关键词： 数字图象处理  

ISBN: (纸本)9787121475528

摘要： 本书系统地介绍了数字图像处理的基本理论和基本技术，共12章，包括概述、数字图像处理的物理及技术基础、数字图像处理的数学基础、图像增强、图像编码与压缩、图像复原与重建、图像分割、数学形态学在图像处理中的应用、图像分析、图像识别、基于模型驱动法的图像处理综合应用和基于深度学习的图像处理综合应用等内容。

关键词： 计算机视觉技术   电力系统自动化   技术应用  

摘要： 计算机技术是一个综合性概念,计算机视觉技术是其中的主要组成部分,它应用于电力系统的自动化建设中的引进利用,体现出极强的实用性.本文着重介绍计算机视觉技术的原理,回顾它的前世今生,就计算机视觉技术在电力系统自动化建设中的适用技术类型、应用策略以及未来发展进行宏观及微观层面的分析论证,旨在推动计算机视觉技术与电力系统自动化建设的有机结合,促进电力事业向前发展.

关键词： 损失函数设计   降采样   缺陷检测   目标检测  

摘要： 针对PCB在生产过程中会出现短路、漏孔等缺陷， 已有的损失函数和降采样算法存在定位不准确等导致缺陷检测收敛缓慢、检测结果不准确的问题，提出了一种基于掩模降采样和微小缺陷交并比损失的一阶段缺陷检测器. 首先， 提出基于面积损失的微小缺陷交并比损失函数， 以进行更精确的微小缺陷回归定位. 其次， 提出基于动态掩模的降采样算法， 以利于检测器在缩小参数矩阵尺寸过程中自动筛选重要特征、次要特征和噪声特征， 提升缺陷检测器的特征提取能力. 实验结果表明， 提出的缺陷检测器在北京大学PCB缺陷数据集和Deep PCB数据集上可分别达到98.50%的mAP和99.02%的mAP， 优于现有算法; 提出的降采样算法使YOLOv5等检测器的mAP在北京大学PCB数据集中提升了1.6个百分点， 提出的损失函数有利于YOLOv3和YOLOv4等检测器提升其在2个数据集上的检测准确率， 展现出良好的鲁棒性.

关键词： 遥感图像   轻量级网络   efficientvit   多特征融合  

摘要： 【目的】 针对传统遥感图像目标检测模型在无人机、卫星等低算力场景下难以部署的问题，如何保持检测精度的同时，降低模型的参数量，提出了一种基于DETR的轻量级遥感图像目标检测算法。【方法】 该模型首先采用EfficientViT特征提取模块作为轻量级骨干网络，用于图像特征提取和筛选；同时，设计了一个轻量级高效混合编码器，旨在在降低模型的参数量和计算量的同时，保持检测精度，该编码器由S-AIFI模块和MSFM模块组成，其中S-AIFI模块专注于处理深层特征，以增强对特征信息的聚合能力。而MSFM模块通过多尺度特征融合提高模型在遥感图像中对不同大小目标的检测能力；最后，引入了shape-IoU损失函数，以进一步提高模型的检测精度。【结果】 在DOTA-v1数据集和SIMD数据集上进行实验，该模型的mAP达到了75.5%及81.9%，其参数量降低到了10.3M。【结论】 根据实验结果显示，训练后的模型具有较小的内存占用和参数量，适用于计算资源有限的遥感图像处理应用场景。

关键词： 计算机视觉   多行人追踪   重识别   数据关联  

摘要： 针对密集行人场景下多目标跟踪存在的目标错检漏检、关联不准确，重识别错误等问题，本文提出一种基于Transformer的多行人跟踪网络。算法包含检测、数据关联和追踪三个模块，其中检测模块采用选择性查询收集方法增强解码器对关键特征的收集，提高模型对目标的表征能力，有效减少目标错检漏检问题；数据关联模块采用双线性LSTM与二次数据关联的融合策略，解决密集行人由于相似外观导致的关联不准确的问题；最后在追踪模块上将注意力金字塔嵌入到金字塔时空聚合模块以捕获不同尺度特征图的时空信息，提高了目标重识别的准确性。本文所提网络在公开数据集MOT16，MOT17上进行了性能测试，实验结果表明，相较于其他方法，本文方法能够实现更准确的多行人追踪。

关键词： 海杂波   广义逆高斯纹理   纹理空间相关性   相干检测  

摘要： 针对非高斯海杂波的重拖尾现象和传统自适应相干检测器假设海杂波纹理结构完全非均匀导致的性能损失问题，提出基于广义逆高斯（Generalized Inverse Gaussian， GIG）纹理结构空间相关性的目标检测算法。首先分析相关杂波背景下的目标检测模型，引入海杂波纹理结构的空间相关性作为先验信息，随后基于两步广义似然比检测（Generalized Likelihood Ratio Test， GLRT）准则推导相关GIG纹理背景下的自适应相干检测器，最后通过理论证明提出的检测器对散斑协方差矩阵以及目标多普勒导向矢量具有恒虚警（Constant False Alarm Rate， CFAR）特性。基于仿真和实测数据实验结果表明，所提基于GIG纹理结构空间相关性改进的检测器在均匀和部分均匀杂波背景下提升了对海面目标的检测性能。

