基于光斑轮廓特征的目标快速识别算法研究

大视场的视觉着陆引导系统在引导无人机自主着陆过程中,需要快速检测出安装在无人机上的合作目标。该合作目标在图像上是以光斑形式存在,因此为了满足系统的实时性要求,本文提出了基于轮廓特征的快速检测光斑算法。该算法是根据光斑在图像中的特征,采用了目标裁剪方法,将原始图像中的光斑部分裁剪出来,从而降低算法运算量;再通过图像预处理,消除背景的无关信息与噪声干扰,增强光斑的清晰度;最后利用最小二乘算法进行椭圆拟合定位出光斑的中心位置。将本实验算法与其他光斑检测算法进行实验对比,从而验证系统的实时性。结果表明：利用本文算法可以在保证精度的同时将运行时间缩减到36 ms。     

时频域重叠多信号智能检测方法研究

针对现有基于深度学习理论的信号智能检测方法大多只能对单信号或时频域不重叠的信号进行检测,本文提出了一种基于掩膜区域卷积神经网络(Mask R-CNN)与Criminisi算法的时频重叠多信号智能检测新方法。首先将一维时域信号通过时频变换得到二维时频图像。然后针对时频图中多信号重叠部分像素位置信息缺失这一问题,提出了利用Criminisi算法对信号重叠部分像素位置信息进行恢复。最后,基于缺失信息恢复后的图像使用Mask R-CNN进行训练,再用训练后的网络对未知信号进行检测。实验结果表明,该方法在信噪比(SNR)为-3 dB时,时频域重叠信号的平均检测率达92%,相比基于卷积神经网络的信号检测方法,在SNR大于-3 dB时检测率平均提高20%以上。      

基于多阈值和改进的Hough变换检测电表接线圆孔尺寸

针对智能电表接线圆孔尺寸自动检测的问题,提 出一种以多阈值分割方法为主体并基于改进的随机Hough变换的 圆检测方法。首先,实时获得包含所有智能电表接线圆孔并经裁剪的彩色图像,经图像灰度 化、滤波处理后,通过阈值分割 得到能够反应圆孔特征的二值图像。基于连通域标记算法准确将包含多个接线圆孔的图像自 动裁剪为至多包含一个真实接线 圆孔的多个子图像。其次,对于每个子图像,应用给定范围内的连续阈值进行Canny边界提 取,并通过改进的随机Hough变 换提取圆信息,进行圆累积。最后,根据峰值大小和位置提取有效圆及半径。对大量智能电 表接线圆孔图像进行实验的结果 表明,该方法能准确地提取出外观颜色、圆孔尺寸各异的接线圆孔,圆心坐标平均误差不超 过2个像素,圆半径平均误差不 超过2.5mm,是实时电表接线圆孔信息表征的新尝试。     

基于对焦清晰度的双分辨相机变焦算法研究

双分辨率相机同时兼顾大视场和高分辨,利用同轴光学固定结构避免了变焦镜头运动部件带来的诸多问题,在深空探测目标跟踪和手机等智能终端上具有应用价值。针对现有的基于深度学习的双分辨率图像变焦算法的速度慢,信息量没有提升,图像网络结构适配性差和图像信息修复的伪造性等问题尝试性地提出了加入基于深度信息的解决办法。论证将图像对焦清晰度作为深度信息引入双分辨变焦算法的可行性,探讨对焦深度信息检测精度与效果,分别测试深度学习和基于深度信息的传统方法的双分辨率变焦算法,得到了一种不影响正常成像速度,内存开销降低35%和算法复杂度降低60%,超分辨信息真实可靠,图像结果评价提升10%到50%的全新算法。     

基于BLMD和NSDFB算法的红外与可见光图像融合方法

针对传统图像融合方法容易导致融合图像出现细节不明显和目标信息不完整的问题,本文提出一种基于二维局部均值分解(Bidimensional Local Mean Decomposition,BLMD)和非下采样方向滤波器组(Nonsubsampled Directional Filter Banks,NSDFB)算法的红外与可见光图像融合方法(基于方向滤波的二维局部均值分解法,BidimensionalLocalMeanDecompositionbasedDirectionalFilteringAnalysis,BLMDDFA)。首先,计算两幅原始图片的熵值,同时提取熵值较大的图片的残余分量,该残余分量与另一张原始图片有着较强的相关性。然后,通过BLMD和NSDFB算法将残余分量和熵值较小的原始图片分解成低频子带和一系列不同尺度的高频方向子带,并使用不同的融合规则分别对低频子带和高频子带进行融合。最后,通过相应的逆变换运算获得融合图像。实验结果表明,本文方法的融合性能在对比度、细节信息展示和目标突出方面均高于经典的融合算法,在信息熵、标准差、空间频率和平均梯度方面较Laplacian方法中各指标分别提高了5.6%、28.9%、37.4%和47.6%,信噪比较Laplacian方法降低了8.5%。     

