关键词： 多目标跟踪   重叠区域   YOLOV7   多目标检测   轨迹特征提取   曼哈顿距离  

摘要： 在实际场景中,目标之间常常存在重叠或部分遮挡的情况,若是未进行有效的多目标检测以及了解变规模网络重叠区域内的节点状况,会导致目标跟踪精度下降。对此,提出一种基于改进YOLOV7的变规模网络重叠区域多目标跟踪方法。首先,采用改进YOLOV7对变规模网络重叠区域多目标进行检测;然后,在目标检测的基础上,对多目标轨迹特征进行提取;最后,基于提取到的多目标轨迹特征,已知目标的速度、方向与距离,实现变规模网络重叠区域的多目标跟踪。实验结果表明,所提方法的跟踪精准度最高达到98%,曼哈顿距离明显小于对比方法,仅在0.1~-0.1之间,性能较优,具有实用性。

关键词： 灰度插值   直方图   医学MR图像   线性化  

摘要： 为了解决医学MR图像边缘模糊、亮度不合理和噪声抑制效果不好等问题,提出了一种灰度插值直方图线性化算法。该方法先对含混合噪声的医学MR图像进行直方图线性化处理,抑制部分噪声,使亮度达到合理的范围,进一步将得到的结果进行多项式插值运算,消除象素块间的灰度差异,使图像达到层次清晰。仿真实验结果表明,该算法获得的图像亮度、峰值信噪比的值和结构相似性指数指标均最大,其中,峰值信噪比值高出其他方法约为1.6~3.2 dB,结构相似性指数指标高出其他方法约为5%~7%。该方法可有效地降低噪声,较好地保持了医学MR图像边缘和细节信息,其效果明显优于自适应直方图均衡化和直方图局部线性化等方法。

关键词： 箱式变压器部件检测   红外图像识别   深度学习   YOLOv8  

摘要： 为解决高原风电箱变巡视问题,减少巡视工作量,提高设备运行稳定性,针对基于红外图像处理的箱式变压器组件检测技术展开研究。构建YOLOv8模型作为本文实验的主要算法,在红外图像基础上,通过特征提取、目标检测头部网络、位置预测等步骤,设计检测算法,配置实验参数,训练模型。最后的实验结果表明,YOLOv8n模型mAP达到95.1%,在实验设备上识别速度达到0.35 s,与YOLOv3识别速度相比提升了74%,证明了YOLOv8算法在实际运用中可行性和有效性。

关键词： 张量补全问题   正则化   修正交替方向乘子法   超光谱图像处理   数值实验  

摘要： 非负张量补全问题是在已知特定区域的张量数据集前提下,对部分受干扰、破坏的数据进行修复或补全以达到还原数据集和揭示事物本质的目的.本文引入一种修正的交替方向多乘子算法并结合正则化策略来求解非负张量补全问题,同时给出算法的收敛性定理和结论.最后,将该算法应用于超光谱图像处理及其数据分析中.数值结果表明所提出算法的有效性.

关键词： 输电线路   目标检测   轻量化   稀疏卷积   注意力机制  

摘要： 在输电线路防外力破坏巡检场景中,当前部署于边缘端的轻量级目标检测算法,存在检测精度不足、推理速度慢等问题.针对以上问题,本文提出一种基于全局上下文增强的稀疏卷积电网防外力破坏检测算法Fast-YOLOv5.基于YOLOv5算法,设计了FasterNet+网络作为新的特征提取网络,在保持检测精度的同时,提升模型的推理速度,并降低计算复杂度;在算法的瓶颈层中,设计了具有高效通道注意力的ECAFN模块,通过自适应地校准通道方向上的特征响应,高效获取跨通道的交互信息来提升检测效果,并进一步减少参数量和计算量;提出了具有上下文增强的稀疏卷积网络SCN替换模型的检测层,通过捕获全局上下文信息来增强前景焦点特征,提高模型的预测能力.实验结果表明,改进后的模型与原模型相比,精度提升了1.9%,检测速度提升了1倍,达到56.2 f/s,参数量和计算量分别下降了50%和53%,更符合输电线路高效检测的要求.

