关键词： 车道线识别   计算机视觉   边缘检测   阈值分割  

摘要： 基于当前智能驾驶背景下道路特征模型的车道线识别现状,对应用于智能汽车的图像预处理中的灰度化处理算法、滤波处理算法和感兴趣区域提取技术分别进行对比分析,研究不同的图像预处理方法在车道线识别算法的应用适用性。对车道线实时提取算法中的边缘检测技术原理、道路特征条件转化算法进行综合运用分析,搭建基于道路特征的车道线识别算法模型,经过在Visual Studio平台验证,算法模型满足智能驾驶汽车车道线识别要求。

关键词： 手势识别   神经网络   演示控制   图像分类   图像处理   目标检测   图像特征  

摘要： 传统的PPT演示需要使用鼠标、键盘等设备进行控制,通过手势识别技术,演讲者可以通过手势控制PPT,从而可以更加专注于演示内容,提高演示效果,增强演示的互动性和创意性。本文提出了一种基于神经网络手势识别的演示控制系统,旨在解决传统PPT演示中使用鼠标、键盘等设备进行控制不便的问题。文中制作了一个小规模图像数据集,作为静态图像分类模型的训练数据集。系统基于YOLOv5目标检测模型实现的静态手势识别系统,包括手部动作识别模块和演示控制模块,实现了以手部动作进行控制的演示。本文研究表明,该演示控制系统具有极强的可行性和广阔的发展前景。

关键词： 航拍图像   小目标检测   YOLOv8   Bi-YOLOv8   轻量化  

摘要： 针对现存无人机航拍图像目标检测算法检测精度较低、模型较为复杂的问题,提出一种改进YOLOv8的目标检测算法。在骨干网络引入多尺度注意力EMA,捕捉细节信息,以提高模型的特征提取能力;改进C2f模块,减小模型的计算量。提出了轻量级的Bi-YOLOv8特征金字塔网络结构改进YOLOv8的颈部,增强了模型多尺度特征融合能力,改善网络对小目标的检测精度。使用WIoU Loss优化原网络损失函数,引入一种动态非单调聚焦机制,提高模型的泛化能力。在无人机航拍数据集VisDrone2019上的实验表明,提出算法的mAP50为40.7%,较YOLOv8s提升了1.5%,参数量降低了42%,同时相比于其他先进的目标检测算法在精度和速度上均有提升,证明了改进算法的有效性和先进性。

关键词： 图像处理   水下图像增强   色彩校正   对比度提升   细节增强  

摘要： 针对水下图像因成像环境造成的色彩失真、对比度下降、模糊等问题,提出一种自适应水下图像增强算法。首先,基于Lab色彩空间的局部色偏和全局色偏对衰减颜色进行色彩补偿,再利用灰度世界算法恢复水下图像的色彩平衡。其次,使用自动色阶和伽马校正方法调整各通道信息,以获得高动态范围、高照度的图像。最后,通过反锐化掩膜方法获得高频信息并增强图像细节,从而获得清晰的水下图像。所提算法利用图像的色偏、均方差等统计信息,实现了自适应处理。实验结果表明,所提算法能有效去除水下图像色偏,提高图像对比度与清晰度,提升视觉效果。较之其他算法,其在处理效果及时间上均有优势。

关键词： 计算机视觉   图像去雾   深度学习   半监督学习   图像增强  

摘要： 针对真实雾图数据集稀缺,难以满足深度网络数据需求的问题,提出了一种基于深度学习的图像增强模型,利用随机掩码来模拟真实雾霾中的不均匀现象,以提高增强雾图的真实性。基于这个模型,搭建了一个半监督图像去雾网络,通过对增强图像自监督进一步提高去雾模型在真实世界的泛化性。实验结果表明,所提出的模型在合成雾图数据集和真实世界雾图数据集上都优于传统的图像去雾算法。

关键词： 视频显著目标检测   图像显著目标检测   多任务学习   性能差异  

摘要： 显著目标检测(Salient Object Detection,SOD)能够模拟人类的注意力机制,在复杂的场景中快速发现高价值的显著目标,为进一步的视觉理解任务奠定了基础。当前主流的图像显著目标检测方法通常基于DUTS-TR数据集进行训练,而视频显著目标检测方法(Video Salient Object Detection,VSOD)基于DAVIS,DAVSOD以及DUTS-TR数据集进行训练。图像和视频显著目标检测任务既有共性又有特性,因此需要部署独立的模型进行单独训练,这大大增加了运算资源和训练时间的开销。当前研究大多针对单个任务提出独立的解决方案,而缺少统一的图像和视频显著目标检测方法。针对上述问题,提出了一种基于多任务学习的图像和视频显著目标检测方法,旨在构建一种通用的模型框架,通过一次训练同时适配两种任务,并进一步弥合图像和视频显著目标检测方法之间的性能差异。12个数据集上的定性和定量实验结果表明,所提方法不仅能够同时适配两种任务,而且取得了比单任务模型更好的检测结果。

关键词： 计算机视觉   火焰检测   特征提取  

摘要： 随着计算机视觉技术的飞速发展,其在火焰检测领域的应用日益受到关注。本文详细探讨了计算机视觉技[术在火焰检测中的应用,包括火焰图像捕获、处理、特征提取及其在实际系统中的应用情况1]。通过对比传统的火焰检测方法,展示了计算机视觉方法在提高检测速度和准确性方面的优势。

关键词： FPGA   图像处理   边缘检测   sobel算法  

摘要： 本文属于图像识别处理技术领域,提出一种基于FPGA的实时边缘检测控制系统。本文通过FPGA对摄像头进行寄存器配置,采集并得到原始图像,对采集的图像进行数字图像灰度处理,均值滤波、sobel边缘检测计算、二值化处理后并转化为RGB等操作,提取出目标图像的图像边缘轨迹,把图像边缘数据缓存到DDR里面,通过对FPGA内部DDR读写控制模块的处理,把DDR内部图像数据转成RGB格式,并通过HDMI显示器实时显示出目标图像边缘。本文采用改进型的sobel边缘提取算法,能够在边缘提取过程中细化边缘宽度,去除伪边缘,同时滤除多余的图像噪声,使输出的边缘图像更加符合实际的边缘信息。

关键词： 多目标跟踪   检测前跟踪   粒子滤波   代价参考粒子滤波器组   滤波器组  

摘要： 针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.

关键词： 图像处理   显微图像   特征匹配   预测拼接  

摘要： 传统非实时图像拼接方法易因局部图像失配导致全局拼接中断。此外,显微图像具有大量相似的微观结构,存在特征检测耗时长、误匹配率高等问题。为此,提出一种基于载物台运动信息的显微图像预测拼接算法。通过控制电动载物台XY轴移动距离来决定相邻图像间重叠区域大小,在图像的重叠区域采用加速稳健特征算法检测特征点。利用图像间前后位置关系预测待匹配特征点的范围,在预测范围内筛选出最小欧氏距离的待匹配点。最后通过匹配特征点对的斜率粗筛选匹配点对,随机抽样一致性算法进行精匹配并计算单应性矩阵配准图像完成拼接,使用改进的加权平均算法融合拼接图像。实验结果表明:与暴力匹配和快速最近邻搜索算法相比,所提算法匹配率提高7.95%~26.52%,有效提高配准精度。同时,当图像分辨率为1600×1200时,多图拼接速率为2 frame·s^(-1),其效果优于AutoStitch软件拼接效果。