关键词： 水下目标跟踪   主动声呐   箱粒子滤波   量测不确定  

摘要： 在复杂水下环境中,主动声呐的量测值在距离和方位分辨率上存在较大的不确定性,即一个目标回波的能量可能覆盖声呐距离-方位能量谱的多个相邻位置网格。并且,当环境中混响较强时,上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差,基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度,跟踪的实时性急剧降低。针对上述问题,该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF),对主动声呐量测值进行区间表示,即用一个表示距离和方位区间的箱粒子代替点值量测,用区间表示这种量测不确定性,在提高状态估计稳定性的同时,极大程度地减少了后验概率密度估计所需的粒子数,从而进一步提高计算效率。实验结果表明,所提IBPF与PF相比,能以更高的计算效率获得更优的跟踪性能,对目标的跟踪时间缩短了18.06%,跟踪成功帧数增加了4.29%。

关键词： 数字识别   计算机视觉   神经网络   对抗生成网络  

摘要： 提出了一种基于改进的对抗生成网络(GANs)的手写数字生成方法。通过引入GANs的生成器和判别器,设计了一种创新的网络架构,并采用了一系列训练策略来解决GANs训练中的不稳定性和模式崩溃问题。通过使用MNIST数据集进行实验,结果显示,新模型在准确率上达到了98%以上。与传统神经网络方法相比,基于改进的对抗生成网络的手写数字识别系统在性能上有显著提升。

关键词： 抓取检测   语义分割   特征金字塔   V-REP仿真  

摘要： 针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段1:首先利用faster R-CNN (faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框;其次利用语义分割网络获取待抓取物体的轮廓信息;最后利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框,同时完成角度粗估计.阶段2:利用旋转目标检测获取精细的抓取角度,以修正阶段1抓取框的偏转角.此外,考虑到抓取物具有多尺度的特点,提出一种多尺度特征融合模块,使金字塔的所有层共享相似的语义特征.针对智能算法求解逆运动学时出现迭代后期收敛速度慢的问题,利用牛顿法收敛速度快的优点,加快智能算法后期的收敛速度.基于V-REP仿真以及实际抓取检测实验表明,所提算法的抓取检测精度为98.4%,实际抓取成功率达到了88.3%,仿真抓取时的有害扭矩大小较修正前有所改善,能够满足机械臂抓取要求.

关键词： 图像处理   大气与海洋光学   水面偏振成像   高动态范围成像   自适应线性增强  

摘要： 在户外真实场景的水域成像过程中,太阳光经水面反射会形成强部分偏振耀光,水域场景通常伴随亮度变化范围大难以清晰成像的问题。本文提出了一种名为“WP-HDR”的基于分焦平面可见光偏振相机抑制太阳耀光实现水面场景高动态范围成像的方法。通过偏振处理抑制高强度水面耀光,Otsu算法与滤波配合实现对区域的分割,最后通过自适应线性融合实现对过暗部分的增强。实际场景的实验结果表明,处理后得到的高动态范围图像中,水面耀光得到了有效的抑制,背景和目标细节的轮廓信息更清晰,复合对比度、标准差和平均梯度均得到显著改善。本文提出的复合对比度可同时体现耀光抑制程度和暗目标清晰化程度,在本文的实验结果中最高可提升三倍。实验证明本文所提方法可用于强反射干扰下的水面成像以及水域目标的识别。

关键词： 偏振成像   伪装目标分割   机器视觉   卷积神经网络   数据集  

摘要： 针对伪装物体分割中图像识别鲁棒性较差、模型泛化性不强的问题,受神经科学中人类视觉系统接受场结构的启发,提出一种基于集中注意力接受场网络的偏振成像伪装目标检测方法。根据偏振成像目标探测需要,构建了能有效遏制背景噪声以及获取目标细节特征的偏振成像数据集。该方法基于识别与定位网络框架,通过改进特征提取模块和解码器模块,该模块利用了偏心度和感受野大小之间的关系,涵盖多尺度的目标信息,可以有效提高伪装目标特征的可分辨性和鲁棒性。实验验证利用自建数据集在多个典型目标上进行,并与经典算法进行分割结果的主观视觉与客观评价指标对比,对比实验结果验证了该方法的有效性。