一种图像信息隐藏盲检测算法

论文提出了一种通用的图像信息隐藏盲检测算法。该算法从空间域和变换域提取图片的特征值,并将它们结合起来作为特征向量以判断图片是否含有隐藏信息,其中,空间域特征值是图片的梯度能量,小波域特征值是图片小波子带系数及其线性预测误差的特征函数的高阶统计量。实验显示该算法可以可靠地检测出含隐藏信息的图片。     

基于端到端的多尺度月球陨石坑检测方法

陨石坑是月球表面最典型且普遍的地形地貌特征和地质结构。实时陨石坑检测可用于实现自主着陆、航天器和月球车导航等任务。现有的月球陨石坑检测算法需要繁杂的后期处理，难以满足实时陨石坑检测需求。为此，本文提出一种用于检测月球多尺度陨石坑的新方法，C-Moon-Net。该方法首次基于CenterNet网络对月球数字高程模型（DEM）的图像数据集进行训练和测试。首先，随机裁剪和处理全月DEM图像来生成适用于CenterNet网络的数据集。其次，使用可以加快模型收敛速度的基本损失计算方法来训练模型。最后，基于测试集进行实验来评估训练模型的有效性。其实验结果表明，与现有的陨石坑检测方法相比，C-Moon-Net的检测速度提升了201倍，检测精度提升11.5%；本文方法可以对多种尺度的陨石坑进行精确检测，具有强鲁棒性的特点。     

基于MATLAB/GUI的文字图片识别系统设计

设计一个基于MATLAB/GUI的可视化文字图片识别系统。系统主要包含三部分，分别是图像预处理、文字分割和文字模板的匹配识别、GUI可视化界面设计。图像预处理包含图像旋转、图像裁剪、灰度变换、图像增强和二值化等；然后对二值化后的图像进行文字的分割，分割后的字符与数据库里面的文字模板进行匹配识别，最后输出识别的文字内容。处理算法调试成功后，设计一个可视化用户界面。系统完成后调试系统，输入样本图像检测识别结果。经多次测试，本系统可以较为准确地提取并识别图片上的文字信息。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于图像深度学习的电力工程巡视识别算法设计

针对电力工程线路图像信息利用程度低的问题,基于图像深度学习技术,文中提出了电力线路档距智能识别与审计算法。该算法利用维纳滤波进行电力线路图像的预处理,采用极线矫正和立体匹配完成实际空间点在双目图像中的映射匹配。同时使用Sobel算子进行边缘检测,并通过三维坐标转换实现电力线路档距的智能识别与审计。仿真算例结果表明,所提算法的档距识别平均误差仅为3.4%,相比于单目测距算法具有更高的识别准确度。且在实际电力工程应用中,该算法对档距不合格线路的识别率高达85%,远大于单目测距法的40%,故可有效提升电力工程线路审计的智能化水平。     

基于级联网络的复杂大场景SAR图像舰船目标快速检测

合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测紧贴军事和民用需求,为海洋监视提供重要信息支撑。针对复杂大场景SAR图像,本文设计了一种基于级联网络的舰船目标检测框架,该网络框架主要由D-BiSeNet海陆分割、分块区域筛选和CP-FCOS目标检测三部分组成。通过改进双边网络(D-BiSeNet)进行SAR图像海陆分割,增强了图像空间位置信息及网络边缘损失,提高了分割性能。通过海域面积比参数设定进行分块区域筛选,可以有效选择网络处理图像块,提升算法整体检测效率。CP-FCOS网络将Category-Position特征优化模块应用于传统FCOS网络,强化网络特征提取能力,同时改进目标分类和边界框回归方式,提高舰船目标定位效果。基于Sentinel-1和高分三号大场景实测数据实验表明,相比于传统CFAR、Faster-RCNN和RetinaNet方法,本文方法综合检测性能提升25.7%,3.7%和9.9%,同时检测速度提升10.0%以上。      

基于历史信息的区域卷积神经网络行人检测

为了解决卷积神经网络在进行连续行人检测时, 检测行人速度较慢, 达不到实时性要求的问题, 采用基于历史信息的区域卷积神经网络行人检测算法, 利用前一幅图像中的检测结果对当前图像的检测过程进行优化, 将前一帧的检测结果作为对当前帧提取推荐区域的参考信息, 并使用当前帧与前一帧的灰度值差异图对当前图像的卷积特征进行过滤, 以缩小滑动窗口检测时的搜索区域。在加州理工学院行人检测数据集上进行了检测实验。结果表明, 结合历史信息的算法与先进的算法相比检测速度提升了2.5倍, 同时检测准确率提升了1.5%。该算法实现了实时行人检测, 设计的网络能有效检测小目标行人。     

