,提出一种基于改进YOLOX算法的卫星影像车辆目标检测方法。首先,以轻量化模型YOLOX的S版本为基线,采用CSPDarknet—53替换原主干特征提取网络,引入基于卷积块的注意力模块(CBAM)提高特征提取时对车辆目标的关注度。其次,扩充主干特征提取网络输出尺度,并在特征强化提取部分设计了一个双向特征金字塔网络(BFP-net),采用亚像素卷积上采样、横向的跳跃连接和纵向的跨尺度连接实现对不同层级、尺度特征的复用,使得最后输出特征层充分融合了分类和定位信息。实验结果表明:本文算法对large-vehicle和small-vehicle两类车辆的检测准确率分别为88.98%和86.58%,相较于原算法,平均检测准确率提高了5.36%,检测速度达到了58.37fps,具有更好的检测效果。

关键词： 图像处理   壁画虚拟修复   生成对抗网络   U-Net  

摘要： 针对现有的基于生成对抗网络的壁画修复方法,其生成样本缺乏多样性,容易造成大规模特征丢失等问题。提出一种基于双生成器生成对抗网络(BGGAN)的壁画图像虚拟修复方法。首先,从两个随机方向进行样本生成,保证了生成样本的多样性。其次,对Dilate U-Net Kares生成器模型,改进下采样阶段的膨胀卷积扩张率,取消池化操作。最后,设计损失函数,将均方误差(MSE)损失与对抗损失相结合,通过λG约束生成样本的特征梯度。在所收集壁画数据集上进行修复测试,测试结果与多种图像修复方法对比。结果表明,所提算法获得的图像修复结果细节更清晰。修复后图像的峰值信噪比(PSNR)相较对比模型平均提高了约1.12 dB,结构相似度(SSIM)平均提高了约0.047。

关键词： 机器视觉   番茄采摘机器人   目标检测   YOLOv5   复合型创新人才培养  

摘要： 以农业采摘为背景,针对当前番茄属果实采摘机器人采摘效率低、难以分级分期采收问题,设计开发了一个面向番茄属果实采摘机器人视觉算法及实验的多学科综合与创新实践教学方案。基于改进YOLOv5算法和MobileNetV3算法设计了级联的多任务视觉检测方案,实现了番茄属果实的自动识别、成熟度检测和果实位置信息判定,为番茄属果实的智能化采摘提供视觉支持,并通过机器人平台的番茄属果实采摘实验验证了所提视觉方案的有效性。该实验教学有助于深化学生对理论知识的理解和应用能力,提升学生的独立思考与创新能力。

关键词： 张量分解   注意力机制   损失函数优化   小目标检测  

摘要： 针对低空遥感图像目标检测存在的尺度微小、背景复杂多变和计算资源有限等问题,提出了一种改进YOLOv7网络的低空遥感图像目标检测网络SimAM_YOLOv7。首先,基于张量火车分解,最小化冗余参数;其次,引入无参数的注意力机制,提高网络对目标的聚焦能力;最后,利用高效IoU(EIoU)优化定位损失,减小目标框与先验框的位置偏移,基于Focal Loss改进分类损失,解决正负样本的失衡问题。在真实低空遥感数据集上进行实验,在YOLOv7的基准下,所提出的网络在参数量减少3.27M时,mAP 50指标提高了4.63%,mAP 50:95指标提高了3.94%,充分验证了所提网络的有效性和优越性。