关键词： 目标检测   自注意力机制   感受野扩展   特征融合   解耦检测头  

摘要： 目标检测旨在实现对图像中目标的精确识别和定位,是计算机视觉中一个重要的研究领域。基于深度学习的目标检测已取得长足的发展,但依然存在不足之处。大的下采样系数带来的语义信息有利于图像分类,但下采样过程中不可避免地会造成信息损失,导致模型特征提取不充分,从而检测准确性下降。针对上述问题,提出一种感受野增强与多分支聚合模型用于目标检测。首先,设计感受野增强模块,以扩大主干网络的感受野。该模块可以获取目标上下文线索,且不改变特征的空间分辨率,可以缓解下采样过程中目标信息丢失问题。然后,为了充分利用卷积神经网络的局部性以及自注意力机制的长距离特征依赖特性,构建感受野扩展复合主干网络,以保留局部特征以及提高模型的全局特征感知能力。最后,提出多分支聚合检测头网络,在3个预测分支之间形成信息流动,融合分支之间的特征信息,以提高模型检测能力。在MS COCO数据集上进行了验证实验,结果表明所提模型的平均精度优于多种主流目标检测模型。

关键词： 飞鸟   小目标检测   上采样算子   NWD   注意力模块  

摘要： 针对小目标飞鸟检测存在的检测精度低、漏检率高等问题,提出了基于YOLOv5的小目标飞鸟的实时检测算法。首先,在YOLOv5原有的检测层上添加了一层小目标检测头;其次,采用CARAFE上采样算子改进了上采样方法,引用NWD度量代替IoU,有效降低了小目标位置偏差的敏感性;最后,使用M-CBAM注意力模块。改进后的算法在自制鸟类数据集上平均精度为77.3%,检测速度达到78FPS,与改进前相比,检测精度提升了9.1%,检测速度提升了23.8%。

关键词： 路面裂缝   图像处理   连通域分析   骨架提取  

摘要： 裂缝是一种常见的路面损坏形式,及时、准确地检测和评估路面裂缝的状态,对于路况监测和养护决策具有重要的意义。文章提出了一种基于图像处理的路面裂缝特征提取方法,首先,对分割得到的路面二值图像进行连通域分析,利用裂缝区域和干扰区域之间的特征差异,筛选出真正代表裂缝的连通域;然后,采用改进的快速并行细化算法提取出裂缝骨架,以端点所在分支的长度为标准来去除骨架中的毛刺,针对骨架断裂和向内缩短的问题,通过端点方向以及端点间距离来进行骨架的连接和生长。实验结果表明,该方法能够有效去除分割结果中的干扰区域,提取出清晰完整且无毛刺的裂缝单一像素骨架,较好地反映了裂缝的主要结构和形态特征。

关键词： 图像处理   点云补全   电力设备部件   多尺度特征   点特征传递  

摘要： 针对电力场景下因激光雷达扫描范围有限、电力设备部件相互遮挡等因素导致电力设备部件点云缺失的问题,提出了基于点特征传递的电力设备部件激光点云补全网络PPC-Net(PowerPointcloudCompleteNet)。该网络使用多尺度特征融合编码器提取不同尺度输入残缺点云的全局和局部特征,以避免多维度映射特征导致的电力设备部件细节特征丢失问题,并引入EdgeConv加强对点云邻域信息提取;在精细完整点云生成阶段提出DT模块整合父级点到子级点的特征传递,以保留生成点云的局部特征;设计平滑优化模块,经三级平滑采样算法输出分布均匀、表面平滑的电力设备部件完整点云。在自建电力设备部件点云数据集ELE及公开数据集PCN上实验表明,PPC-Net对残缺的电力设备部件点云有较好的补全效果,并在一般形状点云上有良好泛化性。

关键词： 彩色图片   快速处理   图像处理   党报   不确定性   党的喉舌   政治性  

摘要： 党报彩色图片的质量好坏很大程度上依靠印前图像处理,党报的政治性强、时效要求高,如何高质、高效地快速处理彩色图片,党报图像处理人员要做到心中有数。本文从图片处理的不确定性和确定性探讨快速处理图片的一些方法。报纸最能吸引人眼球的无疑是彩色图片,党报作为党的喉舌,政治色彩浓郁,其彩色图片的质量好坏显得尤为重要。