关键词： 遥感图像   Global Backbone   Attention Gate   SMU   U-neck  

摘要： 目前基于通用YOLO系列的遥感目标检测算法存在并未充分利用图像的全局上下文信息,在特征融合金字塔部分并未充分考虑缩小融合特征之间的语义鸿沟、抑制冗余信息干扰的缺点。在结合YOLO算法优点的基础上提出GUS-YOLO算法,其拥有一个能够充分利用全局上下文信息的骨干网络Global Backbone。除此之外,该算法在融合特征金字塔自顶向下的结构中引入Attention Gate模块,可以突出必要的特征信息,抑制冗余信息。另外,为Attention Gate模块设计了最佳的网络结构,提出了网络的特征融合结构U-Net。最后,为克服ReLU函数可能导致模型梯度不再更新的问题,该算法将Attention Gate模块的激活函数升级为可学习的SMU激活函数,提高模型鲁棒性。在NWPU VHR-10遥感数据集上,该算法相较于YOLOV7算法取得宽松指标mAP^(0.50)1.64个百分点和严格指标mAP^(0.75)9.39个百分点的性能提升。相较于目前主流的七种检测算法,该算法取得较好的检测性能。

关键词： 血管造影术   数字减影   手术器械   深度学习   自动识别  

摘要： 目的 观察YOLOX目标检测模型用于自动识别数字减影血管造影(DSA)图中的血管腔内介入器械的价值。方法 收集37例接受腹部血管腔内介入治疗患者的DSA资料,截取4 435幅图像作为数据集,并按照9∶1比例将其分为训练集(n=3 991)与验证集(n=444)。对数据集中的6种介入器械进行标记后,以YOLOX算法对训练集数据进行深度学习训练,构建YOLOX目标检测模型;基于验证集评估该模型自动识别DSA图中的介入器械的效能。结果共对4 435幅DSA图像设置6 668个标签,分别针对Terumo 0.035in泥鳅导丝(n=587)、Cook Lunderquist超硬导丝(n=990)、Optimed 5F带刻度猪尾导管(n=1 680)、Cordis MPA多功能导管(n=667)、Boston Scientific V-18可控导丝(n=1 330)及Terumo 6F长鞘(n=1 414);训练集分别含上述标签527、875、1 466、598、1 185及1 282个,验证集分别含60、115、214、69、145及132个。YOLOX目标检测模型自动识别验证集中上述器械的像素准确率分别为95.23%、97.32%、99.18%、98.97%、97.60%及98.19%,平均像素准确率达97.75%。结论 YOLOX目标检测模型能够自动识别DSA图中的多种血管腔内介入器械。

关键词： 目标检测   外力破坏   YOLOv5s   CA注意力   CARAFE   GSConv_slimneck  

摘要： 电力系统的安全对于整个能源传输过程至关重要;针对输电线路下超大工程车辆和烟火为主要的外力破坏行为,对单阶段目标检测算法YOLOv5s进行改进,首先针对输电线路多雨雾烟尘等工作环境,引入限制对比度自适应直方图均衡算法CLAHE对图片进行去雾处理,提升图片对比度;针对检测目标距离较远的问题,在YOLOv5s网络的基础上添加CA注意力机制,提升了模型对目标的定位能力;将原网络中的最邻近差值采样方式替换为轻量级通用上采样算子CARAFE,更好地捕捉特征图的同时引入较小的参数量;最后在网络的特征融合层,使用具有通道混洗思想的GSConv卷积模块代替标准卷积模块,减少模型参数量,再利用slim_neck特征融合结构,强化目标关注度,达到减少模型参数量同时提升检测精度的效果;实验结果表明:改进后的YOLOv5s网络,mAP提升了4.4%,参数量减少了3.4%,权重模型内存减小了2.7%,证明了算法的有效性。

关键词： 计算机视觉   边缘检测   梯度算子   Hough变换  

摘要： 针对目前基于机器视觉的齿轮参数测量和检测中,获取齿轮中心坐标这一关键步骤缺乏通用性的问题,提出了一种利用Hough渐开线变换的方法。首先,在图像坐标中建立齿轮渐开线齿廓的数学模型。接着,对齿轮的灰度图像进行卷积、边缘检测获得齿轮边缘图像和像素梯度角。最后,对边缘像素做Hough渐开线变换,得到最终的齿轮中心坐标。实验和仿真结果表明,按该方法求得的结果与真实坐标的标准差在1 pixel以内,对齿轮内孔形状无要求,可以作为一种有效的齿轮图像中心检测方法。

