关键词： 显著性目标检测   补丁嵌入   混合损失函数   PoolNet   ConvMixer  

摘要： 显著性目标检测(Saliency Object Detection,SOD)算法多采用基于卷积神经网络(Convolutional Neural Network,CNN)的骨干网络提取特征,然而CNN无法获取图像的长范围特征依赖。视觉转换器(Vision Transformer,ViT)将图像划分为图块(patch),通过Transformer在patch之间传播全局上下文信息获得长范围特征依赖,但Transformer的自注意力层具有二次方的时间复杂性。因此,提出一种低复杂性的基于patch的SOD算法CM-PoolNet,对经典的显著性目标检测PoolNet模型的骨干网络进行改进,使用卷积模型ConvMixer替换VGG和RestNet,提出新的特征融合方法。基于U型结构,编码器对输入图像进行Patch Embedding,送入重复堆叠的由深度可分离卷积和膨胀卷积构成的ConvMixer特征提取器中。为解码器设计了基于patch的特征融合模块。设计了BCE、SSIM和IOU 3种损失,引导模型在像素级、图块级、特征图级3级层次中学习输入图像和真值图像之间的转换。在DUTS数据集和ECSSD数据集上进行实验,结果表明:提出的模型能够有效地分割突出的目标区域,并且准确预测具有清晰边界的精细结构。

关键词： 机器视觉   无人驾驶   灰度摄像头   图像处理   畸变矫正  

摘要： 近年来,机器视觉相关无人驾驶汽车快速发展,且已在小范围内投入使用。本文以智能车大赛中的视觉循迹智能车为设计对象,提出了一种基于图像处理的三轮车软件系统。系统选用MT9V034灰度摄像头作为视觉传感器,TC377单片机为主控,使用C语言和英飞凌公司的AURIX Development Studio编译环境进行开发,设计运行图像预处理系统和搜线系统。图像处理系统包括桶形畸变矫正算法、大津法二值化算法、四邻域广度优先搜索算法的设计、实现与优化。搜线系统负责处理普通赛道、十字、环岛,实现车模快速准确的在赛道上运行。

关键词： 机器视觉技术   图像处理   飞机部件   无损检测  

摘要： 针对当前飞机维修检查工作以人工目视检查为主、效率低且存在人为因素影响的情况,设计一套基于图像识别与机器深度学习的飞机部件表面无损检测系统。收集并整理了某航空公司一线飞机维修员拍摄的飞机机身及发动机部件图片,对图片集进行预处理,包括通道提取、Sobel滤波处理及二值化;最后用Blob分析对处理后的图像进行特征提取与系统分析。系统运行速度快、准确率高且可连续自动识别图像。利用机器视觉技术对飞机部件表面进行无损检测不仅可以提高生产效率,同时可以去除人为因素对航空器飞行安全的影响,使得飞机的飞行安全得到进一步提升。实践证明,该系统性能稳定可靠,具有极高的推广应用价值。

关键词： 图像多曝光融合   图像超分辨率   卷积神经网络   计算机视觉   深度学习  

摘要： 人们在日常生活中往往需要得到高动态范围和高分辨率的图像。但由于技术设备的限制,高动态范围的图像往往通过低动态范围图像的多曝光融合(MEF)而获得,高分辨率图像往往通过低分辨率图像的超分辨率(SR)而获得。MEF和SR通常被作为两个独立的内容进行研究。为了解决当前模型不能同时实现高动态范围和高分辨率的问题,通过对现有方法进行研究,提出了一种基于多耦合反馈网络MCF-Net及其方法。模型包括:N个子网和输出模块;在方法中,将N张下采样图片I_(lr)^(i),I_(lr)^(m),I_(lr)^(-i)分别输入至N个子网,提取的低分辨率特征F_(lr)^(i),F_(lr)^(m),F_(lr)^(-i);根据低分辨率特征F_(lr)^(i),F_(lr)^(m),F_(lr)^(-i)提取对应图像的超分辨率特征G_(0)^(i),G_(0)^(m),G_(0)^(-i);得到融合高分辨率特征G_(t)^(i),G_(t)^(m),G_(t)^(-i)并输入至下个MCFB中,直至第T个MCFB得到融合高分辨率特征G_(T)^(i),G_(T)^(m),G_(T)^(-i);获取对应的融合超分辨率图像I_(t)^(i),I_(t)^(m),I_(t)^(-i);融合N个子网中第T个重建模块REC输出的I_(T)^(i),I_(T)^(m),I_(T)^(-i)得到高动态范围、超分辨率图像I_(out)。在SICE数据集上实验并验证了性能,与现有的33种方法进行对比,结果显示以下各评价指标都有明显的提高,其中结构相似性(SSIM)达到0.833 2,峰值信噪比(PSNR)达到22.07 dB,多曝光融合相似性(MEF-SSIM)达到0.937 8。

