关键词： 图像处理   非相干全息术   无干涉编码孔径相关全息术   二值编码相位掩模   直接二进制搜索法  

摘要： 提出基于交替策略的随机轨迹直接二进制搜索法。数值仿真结果表明,该方法有效抑制了迭代过程中直流偏置的增加并提高迭代速度。实验结果证明,在同样的迭代次数下,该方法显著降低了重建图像的相关重建噪声。该方法推动了无干涉编码孔径相关全息术(I-COACH)系统在可见光范围外成像的应用。

关键词： 3D目标检测   伪点云   语义关联   分布趋同   注意力感知  

摘要： 针对现有基于伪点云的3D目标检测算法精度远低于基于真实激光雷达(Light Detection and ranging,LiDar)点云的3D目标检测,本文研究伪点云重构,并提出适合伪点云的3D目标检测网络.考虑到由图像深度转换得到的伪点云稠密且随深度增大逐渐稀疏,本文提出深度相关伪点云稀疏化方法,在减少后续计算量的同时保留中远距离更多的有效伪点云,实现伪点云重构.本文提出LiDar点云指导下特征分布趋同与语义关联的3D目标检测网络,在网络训练时引入LiDar点云分支来指导伪点云目标特征的生成,使生成的伪点云特征分布趋同于LiDar点云特征分布,从而降低数据源不一致造成的检测性能损失;针对RPN(Region Proposal Network)网络获取的3D候选框内的伪点云间语义关联不足的问题,设计注意力感知模块,在伪点云特征表示中通过注意力机制嵌入点间的语义关联关系,提升3D目标检测精度.在KITTI 3D目标检测数据集上的实验结果表明:现有的3D目标检测网络采用重构后的伪点云,检测精度提升了2.61%;提出的特征分布趋同与语义关联的3D目标检测网络,将基于伪点云的3D目标检测精度再提升0.57%,相比其他优秀的3D目标检测方法在检测精度上也有提升.

关键词： 智能技术   FPGA   图像处理   人脸检测  

摘要： 阐述一种基于FPGA图像处理技术的人脸检测分析方法,基于FPGA的高性能和并行处理能力,采用图像采集、图像预处理、特征提取、分类器和输出模块的方法,实现快速准确的人脸检测。

关键词： 计算机视觉   高大模板支撑体系   位移响应   监测   安全预警  

摘要： 随着我国现代化建设的稳步推进,高大模板支撑体系被广泛应用于工程领域。但高大模板支撑体系高度较高,立杆具有较大的长细比,施加荷载后杆件会产生较大的沉降和变形,容易造成安全隐患。为研究施工荷载作用下高大模板支撑体系的稳定性,以宁波市某工程为例,运用计算机视觉位移测量方法,研究高大模板支撑体系在施工过程中的位移响应情况。结果表明,在每日监测范围内目标杆件位移变化较小,但在长期监测范围下,随时间推移,目标杆件的累积位移和倾角会越来越大。综上所述,该实测数据可为研究施工中荷载突然增大情况下的高大模板支撑体系结构状态提供数据支撑。

关键词： YOLOv8s   道路目标检测   多尺度特征融合   注意力机制   损失函数  

摘要： 针对现有目标检测算法在道路场景中易出现的目标错检问题、小尺度和重叠目标易出现漏检问题,提出一种改进YOLOv8s的道路目标检测模型。该模型使用AFPN(Asymptotic Feature Pyramid Network)替换YOLOv8s模型的颈部网络,以强化模型对多尺度特征的融合能力,减少模型的参数量,提高检测性能;引入GAM注意力机制,增强模型对目标的特征提取能力;使用EIoU代替原损失函数,提高模型对目标定位的能力。实验结果表明,改进的YOLOv8s模型在自动驾驶领域经典数据集KITTI上的mAP@0.5及mAP@0.5:0.95分别提高了1.6和2.2个百分点。综合说明,改进模型有效提升了对道路目标的检测性能,能更好地满足自动驾驶和智能交通系统的需求。