关键词： 图形图像处理技术   书籍设计   创意实践  

摘要： 首先,概述了图形图像处理技术在艺术与设计中的具体应用,突出了其在图像编辑与创作中的重要作用。接着,分析了图形图像处理技术在书籍中的创意实践。最后,展望了图形图像处理技术与书籍设计融合创新的未来趋势。

关键词： 机器视觉   三维点云   三维体素   目标检测   空间语义特征关联   坐标注意力   特征融合  

摘要： 为解决复杂自动驾驶场景下小目标检测效果不佳和漏检的问题,提出一种融合点云和体素信息的高性能网络架构。通过预处理模块、空间语义特征关联模块、坐标注意力机制模块等改进PV-RCNN网络的检测性能,构建网络架构PSC-RCNN。在KITTI上进行验证,实验结果表明,PSC-RCNN在简单、中等、困难3种检测难度的类别下,对于自行车这种形状复杂的小物体识别精度分别为82.99%、67.03%、59.88%,相对原有的PV-RCNN网络,识别精度分别提高了4.39%、3.32%、2.23%;相对于现有3D目标检测网络,识别精度分别提高了0.51%、2.93%、2.23%。

关键词： 人工智能算法   图像处理   图像识别   图像增强   图像生成  

摘要： 本研究旨在探讨人工智能算法在图像处理领域的运用,并对其在图像识别、图像增强和图像生成等方面的研究进行综述和分析。通过对相关文献和实践案例的调查研究,总结出人工智能算法在图像处理中的优势和应用前景,同时也探讨了其中面临的挑战和未来发展方向。本研究旨在为相关领域的研究人员和开发者提供有关人工智能算法在图像处理中的最新进展和应用指南,促进人工智能与图像处理的深度融合。

关键词： 目标检测   YOLOv5s   轻量化   知识蒸馏  

摘要： 针对传统船舶检测算法参数量多、计算量大的问题,提出一种结合知识蒸馏(KD)的轻量级红外船舶目标检测算法CB-YOLOv5。在YOLOv5s主干网络引入轻量级网络Ghost模型以实现检测主干网络的轻量化;引用新的颈部结构渐进型特征金字塔网络(AFPN),AFPN通过融合两个相邻的低级特征,并渐进向高级特征融合,避免了非相邻级别较大的语义差距;使用VFL函数,改善红外船舶目标检测任务中正负样本不平衡的问题,以提升模型的整体性能;结合KD算法将学习能力强的教师网络中的“知识”迁移到所改进的网络模型中,来提升分类和定位的准确率。实验结果表明,在红外船舶数据集中,与原算法YOLOv5s相比,参数量减少了38%,mAP提升了3.9个百分点,模型权重文件大小仅为8.96×10^(6),证明了所提算法的有效性,具有一定的实用价值。

关键词： 目标检测   水下图像   YOLOv7   PConv   注意力机制  

摘要： 水下目标检测在海洋科学、环境保护、资源开发、军事防御、文化遗产保护等领域具有重要意义。然而,水下环境复杂,水下图像质量较差和小生物聚集导致水下目标检测时出现漏检、误检等问题,需要提高检测精度;检测的实时性也需要设计更加快速的网络结构;水下设备的存储和计算能力有限,需要在保证准确性的同时保持较低的计算开销,为此提出了基于YOLOv7的改进型算法YOLOv7-PSS。首先,利用PConv卷积代替骨干网络中的部分普通卷积,减少算法的参数量,加快算法的训练与预测;然后,融合SE注意力机制,增强特征的提取能力;随后,利用SIoU损失函数加速网络收敛,优化算法训练过程。实验结果表明,在URPC2021水下目标检测数据集上,所提算法的mAP达到87.3%,比原算法提高了7.5%,而算法的参数量比原算法减少了11.9%,为水下设备的部署奠定了基础。