关键词： 铁路隧道   目标检测   深度学习   排水沟病害   YOLO v7   全维动态卷积   训练策略   智能巡检  

摘要： 针对铁路隧道洞口仰坡地质条件复杂,排水沟时常堵塞问题,基于改进YOLO v7模型构建了铁路隧道仰坡排水沟状态智能检测方法。将原YOLO v7模型检测头中的传统卷积替换为全维动态卷积,使模型更有效捕捉和识别排水沟图像中的小目标,增强模型对特征的提取能力。将自适应矩阵估计优化器更换为自适应矩阵估计-权重衰减优化器,可解决原模型可能出现的梯度消失问题,显著提高模型的泛化能力。采用层归一化算法替换批量归一化算法,有助于增强模型训练的稳定性。将修正线性单元激活函数调整为高斯误差线性单元激活函数,能够提高模型识别的平均精度。利用无人机拍摄的排水沟图像,将改进后模型与现有常见模型对五类检测目标的识别结果进行了对比。改进后模型对五类目标识别的精确率大部分在0.9以上,且其识别的平均精度、召回率均高于现有常用模型。改进后模型识别精确率更高,检测稳定性更好,满足铁路隧道仰坡排水沟检测需求。

关键词： 图像处理   暗通道理论   去雾   遥感   定位  

摘要： 针对传统DCP去雾算法处理无人机遥感定位含雾图像时,天空或白色等明亮区域颜色易发生失真,图像整体对比度降低等问题,提出了一种自适应阈值分割的DCP去雾方法。利用灰度图像I_(gray)(x)求取图像明亮与非明亮区域的自适应阈值ThrB;根据自适应阈值ThrB将明亮区与非明亮区分割,并设计自适应修正函数M;优化由暗通道图像生成的大气耗散函数粗估计,利用双边滤波再次细化透射率,完成图像去雾复原。实验结果表明:提出方法在处理天空或反光较强的明亮区域时,能够有效避免复原后的颜色失真等问题,进一步改善遥感图像地面景物区域的处理效果,复原后整幅遥感图像的色彩饱和度和对比度明显提高,主观视觉效果有一定改善,且PSNR、FC、SSIM和CR等客观参数均有提升,有利于后续遥感定位图像分析。

关键词： 显著性目标检测   全监督学习   弱监督学习  

摘要： 显著性目标检测旨在准确检测和定位图像或视频中最引人注目的目标或区域,为更好地进行目标识别和场景分析提供帮助。尽管全监督显著性检测方法取得一定成效,但获取大规模像素级标注数据集十分困难且昂贵。弱监督检测方法利用相对容易获取的图像级标签或带噪声的弱标签训练模型,在实际应用中表现出良好效果。全面对比了全监督和弱监督显著性检测的主流方法和应用场景,重点分析了常用的弱标签数据标注方法及其对显著目标检测的影响。综述了弱监督条件下显著目标检测方法的最新研究进展,并在常用数据集上对不同弱监督方法的性能进行了比较。最后探讨了弱监督显著性检测在农业、医学和军事等特殊领域的应用前景,指出了该研究领域存在的问题及未来发展趋势。

关键词： 印制电路板(PCB)   曝光   机器视觉   图像处理  

摘要： 印制电路板作为电子信息产品的重要配件,是电子元件的支撑体和电气连接的提供者。随着电子产品高精度成像的需求越来越高,如高频电路板、高速电路板、超厚铜印制电路板等的生产成本也越来越高。因此提高印制电路板的良品率,是保障生产成本的重要手段。本文从曝光工艺后的产品外观检测入手,对高价值的印制电路板增加检测工序,利用机器视觉技术,采用多种图像处理算法相配合,利用大数据等技术对印制电路板曝光后的缺陷检测与分类识别进行了分析和研究。

关键词： 卫星图像   处理算法   硬件实现  

摘要： 随着航天技术的快速发展,其空间遥感技术带来的数据逐渐扩增,传统存储器的处理办法无法有效匹配无损图像处理的存储需要,卫星的信息容量也导致了传输瓶颈的出现。要实现其卫星图像的有效处理,必须对卫星图像的算法和硬件进行重新构造。

关键词： 三全育人   高等院校   课程思政   图像处理  

摘要： 在“三全育人”的明确指引下,全国高等院校将培养德才兼备的人才视为核心使命,正在积极推进各个学科和专业的课程与思想政治教育的融合建设。基于MATLAB的图像处理课程是众多理工科专业本科生和研究生的核心课程。本文选取该课程作为案例,通过挖掘教学内容中蕴含的思政元素,力图实现思想政治教育与专业教育的有效结合,互相促进。文章最后提出了评估课程思政教学成效的标准。

