关键词： 图像目标跟踪技术   电路原理   精确打击  

摘要： 针对某型装备图像目标跟踪机理复杂难以厘清的问题,基于电路原理和电路实验,对该型装备跟踪系统的各个组成电路进行分析,重点研究了目标偏移跟踪电路的工作原理。通过对整个跟踪系统的分析,掌握了该型装备图像目标跟踪技术的机理,提高了该型装备跟踪目标的灵敏度、准确度,为精确打击目标提供了坚实的理论支撑。

关键词： 血鹦鹉   慈鲷   YOLOv8模型   检测追踪   ByteTrack算法  

摘要： 为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

关键词： 车道线检测   图像处理   Canny算子   边缘检测   ROI提取   Hough变换  

摘要： 车道线识别检测技术是汽车实现自动驾驶的关键技术之一,利用图像低级特征提取技术实现边缘检测是车道线识别的最佳方法之一。为解决传统车道线检测易误检、漏检、效率低等问题,利用结构化道路条件下车道线图像,在去噪、滤波等预处理后对获取的图像进行ROI区域提取。基于传统边缘检测算子边缘提取方法,发现Roberts等算子在考虑环境因素下检测结果存在细节边缘提取不足的问题。通过比较发现,利用霍夫变换改进的Canny算子边缘检测方法不仅能够有效提高检测结果的精确度,而且能够同时提升运行速度。该方法能够有效避免传统边缘检测方法检测结果误差大的问题,具有较强的鲁棒性和抗干扰性。

关键词： 图像处理   成熟草莓检测   BP神经网络算法   图片处理算法   ISODATA算法  

摘要： 针对目前成熟草莓的检测效率低及易增加草莓损坏率的问题,基于图像处理对成熟草莓检测技术进行了研究。草莓视觉检测系统的硬件组成主要包括CCD摄像头、图像采集卡、计算机主机、光源、继电器和运动控制设备,采用图像处理算法和BP神经网络算法对草莓成熟度进行检测。工作时,通过摄像头拍摄图片,并对草莓图片进行预处理、分割和滤波等处理和分析;然后,采用BP神经网络算法识别出不同成熟度的草莓。为了验证该系统的性能,采用确定成熟度的草莓对系统进行训练和测试,结果表明系统可以准确识别草莓的成熟度。

关键词： 图像处理   多尺度结构化融合   动态范围压缩   均方根误差   信息熵   对比度  

摘要： 为解决弱光环境下的红外与可见光图像的融合结果存在对比度低、细节纹理不足、融合耗时长的问题,提出了一种改进多尺度结构化融合的方法。在图像融合前,采用动态范围压缩算法对弱光下的可见光图像进行增强,再通过多尺度结构化分解将增强后的可见光图像和红外图像分解成低频和高频信息;在融合过程中,提出一种基于均方根误差系数的方法对低频信息进行融合,提出一种基于信息熵自适应调整权重的策略对初步融合的高频信息进行二次优化融合,再通过多尺度结构化分解的逆变换重构出融合图像;最后,提出一种基于灰度分类的区域像素增强算法来提高融合后图像的对比度。将提出方法与9种常用的融合方法进行了定性和定量的分析比较,在TNO和CVC-14数据集上的实验结果表明,该方法在平均梯度、交叉熵、边缘强度、标准差和空间频率指标上取得了更好的客观评价结果,整体视觉效果也要优于对比方法。本方法的融合结果具有丰富的细节纹理、较高的清晰度和对比度,且融合耗时短。