关键词： Faster R-CNN   FPN   目标检测   墙体裂缝   EIoU  

摘要： 在人工智能技术的驱动下,国家建筑设施智能化也在迅猛发展,墙体裂缝的检测问题也受到人们越来越多的关注。针对传统人工对建筑墙体裂缝检测精度低的问题,提出一种改进的Faster R-CNN算法进行墙面裂缝检测。首先,自制实验数据集并进行数据增强,之后使用ResNet50残差网络来替代VGG16网络模块进行特征提取,接着加入FPN特征金字塔模块,提高模型多尺度检测能力,最后使用EIoU损失函数提高模型检测精度。通过实验表明,改进后的算法检测能力大大提升,mAP值达到93.5%,能够满足高精度检测的需求。

关键词： 船舶检测   YOLOv8n   SAR图像   目标检测  

摘要： 在SAR图像的船舶检测中,由于SAR图像船舶小、目标多,现有检测方法存在对船舶检测精度低、召回率低等问题。针对上述问题,提出了针对SAR图像的船舶目标检测模型Vessel-YOLO。首先,使用YOLOv8n为基准网络,提出了CASPP上下文空间金字塔池化结构,提高了模型对不同尺度的特征提取能力。其次,通过将所提模型的损失函数改进为Wise-IoU基于动态非单调聚焦机制的边界框损失,提高了模型对不同质量图像的适应程度。通过在标准数据集SAR-Ship-Dataset和SSDD上进行的大量实验,验证了模型的健壮性和可靠性。实验结果表明,相较于YOLOv8n,Vessel-YOLO在两个数据集上mAP_(0.5∶0.95)分别提高了1.8个百分点和2.2个百分点,所提模型以更高精度胜于现有的SAR图像船舶检测模型。

关键词： 三维目标检测   跨模态   语义特征   点云   无锚  

摘要： 受到场景的复杂性和目标尺度变化、遮挡等影响,三维目标检测仍面临着诸多挑战.虽然跨模态特征融合图像和激光点云信息能够有效地提升三维目标检测性能,但在融合效果和检测性能上仍有待提升,为此,提出图像语义特征引导与点云跨模态融合的三维目标检测方法.首先设计图像语义特征学习网络,采用双分支自注意力并行计算方式,实现全局语义特征增强,降低目标错误分类;然后提出图像语义特征引导的局部融合模块,采用元素级数据拼接将检索的图像局部语义特征引导融合点云数据,更好地解决跨模态信息融合存在的语义对齐问题;提出多尺度再融合网络,设计融合特征与激光雷达点云交互模块,学习融合特征和不同分辨率特征间的再融合,提高网络的检测性能;最后采用4种任务损失实现anchor-free的三维目标检测.在KITTI和nuScenes数据集中与其他方法进行对比,针对三维目标检测准确率达87.15%,并且实验结果表明,文中方法优于对比方法,具有更优的三维检测性能.

关键词： 红外图像   卷积神经网络   弱小目标   车辆检测   特征向量   噪声抑制  

摘要： 传统方法无法获得理想的红外弱小车辆目标检测结果,导致检测误差大,无法满足实际应用要求,为了解决传统红外弱小车辆目标检测方法存在的局限性,及时检测红外图像中的弱小车辆,提高车辆检测精度,设计了基于卷积神经网络的红外弱小车辆目标检测方法。首先对弱小车辆目标检测需要的红外图像进行采集,并对红外图像噪声进行处理,消除噪声对弱小车辆目标检测的干扰,然后采用卷积神经网络建立弱小车辆目标检测模型,最后通过具体仿真实验测试弱小车辆目标检测方法的性能。结果表明,该方法的弱小车辆目标检测精度超过了90%,大幅度减少了弱小车辆目标的误检率,同时弱小车辆目标检测时间控制在5 s内,可以满足弱小车辆目标检测的实时性要求,具有较高的实际应用价值。

关键词： MLX90640   GD32F103   红外测温   热成像   图像处理  

摘要： 通过实验法,以传感器MLX90640和单片机GD32F103为内核,搭配ILI9341显示屏,设计一款非接触式快速测温便携式的红外热成像仪器。仪器通过IIC接口实现单片机与传感器的数据交换,并将获取的红外测温温度值进行灰度转化与RGB565编码转化,最终以图像的形式显示在TFT-LCD上。如果设备检测到中心点温度高于设定阈值时可触发仪器报警,蓝牙通信模块发送异常信息到手机终端。方案证明了传感器MLX90640在红外热成像技术上的应用,在应对大流量的人员密集时具有较好的快速测温能力,且能够较精确地对当前环境进行测温监控,满足侦测隐藏式电子产品的需求。