关键词： 深度学习   高动态范围   皮肤特征提取   注意力机制   色彩重建  

摘要： 基于深度学习的高动态范围(High Dynamic Range,HDR)图像处理算法在处理含有人像的图片时存在皮肤偏色问题。针对此问题,本文提出了一种基于多特征融合的人像HDR图像处理算法U2HDRnet。该算法由皮肤特征提取模块、三边特征提取模块、色彩重建模块3部分构成。首先,皮肤特征提取模块分离出皮肤区域的颜色和位置信息;其次,三边特征提取模块分别提取图片的局部特征、全局特征和语义特征,并与皮肤特征融合;最后,色彩重建模块对网格做空间和颜色深度上的插值。此外,本文引入改进的自注意力与卷积融合模块以提升HDR的处理效果;同时本文还制作了人像HDR数据集PortraitHDR,填补了该领域内数据集的空白。实验结果显示,U2HDRnet的PSNR达31.42 dB,SSIM达0.985,均优于目前常见的HDR算法,在获得高质量人像HDR图像的同时避免了皮肤的失真。

关键词： 全膜双垄沟   种床特征   深度学习   目标检测   无人机拍摄  

摘要： 为更加准确掌握“一膜两年用”玉米全膜双垄沟覆膜种床特征,提高其智能化生产水平,采用基于深度学习的目标检测网络模型开展“一膜两年用”玉米全膜双垄沟种床特征识别方法的研究,对种床结构中的残膜、根茬和覆土带进行检测识别。结果表明:优化后的YOLOx网络模型的效果相关值(mAP)为90.76%,检测结果优于其他网络模型。为探究无人机拍摄图像对目标检测结果的影响,采用三因素三水平BOX-Behnken试验设计方法,建立无人机飞行高度、无人机飞行角度和无人机飞行速度与评价网络模型mAP值的数学模型,寻求无人机拍摄的最优参数组合并进行试验验证,当无人机飞行高度为0.9 m、飞行角度100°、飞行速度2.2 m·s^(-1)时,评价网络模型效果相关的响应值达到最优。经验证,无人机拍摄参数优化后,网络模型的mAP值为92.67%,检测效果优于其他组模型。

关键词： 障碍物主动识别和距离感知算法   视觉图像   三维点云   融合算法   目标检测  

摘要： 针对无人机配电线自动巡检及绝缘层涂覆维护过程中障碍物主动识别和距离感知的问题,提出视觉图像与三维点云相结合的障碍物识别方法。对图像进行增广预处理来丰富数据集,引入基于特征提取的深度学习进行模型训练,获取障碍物目标的类别和方位,结合三维点云信息得到目标的距离信息。实验结果表明:三维点云与视觉图像融合的障碍物主动识别与距离感知算法可以兼顾实时与精准测距的需求,提高了系统预警的精确度,最大识别误差为2.356%,有助于提高无人机及线缆涂覆机器人的障碍感知能力,保障作业安全。

关键词： 奶油生菜   轮廓分割   遮挡   Mask R-CNN   深度学习   图像处理  

摘要： 利用机器视觉技术测量生菜的表型参数对探索生菜的生长规律有着非常重要的意义,而构建生菜个体的识别及轮廓分割算法是实现表型参数精准测量的重要前提;但是,在生菜培育至采收期,俯视图下生菜个体间叶片相互重叠遮挡,对个体识别和轮廓分割造成很大的阻碍。为此,改进了Mask R-CNN神经网络模型,掩膜分支采用class-agnostic模式,以ResNeXt50联合FPN替换原有的卷积主干,实现了遮挡条件下奶油生菜的个体识别和轮廓分割。为了对改进模型的分割精度进行验证分析,采用平均精度AP75和平均检测耗时作为评价指标,与原始Mask R-CNN、DeepMask、MNC分割模型在不同程度遮挡测试集上设置对比试验。结果表明:改进模型的平均精度达到98.7%,相比原模型提高了约4%,且在重度遮挡测试集上依然能够保持良好的分割精度。研究结果可为遮挡条件下植物叶片的识别和分割提供算法参考,也可为奶油生菜的表型参数提取提供技术支持。

关键词： 无线传感器网络   信号处理   数据融合   环境监测   目标跟踪  

摘要： 为了探讨无线传感器网络(WSN)中信号处理与数据融合的应用效果及其对网络性能的影响,采用理论分析与实验验证相结合的方法分析了信号处理技术在数据预处理、信号检测与估计、信号编码与压缩方等方面的应用及数据融合技术在环境监测、目标跟踪、健康监测等场景下的实际效用,构建模型并开展一系列实验。结果表明,有效的信号处理与数据融合技术能显著提高无线传感器网络的数据准确性和系统效率,信号处理与数据融合的集成应用进一步增强了网络处理能力及应用范围,此结果可为无线传感器网络的优化配置和应用提供理论依据和实践指导。