关键词： YOLOv4   目标检测   特征融合   跨尺度   多尺度变化   全局注意力   平均池化   上下文信息  

摘要： YOLOv4算法在检测速度和精度上达到了很好的平衡,但仍存在着定位框不准确、检测率低的问题,尤其是在检测目标较小、尺度变化大的情况下。针对以上问题,提出一种新的基于YOLOv4改进的目标检测算法。该算法采用改进的特征融合模块(path aggregation network combined with bi-directional feature pyramid network,P-Bifpn)代替PANet(path aggregation network),增加跨尺度连接的同时在输出端引入权重,增强重要特征的表现力,解决由多尺度变化而引起的精度下降。然后,采用新的全局注意力机制(global association network,GANet),在减少平均池化与计算量的同时增强Sigmoid函数输出,加强模型对目标上下文关系的学习,减少噪声干扰和全局信息的损失。试验采用RSOD、NWPU VHR-10数据集,平均检测精度分别提升了约5%和3%;泛化试验采用VOC2007+2012公共数据集,平均检测精度提升了约0.6%。试验结果表明改进的算法能够有效提高模型的检测能力。

关键词： 煤炭品质检测   多模式数据融合   图像处理   光谱分析   化学成分分析  

摘要： 随着煤炭工业的发展,煤炭品质的准确检测变得越来越重要。本文旨在探讨多模式数据融合技术在煤炭品质检测中的应用和有效性。研究首先回顾了煤炭品质检测的传统方法,并分析了其局限性。随后,详细介绍了多模式数据融合技术的原理和方法,包括图像处理、光谱分析、化学成分分析等多种数据源的综合利用。本研究通过实验验证了多模式数据融合在提高煤炭品质检测准确性和效率方面的优势。最后,讨论了该技术在实际应用中的挑战和发展前景。

关键词： 数字图像处理   图像去雾   实验平台   综合实验  

摘要： 人工智能相关产业的发展对新工科建设改革提出了新的要求,传统的数字图像处理课程基础实验教学已难以满足学生创新能力培养的需要。文章在分析当前该课程实践教学所存在问题的基础上,阐述图像去雾模型的相关理论和将其用于实验设计的可行性,并以去雾模型为教学案例提出实验设计的总体思路和准则,从兴趣引导、文献检索、理论辅导、建模仿真、报告撰写和效果评价几个环节介绍综合性实验设计的过程性框架,同时提供通用的实验平台界面设计方案。多年的教学效果评价表明,该实验设计不但可以增强学生的实践能力,还可以引导学生主动了解科技前沿,初步培养学生的科研兴趣,为将其培养为有创新能力的应用型人才奠定基础。

关键词： 目标检测   数据集   行人检测   人脸检测   计算机视觉  

摘要： 【应用背景】目标检测是计算机视觉的基本研究问题之一,目标检测数据集是评估目标检测方法性能的基础。【目的】对目标检测领域发展过程中产生的数据集进行分析和介绍可以有效地揭示目标检测数据集的特点、发展趋势以及检测研究面临的主要问题,从时间和领域的角度展现目标检测数据集的现状,一定程度上也可以为研究人员提供数据集使用参考。【方法】主要从目标检测领域通用数据集和包含行人检测、人脸检测、交通道路场景目标检测、航空遥感检测、文本检测多个应用场景的特定领域数据集两个角度出发,关注数据集的挑战性,列举分析应用最为广泛且具有差异的数据集,给出不同场景数据集的图像示例并分析其主要挑战。【结论】对目标检测领域数据集进行介绍的同时,也揭示了目标检测数据集的重要意义、不同场景下的挑战性和特点以及构建目标检测数据集的主要挑战与未来发展趋势。

关键词： 智能变电站   一次设备   故障检测   红外图谱   图像处理   OSTU算法   图像灰度值   Faster R-CNN模型  

摘要： 针对智能变电站内一次设备红外监测图像分析与处理智能化较低的问题,提出了一种基于Faster R-CNN的变电站异常设备红外检测图谱分析方法,并实现了变电站故障设备的智能识别和原因分析。将远程终端单元所采集到的红外图像进行预处理,并对图中的变电站设备进行识别;采用大津算法结合图像灰度值的特殊性对图像进行分割与图像配准;Faster R-CNN则用于对比判断设备是否处于故障状态并分析原因。实验测试结果表明,所提方法对于多种故障设备的识别准确率均在90%以上,具有较优的鲁棒性。