关键词： 微流芯片   浓度测量   双缝干涉   图像处理  

摘要： 微流芯片测量透明液体浓度综合实验项目是基于第8届全国大学生物理实验竞赛(创新)命题类竞赛获奖项目及学生参赛研究成果开发而来.实验项目中利用微流芯片技术设计制作了双通道微流芯片作为双缝干涉装置,将已知浓度透明液体及待测溶液分别输入该装置内,通过面阵CCD接收采集激光双缝干涉图像.利用浓度变化与光程差变化间的联系,分析测量浓度变化前后的干涉图像中条纹的移动距离,从而实现对透明液体浓度的测量.该项目涉及知识层面广泛,充分结合了基础双缝干涉光学实验内容、图像分析处理以及新兴微流芯片技术,该方法的测量精度高,较好地丰富了基础物理实验教学内容,可用作分类分层研究性实验教学项目.

关键词： 深度学习   激光雷达   三维目标检测   特征融合  

摘要： 目标检测算法中关键信息的特征提取是影响算法精度的重要因素。针对当前三维目标检测算法中存在的关键点采样困难、特征提取不充分等问题,借鉴PV-RCNN三维目标检测网络,提出一种基于强语义关键点采样的三维目标检测方法SSPS-RCNN(strong semantic point sampling RCNN)。在关键点采样阶段,该算法采用语义加权点采样和提案区域点过滤相融合的方法,获得更具特征代表性的采样关键点,以提升采样点中前景点的比例;在不增加网络结构的基础上,将语义信息重新加权关键点特征,以进一步细化关键点的特征贡献提升算法精度。在KITTI数据集上的实验结果表明该算法与现有主流算法相比,对减少物体检测中的漏检与错检问题和整体检测精度提升,表现出良好的稳定性和鲁棒性。

关键词： 图像处理   图像融合   低秩稀疏矩阵分解   离散余弦变换  

摘要： 针对多聚焦图像融合过程中存在聚焦边缘模糊、伪影和块效应的问题,提出一种基于低秩稀疏矩阵分解(LRSMD)和离散余弦变换(DCT)实现多聚焦图像融合的算法。首先,利用LRSMD将源图像分解为低秩和稀疏矩阵两部分;然后,设计DCT方法检测低秩矩阵部分聚焦区域,构建初始焦点决策图,并利用重复一致性验证方法验证决策图,同时设计基于形态滤波的融合策略,得到稀疏矩阵部分融合结果;最后,采用加权重构方法对两部分进行融合。实验结果表明,相较于其他5种主流算法,所提算法在主观评价上具有高清晰度和全聚焦的优势,在客观评价上,边缘信息保持度、峰值信噪比、结构相似性及相关系数4个指标最高分别提高了62.3%、6.3%、2.2%及6.3%,证明所提算法有效提升了对源图像聚焦信息的提取能力,增强了聚焦边缘细节信息,同时对伪影和块效应的减少起到了重要作用。

关键词： 空气质量估计   计算机视觉   细颗粒物   光晕   夜间图像  

摘要： 基于视觉的细颗粒物浓度(PM_(2.5))估计技术依据成像时悬浮细颗粒物对光线散射和吸收的整体影响来评估其浓度。这类技术具备良好的普适性,可实时检测广阔区域。已有研究依赖大气光均匀且充足的日间场景,无法适用于缺乏大气光且光照不均匀的夜间场景。本文提出首个基于视觉的夜间PM_(2.5)浓度估计方法,通过图像处理捕获人造光源在不同散射方向的光强分布,并以此特征拟合浓度值。该方法创新地将人造光源及周边光晕区域视为夜晚雾霾信息的主要来源。由于夜间自然光照强度相对人造光源较低,其主导的区域往往趋于漆黑,导致日间雾霾信息的主要来源(自然光照下像素颜色随着景深增加而逐渐接近“大气光/天空”颜色)在夜间的作用相比光源处要小很多。该方法明显优于日间PM_(2.5)估计方法,平均误差(MAE)为6.187μg/m^(3),决定系数(R^(2))为0.857,对比最新的端到端的神经网络方法在MAE和R^(2)上分别有20.69%、13.36%的相对提升。

