关键词： 声波测井   远探测声波成像   裂缝   自适应维纳滤波   反射体拾取  

摘要： 远探测声波成像测井在裂缝等井旁构造评价方面具有广阔的应用前景。声波远探测对井旁反射体进行成像后一般需要从成像图中拾取反射体形态并确定其产状等参数,但成像图中反射体响应信噪比一般较低,给反射体的高效识别带来巨大挑战。为此,在对比分析多种滤波算法效果的基础上,优选了自适应维纳滤波算法对远探测声波成像图进行降噪处理,然后采用数字图像处理方法(灰度化处理、形态学处理、反射体轮廓绘制、最小外接矩形筛选算法)进一步处理图像,实现了目标反射体形态和倾角特征信息的智能拾取。该方法应用于实际远探测声波成像反射体评价中,取得了较好的应用效果,证实了该方法的正确性与可行性。

关键词： 图像篡改检测   YOLO模型   文档篡改   目标检测  

摘要： 随着计算机技术的飞速发展和互联网的普及,电子合同、录用通知书等文档材料经常被当作图片在网上传播,这些文档中通常包含姓名、电话等个人隐私,更容易篡改、利用,造成严重的社会问题。由于YOLO模型在目标检测领域表现出色,因此得到了广泛地应用。基于YOLO模型性能的不断发展,本文对YOLOV3、YOLOV4、YOLOV5、YOLO6、YOLOV8模型的发展变化进行了总结比较,并将其应用在文档图像篡改检测中,对其检测结果进行比较。对YOLO模型的检测结果进行了比较,并对研究结果进行了全面的讨论和总结。此外,我们还提出了未来进一步改进的方向。

关键词： 零件   目标检测   YOLOv7   注意力机制   ConvNeXt  

摘要： 为了在不增加计算复杂度的情况下提升零件的识别精度,本文提出一种基于改进YOLOv7的零件目标检测算法。首先,引入SA注意力机制帮助模型更好地聚焦于图像中的关键特征,抑制不必要的特征,使模型能够更精确地聚焦于图像的最重要方面,从而提高检测精度;其次,引入高效卷积模块ConvNeXt替换部分ELAN模块,降低模型的计算复杂度;最后,引入NAM注意力机制构建MP-NAM模块,提高算法对零件的检测能力。实验结果表明,改进YOLOv7算法在自制数据集上的精确率和均值平均精度分别达到0.964和0.925,相比原始YOLOv7算法有较大的提升;同时计算复杂度有显著的下降,约为原始算法的37.4%;与主流目标检测算法相比,改进YOLOv7算法具有更好的检测性能,也证明了改进算法在零件目标检测的有效性。

关键词： 目标检测   多谱段融合   近红外图像   光照感知   注意力机制  

摘要： 基于红外/可见光融合的方法能够有效改善道路交通、安防监控等开放场景下的目标检测的效果。现有方法较少针对红外/可见光差异性设计特征交互机制,使得检测的精度和鲁棒性受限。因此,设计了一种基于双流结构的红外/可见光图像融合网络,充分考虑了不同模态图像间的差异,通过提取和融合不同模态图像的多层次特征信息,实现开放环境下目标的精准识别。针对可见光图像质量容易受到环境光照变化影响的问题,设计了轻量化的图像光照感知模块,通过权重分配函数动态调整红外/可见光的融合权重,提高了融合算法的适应性和准确性。同时,设计了无参数的3D注意力模块,以自动识别网络所提取特征的通道和空间重要性,并根据模态间的重要性不同分配不同的融合权重,其能够在不增加网络参数量的前提下提高网络融合的效果。此外,构建了一套近红外/可见光数据集(NRS),为开放场景的目标识别任务提供了更多源的数据。最后,在自主构建的数据集NRS和公开数据集M^(3) FD上对模型进行了一系列测试。结果表明,所提方法检测精度分别达到93.5%,92.2%(mAP_(.50)),能够为开放场景中的目标精准探测识别提供支撑。

关键词： 卫星遥感   深度学习   目标跟踪   YOLOv8  

摘要： 针对卫星遥感图像舰船目标追踪和轨迹绘制,提出了一种全局注意力(global attention mechanism,GAM)模块改进YOLO(you only look once)v8算法(GAM-YOLOv8)与DeepSORT算法相结合的方法。在YOLOv8网络结构中加入GAM模块,以提升模型提取卫星遥感图像特征的能力,提高舰船目标追踪的精度和稳定性;实施基于RGB(red,green,blue)-HSV(hue,saturation,value)融合颜色空间转换卷积模块的数据增强技术扩充数据集,帮助模型捕捉更多维度的特征信息,进一步提升识别准确度;利用DeepSORT算法通过结合目标的特征外观和运动信息,增强追踪过程中的稳定性与精度,有效减少身份切换和目标丢失。实验结果表明,本文提出的GAM-YOLOv8与DeepSORT相结合的方法,相较于原始YOLOv8模型,在遥感图像舰船目标检测与跟踪任务中均表现出了显著的性能提升,在准确度、召回率和平均准确率精度上分别提高了7.6%、7.9%和6.0%,在帧率、多目标跟踪准确度和多目标跟踪精确度上分别提升了17.7%、6.9%、1.9%,身份切换次数降低了10.0%。