基于高效全局上下文网络的轻量级烟火检测算法

针对现有烟火检测算法存在的漏检和误检问题，提出一种基于高效全局上下文网络（EGC-Net）的轻量级烟火检测新算法。该算法以轻量级目标检测网络YOLOX为基础网络，将改进的EGC-Net嵌入到YOLOX的主干特征提取网络与特征金字塔网络之间。EGC-Net由上下文建模、特征转换和特征融合3阶段结构组成，用于获得图像的全局上下文信息，建模烟火目标与其背景信息的远程依赖关系，并结合通道注意力机制学习更具判别力的视觉特征用于烟火检测。实验结果表明，本文提出的EGC-YOLOX烟火检测算法的图像级召回率为95.56%，图像级误报率为4.75%，均优于对比的其他典型轻量级算法，且速度满足实时检测的要求。该算法可在安防和消防领域推广，用于实时火灾监控和预警管理。     

改进投影变换和保留结构特征的拼接图像修复算法

拼接图像含有不规则的边界,需通过裁剪图像和补充像素获得矩形图像。直接裁剪的方式丢弃了图像周围的像素;基于样本块的图像修复算法存在物体结构上的不连续和不完整;利用马尔科夫随机场模型修补图像的方法搜索范围大,效率低。提出通过改进投影变换实现拼接图像的空间变换,减少拼接后图像周围的空缺区域面积,结合边界保留的细缝段裁剪算法对拼接图像进行矩形化扩充,实现拼接图像周围像素和内部物体结构信息的保留。实验结果表明,该方法实现了拼接图像视角最大化,未引入视觉可见形变,有效实现了拼接图像的矩形修复。     

数字图像与视频图像的裁剪方法研究

图像裁剪在摄影中又称为再构图,其目的是去掉图像上那些不必要的和破坏画面整体结构的景物,将主体调整到理想的位置上,使图像上的主体突出、画面简洁生动、比例合理,更具有审美价值。简单说来裁剪是移去部分图像以形成突出或加强构图效果的过程。数字图像和视频的裁剪通常采用计算机的图像处理软件进行。常用的软件有很多,文章主要介绍用Photoshop和Premiere Pro进行图像的裁剪方法。     

基于数字图像处理的棉花异纤检测研究

本文首先介绍通过Visual C＋＋实现对RAW格式的棉花图片的显示,然后再应用一种检测算法检测显示出的图片中的异纤点。该检测算法是采用基于选择式掩模平滑的边缘检测方法来识别原棉图像中存在的异性纤维,其中边缘检测算子为Sobel算子。     

基于主体外部轮廓的照片分割算法

在实际应用中常常需要将人像从照片的背景中有效地分割出来，通常的做法是通过提取照片中人像各部分特征来实现分割，其缺陷是计算复杂度较大，分割效果受各种干扰因素影响很大。现提出了一种基于主体外部轮廓信息的照片分割算法，通过梯度锐化、边缘保护、临近像素点相似度比较来确定图像的边界，该算法对于具有相对均匀背景的照片具有较高的计算效率。     

路面破损图像实时检测方法研究

提出一种路面破损图像实时检测的实现方法。对高速采集的路面图像去模糊后再进行裂纹特征分析。设计了一种基于邻域像素灰度值比较的特征快速提取方法,利用邻域相关及连贯性等知识智能去除虚假裂纹,从而提取真实裂纹信息。大量采集的图片的处理结果表明,该方法可实时快速检测路面破损信息,具有较强的鲁棒性和实际应用性。     

基于哈尔正交函数系的抗裁剪鲁棒水印算法

提出一种基于哈尔正交函数系的抗裁剪鲁棒水印算法，该算法根据哈尔正交函数系的完备归一化正交性质，对图像进行分块哈尔正交变换，根据图像视觉系统特性和哈尔正交变换性质，提取重要的中频系数，并结合零水印嵌入技术，将水印自适应地嵌入哈尔正交变换的中频矩阵，从而提高了水印算法的有效性，对裁剪攻击具有很强的抗攻击性，实验表明：该算法具有良好的鲁棒性和有效性。     

基于最小二乘法的人脸素描卡通图像算法

为了合成具有高辨识度的素描卡通人脸图像,文中提出一种基于最小二乘法的智能化图像处理算法。文中在介绍最小二乘法的基本原理的基础上,详细阐明了该算法的具体细节,论述了真实人脸图像的预处理过程,建立了合成素描卡通人像的数学模型。同时基于最小二乘法引出了合成算法的误差估计方法,最终提出一种将真实照片转化为素描卡通人像的合成算法。仿真与测试结果表明,文中所提出的算法可以将真实人脸照片转化为具有素描卡通效果的人脸图像,且具有较高的辨识度。