关键词： 医学图像处理   信息化创新平台   医工交叉学科   傅里叶变换  

摘要： 医学图像处理应用广泛,为了深化这一领域课程的教学与实践,鄂尔多斯应用技术学院的《医学图像处理教学》课程紧密结合MATLAB软件工具,系统探究了医学数字成像和通信(Digital Imaging and Communications in Medicine,DICOM)图像傅里叶变换的核心原理,构建医工交叉图像处理信息化创新平台,致力于突破医学影像学科教学过程中与人工智能交叉学科的瓶颈问题,展现了良好的教育应用价值和推广价值。

关键词： 扩展目标跟踪   分布式融合   交互多模型   随机矩阵  

摘要： 随着传感器分辨率的提高,将目标视为一个质点可能导致大量信息的丢失,传统点目标跟踪模型不再适用。而扩展目标跟踪算法不仅考虑了目标的运动状态(如位置、速度和加速度),还考虑了目标的扩展状态(如形状、大小和方向等),可获得更准确且完整的目标状态估计。近年来,利用随机矩阵跟踪扩展目标的方法颇受欢迎。实际场景中扩展目标运动复杂多变,可能导致其运动状态和扩展发生突变。多模型算法,如交互多模型(Interactive Multiple Model,IMM)算法,是一种有效的机动目标跟踪方法。本文考虑利用传感器网络以分布式算法实现机动扩展目标的跟踪问题。本文提出了一种基于扩散策略的分布式机动扩展目标跟踪算法,其中,采用随机矩阵法对扩展目标进行建模。该算法拓展了IMM框架,以描述不同扩展特性的扩展目标在不同过程噪声下的运动特性,并进一步研究了一种减小通信量的分布式局部扩散策略。具体地说,在该算法中,每个节点基于IMM框架跟踪机动扩展目标,并采用加权Kullback-Leibler平均实现IMM框架中的数据融合。此外,应用本文所提出的局部扩散策略,每个节点仅与邻居节点交换部分中间估计值,以实现较低通信负担的有效的分布式扩展目标跟踪。仿真实验结果表明,本文所提的基于局部扩散策略的分布式机动扩展目标跟踪算法能够有效地跟踪机动扩展目标,且具有相对较低的网络通信负担。

关键词： 模糊视频   目标跟踪   去模糊   算法轻量化  

摘要： 为提高追踪准确率,提出一种针对模糊视频的轻量级视频跟踪算法。采用主流对抗生成网络模型DeblurGAN V2进行去模糊处理,交由基于改进SiameseRPN目标跟踪算法进行目标跟踪。为实现轻量化,将目标跟踪的特征网络替换为EfficientNet网络,改进注意力机制为ECANet以捕捉多通道信息,并在GoPro数据集上进行测试。测试结果表明:相比SiameseRPN算法,该算法能实现更高的追踪准确率,帧率能达到实时性要求,具有一定的借鉴意义。

关键词： 遥感影像   迁移学习   目标检测   Faster-RCNN   深度学习  

摘要： 为了提高遥感影像飞机目标检测的准确性和泛化能力,需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限,初始训练需要消耗大量算力和时间,容易出现过拟合现象。因此,需要优化模型结构和训练过程。针对上述问题,首先引入一种迁移学习的策略,在Faster-RCNN模型训练之前,加载MS COCO数据集预先训练好的权重,使模型快速收敛,节约了大量的训练时间。然后以ResNet50替代原Faster-RCNN的VGG16特征提取网络,更好地利用深层次的语义信息,在此基础上结合FPN网络,并对原Faster-RCNN的9种锚框增加为15种锚框,通过融合多尺度特征图以获得更丰富的特征表示,从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验,同时比较不同检测算法的性能;再以NWPU VHR-10数据集验证模型的泛化性和稳定性,实验结果表明:改进的Faster-RCNN在RSOD-Dataset数据集上的精确率为97.54%;在NWPU VHR-10数据集上的精确率为98.27%。通过迁移学习和改进Faster-RCNN的网络结构,可以实现在数据量较少的情况下高精度目标检测,且泛化能力较强,所提方法可以利用于其他目标检测和识别,具有较好的推广意义。