关键词： 自动调焦   图像处理   清晰度评价   调焦窗口  

摘要： 针对传统清晰度评价方法存在曲线平坦、多峰甚至误判的问题,提出一种结合多区域窗口的梯度阈值清晰度评价方法.利用梯度图像的对比度和加权方差计算分割阈值,提取图像的边缘点,对边缘点采用改进的能量梯度函数得到区域图像的清晰度评价结果,对不同区域图像的评价值赋予不同的权重,得到整幅图像的评价结果.本文方法与传统方法进行对比,结果表明采用同一评价函数时,多区域窗口相较于传统窗口,评价曲线单峰、无误判.本文方法灵敏度因子比传统方法的最优结果平均提升55.6%,陡峭度平均提升58.3%,该方法可为空间光学传感器自动调焦应用提供有效的参考依据.

关键词： 桥梁裂缝检测   图像处理   深度学习  

摘要： 桥梁在道路交通中占据着重要地位。桥梁检测和维护经历了从人工阶段到基于数字图像处理技术的自动检测的转变,如今人工智能技术也被广泛应用于道路桥梁检测中。文章主要综述了数字图像处理技术和机器学习技术在桥梁裂缝检测中的应用,并进行了比较研究。首先,传统的机器学习方法用于道路桥梁裂缝检测时,需要提前对图像进行预处理,包括图像降噪和图像增强。文章对图像降噪和图像增强算法的效率进行了比较。其次,在桥梁检测中,图像分割和拼接是关键步骤,文章对图像拼接算法的效率进行了实验比较。再次,针对裂缝宽度、长度和面积的计算,提出了一种方法,并进行了实验研究。最后,比较了传统机器学习和深度学习在桥梁裂缝检测中的差异。

关键词： 图形图像处理   人工智能   本科院校   创作作品   教学模式   生成式   新的挑战   职业  

摘要： 人工智能的影响近年来渗透在各行各业当中,人工智能赋能科研、创新以及经济,但同时也带来了新的挑战与风险。人工智能的迅速发展对于目前职业本科院校教学模式引发我们的深刻思考。以“图形图像处理”这门课程为例,生成式人工智能可以根据用户的需求在短时间内生成出符合要求的图像作品,提升学生创作作品的速度,减少思考时间。

关键词： 目标检测   YOLOv5   轻量化   注意力机制   道路病害检测   特征提取  

摘要： 受道路病害特征不明显、与背景对比度低等复杂因素的影响,基于传统数字图像处理技术的识别算法精度低。而现有深度学习目标检测算法参数量大,不适合移动端实时检测。为了更高效、准确地识别道路病害,提出一种基于YOLOv5的改进算法。该算法致力于实现道路检测的实时性和精确度之间的平衡,通过引入轻量级Ghost模块用更少的参数生成更多的特征图,减少模型参数;将基于CSP结构中的C3Ghost模块重新设计成一种新型的InceptionGhost模块,实现从不同尺度进行特征提取,保障模型精度。通过在骨干网络添加CBAM注意力机制进一步加强特征提取能力。由于采集到的样本分布不均匀,使用Focal-EIoU损失函数改善样本数量不平衡的问题,提高模型的鲁棒性。实验结果表明,改进后的算法较原有的YOLOv5s模型,mAP@0.5提高了2.5百分点,同时参数量压缩了36.6%,检测速度提高了16.9%;并通过与目前先进算法和其他改进算法的对比表明,该算法在精度和参数量方面显示出明显的优越性。

关键词： 智能交通   车辆检测   轻量化   YOLOv7-tiny   深度学习  

摘要： 在复杂道路环境下进行多目标检测时,现有算法存在识别效果差、参数量大、计算复杂度高等问题,不适合在资源有限的移动端设备部署。对此,基于YOLOv7-tiny提出一种结合非相邻特征的轻量化道路多目标检测算法。首先,设计轻量级非相邻特征金字塔网络Tiny-AFPN对不同尺度的非相邻特征进行融合,减少因尺度差异造成的特征损失,实现更丰富的跨尺度信息交互,提升模型的泛化能力。其次,通过引入分布偏移卷积DSConv,重新设计了高效层聚合网络ELAN,并命名为ELAN-DS,在优化高效层聚合网络、降低模型复杂度的同时提升特征表达能力。最后,采用MPDIoU损失函数,增强网络对目标的检测能力,提高了边界框回归的准确性。在SODA10M的实验中,改进后的YOLOv7-tiny算法相较于原模型的准确率、mAP@0.5和召回率分别提升了1.4%、1.4%、5.9%,参数量和计算量分别减少了8.2%和41.5%,有效降低了模型的参数量和计算复杂度,大幅度提升了模型的检测速度,为在边缘设备上的部署提供了可能性。