关键词： 混合现实   交互行为   目标跟踪算法  

摘要： 为了准确地跟踪交互行为动态目标,开展了基于混合现实的交互行为目标跟踪算法研究。首先,创建适合目标跟踪的混合现实环境,建立交互行为目标运动模型,得出目标的位置、运动轨迹及交互行为信息。其次,根据目标运动的特点和模型需求,提取交互行为目标特征,为目标跟踪提供基础数据。最后,设计目标跟踪算法,找出最佳匹配的特征点,通过在连续帧之间匹配目标特征来实现跟踪。实验表明:静态目标跟踪平均精度为±0.03 m,速度为35 Hz;动态目标跟踪平均精度为±0.08 m,速度为28 Hz;手势识别准确率达到95%;姿态估计误差仅为3°。

关键词： 水下噪声   磨砂玻璃   浴帘效应   图像处理  

摘要： 该文提出并实验验证了一种可通过磨砂玻璃滤光片诱导的浴帘效应来抑制水下噪声的方法.在实验中,在水槽中的水被蓝色墨水污染,以添加随机分布的散射颗粒,并使用蠕动泵产生湍流噪声.携带图像信息的扩展光束穿过水槽,进入电荷耦合器(CCD)用于图像记录.对比结果表明:由于磨砂玻璃滤光片起到空间低通滤光的作用,所以可以大大提高记录图像的可见度;通过高斯拉普拉斯(LoG)算法和人工智能算法,插入磨砂玻璃滤光片的图像处理效果也优于没有磨砂玻璃滤光片的.该方法方便且经济,在资源勘探和海底考古中具有潜在的应用价值.

关键词： 数字图像处理与识别   系统设计   系统开发   领域应用  

摘要： 随着信息技术的迅猛发展,数字图像处理与识别技术在各个领域的应用日益广泛。笔者旨在探讨数字图像处理与识别系统的开发流程、关键技术及其在实际场景中的应用。首先,从图像获取、预处理、特征提取与选择等环节简要概述数字图像处理的基本概念和原理。其次,重点研究数字图像处理与识别系统开发内容,分析系统开发过程中面临的算法优化、实时性处理等挑战,并提出了相应的解决方案。最后,利用具体案例阐述该系统在智能监控、医学诊断、工业自动化等领域的实际应用,通过研究旨在为优化改进数字图像处理和识别系统开发与应用提供借鉴。

关键词： 目标检测   少样本学习   微调范式   多尺度   递归机制   特征投影融合   对比机制  

摘要： 针对少样本场景中尺度混乱、特征关联性差导致检测不精准的问题,提出一种基于多尺度融合对比机制的检测算法。相比先前方法仅关注表层特征迁移,该方法深刻探讨基类与新类特征空间的潜在联系。通过多尺度递归投影增加特征关联性,利用对比机制充分挖掘基类空间和通道信息,最大化引导新类特征的提取、筛选以及匹配,取得显著性能提升。在Pascal VOC和MS COCO数据集实验中验证了该方法的优越性,为少样本目标检测研究提供了新的理论支撑和研究方向。

关键词： 线结构光   3D打印   定制产品   包装设计   色差  

摘要： 定制产品包装设计中受到光影和色差影响导致设计效果不好,基于线结构光成像技术的定制产品包装视觉图像处理方法。采用线结构光成像技术,构建定制产品包装设计的视觉成像模型,分析包装图像特征随光照条纹变化的差异度,结合颜色空间的深度和明亮度分析的方法,在HSV颜色空间中,采用线结构光调整的方法,调整3D打印图像光稳定性,通过超像素的显著性值分析,结合邻域像素特征分解,实现定制产品包装视觉深度和明亮度融合。实验结果表明,采用该方法进行定制产品包装设计的光影和色彩抑制能力较好,定制产品包装视觉图像信息表达能力较强,均方误差最小为0.109,输出的峰值信噪比为46 dB,峰值信噪较高,在迭代次数为10时,信息熵最高为0.93,SSIM值较大,且接近于1。

关键词： 无人机目标检测   YOLOv7   动态稀疏注意力   部分卷积   CARAFE  

摘要： 针对传统卷积网络对无人机图像中小目标检测精度低和误检问题,本研究提出一种改进的无人机图像小目标检测算法,提高航拍检测精度。本算法采用YOLOv7作为基本框架,并在空间金字塔池化中融入动态稀疏注意力,形成SPPCSPC-B模块,增强了对小目标的检测能力。同时,本算法使用局部卷积替代了高效聚合网络中的部分群卷积,形成ELAN-P模块,提高了检测速度。最后,使用轻量级上采样算子CARAFE对特征进行重组,进一步提高了检测精度。在Aerial-airport数据集上的实验结果表明,本算法在参数量减少9%、模型缩小8%的情况下,检测精度达94.7%,召回率达到90.8%,比基准算法提高了3.9个百分点,且有效改善了小目标误检、漏检现象。