关键词： 小目标检测   对比学习   双流网络   图像退化   图像增强   多尺度  

摘要： 针对小目标检测任务中目标图像尺寸小、目标特征信息模糊、目标和背景难区分等问题，提出一种基于双流对比特性学习和图像多尺度退化增强的小目标检测方法。首先，将对比学习模型的输入图像进行多尺度退化增强，增强算法对小目标的捕获感知；其次，在空间域和频率域同时进行对比学习表征，以学习更具鉴别性的目标识别特征，增强模型对目标与背景的区分能力，从而提高小目标检测的效果。为验证所提出方法的有效性设计消融实验，并对比分析了与其他先进算法的检测性能。实验结果表明：所提出方法在MS COCO数据集上平均精度均值mAP相较基线算法提升3.6个百分点，小目标平均精度均值mAPS相较主流先进算法提升7.7个百分点；在VisDrone2019数据集上，所提出方法平均精度均值mAP较基线算法提升2.4个百分点，所提出方法综合性能优于基线算法与其他主流先进算法。可视化检测效果分析表明，所提出方法在小目标检测上的漏检、误检问题得到较大改善。

关键词： 分布式多输入多输出雷达系统   目标检测   多径效应   功率分配   合作博弈理论  

摘要： 为提升低空突防作战场景下分布式多输入多输出(Multiple Input and Multiple Output， MIMO)雷达系统的目标检测效能，提出一种合作博弈功率分配 (Cooperative Game Power Allocation， CGPA) 算法。基于带误差的支援信息建立了低空多径环境下的分布式MIMO雷达信号模型，并推导了基于奈曼皮尔逊准则的检测模型。结合Max-Min准则以信干噪比(Signal to Interference plus Noise Ratio， SINR)为优化模型的效用函数。在此基础上，利用加权方法简化了联盟利益Shapley值的计算，得到满足帕累托最优性和公平性的合作资源分配方案。通过对发射功率资源的细致化管理，有效减小多径效应引起接收信号幅度的参差与衰落。在改善接收信号的稳定性的同时，挖掘并利用多径环境下丰富的散射特性，有效提升了雷达系统的探测效能。仿真实验验证了分布式MIMO雷达系统低空多径目标检测的出色性能，所提功率分配算法能够有效提升系统检测性能，并具有较好的实时性。

关键词： 目标检测   分形特征   YOLOv7   自适应融合  

摘要： 针对复杂环境背景和噪声情况下，桥梁病害图像中特征提取不充分的问题，提出将分形几何特征与YOLOv7网络融合的方法来提高病害检测的精度。首先设计分形特征模块，得到桥梁病害图像的分形特征图；其次，设计了自适应特征融合层，将提取的分形特征融入YOLOv7网络，让网络获得表达能力更强的特征图；最后引入坐标注意力机制，增强了网络对小病害的检测精度。实验对包含风化、裂缝、钢筋外露、腐蚀和剥落五种桥梁病害的复杂图像进行了检测，结果表明：在相同的数据集和迭代次数下，融入分形几何特征的YOLOv7网络相比于原始网络对上述五种病害检测的平均精度均值从82.94%提高到86.24%，其中，裂缝病害的检测平均精度提高最为显著，从75.92%提高到81.29%。

关键词： 图像处理   水下图像增强   浑浊水体   深度学习   改进Shallow-Uwnet网络模型  

摘要： 针对浑浊水体环境下图像对比度降低和色偏严重等问题，构建模拟真实浑浊水环境的水下图像数据集，提出了一种基于改进Shallow-UWnet网络模型的浑浊水体图像增强方法。首先，使用灰度空间算法对原始图像进行全局颜色校正，再利用改进的Shallow-UWnet网络模型，学习失真图像与正常图像的映射关系从而实现水下图像增强，然后使用限制对比度自适应直方图均衡化（contrast limited adaptive histogram equalization，CLAHE）方法提高图像对比度，从而得到最终的增强图像。实验结果表明，本方法在主客观评价指标和特征点匹配应用指标上优于其他5种参考方法，能有效校正不同浑浊水环境下图像的色偏，提升图像对比度和清晰度。本方法可以适用于水体较为浑浊的水下原位环境，为提高水下场景的视觉质量提供了有效的解决方案，在水下探测、水下救援、水下考古等领域中具有广泛的应用前景。