关键词： 边缘提取   Canny算法   FPGA   图像处理   双边滤波  

摘要： 针对传统边缘检测算法在FPGA上实现存在缺乏自适应性及实时性差的问题,结合FPGA高速并行处理数据的特点,提出一种改进的边缘检测算法。该算法首先将双边滤波应用于Canny边缘检测算法,在降低噪声的同时保留图像边缘梯度信息;其次使用改进的Sobel算子,在4个方向上进行梯度幅值计算,以提高图像边缘的定位精度;最后提出一种基于梯度直方图的一阶导数变化的自适应阈值选取策略,以提高算法的自适应能力。实验结果表明双边滤波处理后,图像的峰值信噪比(PSNR)相较传统Canny算法提升了109%。边缘图像的单边缘响应和边缘连接性有明显提升,同时满足实时性要求。为Canny算法应用到嵌入式机器视觉中提供一种可行方案。

关键词： 图像处理   特征匹配   磁共振影像   Canny算法  

摘要： 针对磁共振影像(MRI)中的细微特征难提取、易缺失问题,提出一种基于融合Canny-SIFT算法的磁共振影像细微特征提取方法。该算法首先解决因图像的灰度不均匀以及噪声信号繁杂导致图中纹理、细微特征信息不清晰问题,采用自动Gamma变换增加图像对比度,由泛洪填充和离散余弦变换构成的混合滤波器对背景和观察区域噪声做分别处理;针对重点观测区域细微特征提取不完整问题,根据实际诊断要求进行重要程度划分,通过特征匹配和拓扑关系推理获取重要区域的位置、面积等方面信息,同时完成自适应选取相应So-bel算子;最后通过阈值化分割和二值化处理获得输出图像;实验表明:该方法与已有Canny边缘检测精度有明显提升,结构相似性相较于传统常见方式提升了38.9%,均方误差下降了31.33%,与所提及的其他算法相比性能表现为最优。

关键词： 目标检测   水漂垃圾   Faster-RCNN   空洞卷积   多尺度特征融合   极化自注意力  

摘要： 针对小目标水漂垃圾形态多变、分辨率低且信息有限,导致检测效果不理想的问题,提出一种改进的Faster-RCNN(Faster Regions with Convolutional Neural Network)水漂垃圾检测算法MP-Faster-RCNN(Faster-RCNN with Multi-scale feature and Polarized self-attention)。首先,建立黄河兰州段小目标水漂垃圾数据集,将空洞卷积结合ResNet-50代替原来的VGG-16(Visual Geometry Group 16)作为主干特征提取网络,扩大感受野以提取更多小目标特征;其次,在区域生成网络(RPN)利用多尺度特征,设置3×3和1×1的两层卷积,补偿单一滑动窗口造成的特征丢失;最后,在RPN前加入极化自注意力,进一步利用多尺度和通道特征提取更细粒度的多尺度空间信息和通道间依赖关系,生成具有全局特征的特征图,实现更精确的目标框定位。实验结果表明,MP-Faster-RCNN能有效提高水漂垃圾检测精度,与原始Faster-RCNN相比,平均精度均值(mAP)提高了6.37个百分点,模型大小从521 MB降到了108 MB,且在同一训练批次下收敛更快。

关键词： 导航雷达   临近空间   目标跟踪   最小二乘滤波   衰减记忆   坐标转换  

摘要： 为了保障海域船舶航行安全,提出船舶导航雷达临近空间低动态目标跟踪方法。利用船舶导航雷达探测临近空间低动态目标,获取量测点迹数据,分析低动态飞行器运动对其量测值的影响,根据最小二乘滤波原理,设计基于衰减记忆的最小二乘滤波器,将量测点迹数据转换到雷达直角坐标系上,根据衰减记忆选择量测点迹数据,将其作为基于衰减记忆的最小二乘滤波器的输入数据,确定低动态目标跟踪轨迹坐标,再将其转换到雷达极坐标系上,实现临近空间低动态目标跟踪。实验结果表明,该方法可实现匀速、匀加速运动下临近空间低动态目标跟踪,跟踪轨迹与实际航迹基本重合,其在X、Y、Z方向上的距离均方根误差远低于量测数据均方根误差。

关键词： 图像去雾   样本增强   目标检测   生成对抗网络  

摘要： 深度卷积神经网络在许多目标检测数据集上取得了较好的识别性能,然而,在雨、雾天气条件下,样品的稀缺一直是限制检测和识别准确性的重要问题。文章建立了一种基于图像去雾和样本增强的大雾场景目标检测方法。采用生成对抗网络(GAN)去除图像中的雾,能在保持图像内容和纹理风格基本不变的情况下,通过风格转移网络实现样本增强。此方法减少了纹理信息对网络模型的影响,使其更加关注物体形状的轮廓信息。在I-HAZE和REISDE数据集上的实验结果表明,该方法能有效提高目标检测精度,平均精度(mAP)可提高15%。

关键词： 合成孔径雷达   天基平台   空中高机动目标   检测  

摘要： 提出了一种基于天基合成孔径雷达平台实现空中高机动目标的检测方法,相比于逆合成孔径雷达系统实现空中运动目标检测具有极大的灵活性。同时,文中充分考虑了空中运动目标(如飞机、导弹等)的机动性,区别于现有合成孔径雷达地面动目标显示方法对空中机动目标进行匀速直线运动的假设,因此文中方法更具有实际应用的价值。文中方法先采用相邻互相关方法对运动目标进行降阶处理,通过keystone方法对动目标进行统一的走动校正,然后对动目标信号进行变尺度的维格纳威尔分布变换,最后通过傅里叶变换能够充分实现对机动目标的有效相干积累,因而适用于低信噪比下对空中机动目标的检测。