关键词： 天基雷达   分布式雷达   海面目标   目标跟踪   性能评估  

摘要： 天基雷达在广域目标监视方面具有独特优势,利用天基雷达实现广域海面目标跟踪具有重大现实意义和特殊难度。针对天基分布式雷达体制,在分析其用于海面多目标跟踪场景所存在的区域非均衡覆盖、低/超低回访周期、实时处理等特殊问题影响基础上,提出了星间接力跟踪处理方式和栅格化跟踪处理框架,并给出了相应的多目标跟踪性能评估指标体系。仿真评估结果表明了所提栅格化跟踪处理框架相对常规全域处理框架的优越性以及评估指标的合理性。

关键词： 西南雷达拼图   航路信息提取   航路叠加   图像处理   软件设计  

摘要： 为了满足空管部门提出的将天气信息与航路信息融合的需求,减轻强对流天气发生时管制运行人员的资料查询负担,文章利用C#图像处理技术,搭建了一套叠加西南地区重要航路数据及西南雷达拼图生成融合雷达图形产品的系统,并阐明了航路提取、图像叠加绘制、实时监控西南雷达拼图更新情况、用户界面实现等关键技术。

关键词： 智能车辆   目标检测   无先验框   CenterNet   轻量化   深度可分离卷积  

摘要： 针对当前目标检测算法参数较多,计算量较大,导致响应速度较慢,难以推广应用于智能车辆系统的问题,提出一种改进的CenterNet目标检测算法。即应用轻量化MobileNetV3网络替换原ResNet-50网络,降低计算量;应用深度可分离的PANet替换特征增强网络,获得多尺度特征信息融合后的特征,并引入SimAM注意力机制在特征融合前强化目标特征关注度,再用SiLU激活函数替换原目标检测网络中的ReLU激活函数,增强网络学习能力。最后提出CPAN-ASFF模块对深度可分离的PANet输出多尺度特征图进行融合,提高目标检测精度。应用优化后的KITTI数据集对改进后的CenterNet目标检测算法进行训练及检测验证,结果表明:其平均准确率为80.7%,比原始Center⁃Net目标检测算法提高了12个百分点,其检测速度为65 f/s,其参数量为8.91 M,较原算法减少72.73%,改进后的算法在遮挡目标、重叠目标以及与背景相似目标的检测效果上表现更优。且在SODA10M数据集中,文中提出的算法的检测精度与速度也都优于当前主流算法。该研究对算法的优化及实验为智能车辆在实际工程中的应用奠定了技术支撑。

关键词： 面阵激光成像系统   感知遮挡   相关最大似然估计粒子滤波   目标跟踪  

摘要： 针对现有的RGB目标跟踪算法难以有效应对光线变化、尺度变化、遮挡等问题,文章提出了一种基于三维面阵激光成像系统的感知遮挡相关粒子滤波目标跟踪算法;首先提出基于Depth深度数据及其HOG特征的目标遮挡判断机制,然后融合相关最大似然估计粒子滤波算法形成目标预测-跟踪-校准-再检测的跟踪机制;与现有的目标跟踪算法进行对比实验的结果表明,基于三维面阵激光成像系统的感知遮挡相关粒子滤波目标跟踪算法可以很好地检测目标遮挡并进行目标跟踪,降低了光线变化带来的影响,在目标预测-跟踪-校准-再检测方面,计算量较小,实时性较好,精确度达到85.7%。

关键词： 肾动态   显像图像   后处理   肾小球   滤过   影响  

摘要： 研究旨在探讨肾动态显像图像后处理对慢性肾小球滤过不全患者肾小球滤过的影响,评估其在临床应用中的潜在价值。方法 于2022年4月至2023年4月期间,选取我院60例慢性肾小球滤过不全患者,采用肾动态显像99mTc-DTPA技术测定肾小球滤过率。重点检测患者的血尿素氮(BUN)、血清肌酐(Scr)、肌酐清除率(Ccr)等生化指标,同时对采集到的相关数据进行统计学分析。同时,对比图像采集处理前、后的结者肾脏深度和GFR值,果:基于肾动态显像图像后处理,观察到患者的肾小球滤过率值诊断结果更为准确,其中平均滤过率由处理前诊断的45.2±8.6ml/min提高至处理后的52.8±9.4ml/min(P<0.05)。与此同时,患者BUN、Scr水平明显下降,Ccr水平明显提高(P<0.05)。结论 肾动态显像图像后处理对慢性肾小球滤过不全患者的肾小球滤过率诊断结果具有显著正向影响。该技术可有效改善患者肾小球滤过率,表现为生化指标的改善。肾动态显像图像后处理为肾小球滤过不全的诊断和治疗提供了一种新的临床辅助手段,具备广泛的应用前景。然而,还需优化本研究思路,明确临床机制和长期临床应用效果,进而更全面地评估其在慢性肾小球滤过不全患者中的临床应用价值。