关键词： 压印字符   图像处理   字符检测   字符识别   深度学习  

摘要： 在自动化装配线上轮胎与轮毂装配时,需要检测与识别轮胎表面的压印字符串,从而得到轮胎的品牌、型号、尺寸以及生产的年周号等信息,用以管理轮胎信息以及监控轮胎的流向。针对轮胎表面压印字符串的检测与识别问题,文章提出一种基于深度学习的轮胎胎面关键字符的检测与识别方法,搭建了可编程逻辑控制器(programmable logic controller,PLC)、工控机和工业相机的自动化检测与识别平台,通过霍夫变换及坐标变换对采集后的图像进行预处理,采用改进的更快速的区域卷积神经网络(faster region-based convolutional neural network,Faster RCNN)算法为基础检测出目标字符串位置,再通过卷积递归神经网络(convolutional recurrent neural network,CRNN)对检测出的目标字符串进行识别,同时利用编码规则校验识别结果,以提升识别结果的准确率。实验结果表明,改进后的算法在进行轮胎压印字符串的检测与识别时其准确率超过97.0%,满足工业生产应用需求。

关键词： 目标检测   BF-YOLOv5   图像融合   双分支结构   BiFormer  

摘要： 在目标检测领域,夜间、大雾、遮挡及战场伪装等复杂的环境中,使用单一的图像传感器不足以反映全部的场景信息,难以提高复杂环境中目标检测精度。为此提出了以YOLOv5为基础的BF-YOLOv5算法,算法采用双分支结构,通过两个Backbone分别读取可见光图像和红外图像,在每个Backbone中分别融合了CBAM,通过学习的方式自动获取每个特征通道的重要程度,并且利用得到的重要程度来提升特征,抑制对当前任务不重要的特征。在Neck部分融合了BiFormer注意力机制,用来提升对小目标的检测能力。实验证明,BF-YOLOv5算法在红外及可见光FLIR数据集和LLVIP数据集上的检测精度均高于原有算法,在FLIR数据集上平均精度均值(mAP)高达86.6%,相比原有双分支算法提升了2.2个百分点,显著提高红外和可见光融合图像的检测性能。

关键词： 图像处理   视网膜血管分割   Unet   卷积神经网络(CNN)   多尺度特征提取   多通道注意力机制  

摘要： 视网膜血管的分割精确率对眼科疾病和糖尿病早期诊断有着重要影响。面对现有方法在微血管与病变区域分割性能差的问题,本文提出一种强化提取血管特征的分割模型。该模型在编码部位引入多尺度特征提取残差模块(multi-scale feature extraction residual module,MFE-residual)和多级残差空洞卷积层,用来扩展感受野,学习多层次图像特征,提高模型对血管信息的利用率;下采样和短连接部位分别融入轻量化注意力机制和多通道注意力模块,增加模型对血管的识别度,降低误分割的可能性。本文基于DRIVE和STARE两种公开数据集进行了实验,来验证改进模型的分割能力。结果表明,两种数据上的准确率分别为0.9652和0.9715,灵敏度分别为0.8205和0.8256,与其他算法相比,分割性能更有优势。

关键词： 图象处理软件   计算机视觉  

ISBN: (纸本)9787121471834

摘要： 本书对图像处理与机器视觉领域的典型工作任务背后的数学原理，包括图像点运算、矩阵运算、向量运算、相关、卷积、时频域分析、主元分析、支持向量机、形态学、深度学习、凸优化、拉格朗日乘子、KKT条件、对偶问题、梯度下降等，进行了讲解。

关键词： 排水管道  

ISBN: (纸本)9787576714425

摘要： 本书结合了作者团队长期的科研经验，首先介绍排水管道行业现状、病害类别、探测需求，以及排水管道探测技术现状等相关基础知识，然后具体阐述排水管道图像去雾技术、图像修复技术、病害视觉检测技术、病害智能检测与可视化系统等典型实例，并将排水管道机器人智能视觉探测与识别领域的新技术和新成果贯穿于全书的描述之中。

关键词： 计算机视觉  

ISBN: (纸本)9787122449511

摘要： 本书主要介绍机器视觉系统的概念、原理、视觉系统组成、数字图像处理算法及视觉应用，共分为三部分：第一部分快速入门，介绍了机器视觉系统的组成、图像采集系统；第二部分图像处理算法，介绍了视觉图像处理相关算法及应用；第三部分机器视觉应用，介绍了机器视觉的典型应用案例。全书理论联系实际，从图像采集部分开始到数字图像处理部分，除了介绍相关的理论知识外，结合具体的实际案例以及HALCON编程，提供了明确的使用方法。对每一种数字图像处理算法在机器视觉系统中的应用，都通过实例说明了具体的应用方法和注意事项，并通过具体案例的学习加深对内容的理解。