首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 125 毫秒
1.
水下目标检测、识别和跟踪是具有重要意义的热点研究问题,在军事和民用领域都有重要的应用.鉴于此,对基于声呐图像的水下目标检测、识别和跟踪原理、方法以及典型算法的研究进展进行全面阐述.首先论述基于声呐图像的水下目标检测、图像去噪、图像分割等方面的主要进展以及典型算法和算法扩展;然后对水下目标声呐图像识别中的特征提取、特征分类方法和主要技术难点进行讨论;最后阐述基于水声信号处理和声呐图像信息的水下目标跟踪方法和算法.通过对水下目标处理过程各个过程的深入讨论和对比分析,指出基于声呐图像的水下目标检测、识别和跟踪中急需解决的关键科学问题及可能的解决思路,并对该领域的未来发展方向做进一步的展望.  相似文献   

2.
该文对智慧交通中的目标识别技术进行研究,介绍了常见的对车辆等目标进行特征提取的方法,阐述了基于目标特征的车辆识别,并在对图像数据进行预处理后使用聚类算法进行目标识别;对智慧交通中的多目标跟踪技术进行归纳,分析了多目标跟踪的流程及主要步骤。  相似文献   

3.
人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,用来辨认身份的一门技术.文章阐述了基于特征脸的人脸识别的基本算法,并对该方法进行改进,最后对其进行了仿真.该方法主要通过求出人脸图象与数据库中的特征脸空间距离来进行人脸的识别和分类,做到了快速准确地识别人脸.  相似文献   

4.
利用图像处理和图像识别技术,对中药叶片图像进行在线识别。主要过程包括图像采集、图像处理、特征提取、图像识别,通过动态规划算法与人工神经网络算法相结合的方法实现叶片图像的识别,平均准确率可达到80%以上。系统基于Web开发,后台采用Java语言实现图像的处理和识别,SQL Server2000数据库实现叶片图像数据的存储。实验结果表明,该系统对中药叶片图像识别具有较好的效果,并且便于操作和实现。  相似文献   

5.
韩斌  曾松伟 《计算机科学》2021,48(z1):113-117
植物叶片识别是植物自动分类识别研究的重要分支和热点,利用卷积神经网络进行图像分类研究已成为主流.为了提高植物叶片识别准确率,提出了基于多特征融合和卷积神经网络的植物叶片图像识别方法.首先对植物叶片图像进行预处理,提取LBP特征和Gabor特征,将多特征相加融合输入网络进行训练,使用卷积神经网络(AlexNet)构架作为分类器,利用全连接层对植物叶片进行识别.为了避免过拟合现象,使用"dropout"方法训练卷积神经网络,通过调节学习率、dropout值、迭代次数优化模型.实验结果表明,基于多特征融合的卷积神经网络植物叶片识别方法对Flavia数据库32种叶片和MEW2014数据库189种叶片识别分类效果较好,平均正确识别率分别为93.25%和96.37%,相比一般的卷积神经网络识别方法,该方法可以提高植物叶片的识别准确率,鲁棒性更强.  相似文献   

6.
利用图像处理和图像识别技术,对中药叶片图像进行在线识别。主要过程包括图像采集、图像处理、特征提取、图像识别,通过动态规划算法与人工神经网络算法相结合的方法实现叶片图像的识别,平均准确率可达到80%以上。系统基于Web开发,后台采用Java语言实现图像的处理和识别,SQL Server2000数据库实现叶片图像数据的存储。实验结果表明,该系统对中药叶片图像识别具有较好的效果,并且便于操作和实现。  相似文献   

7.
当前对数字图像进行篡改,很难用肉眼进行识别,所以图像篡改识别也就越来越多的被重视起来,其研究也逐步深入。本文主要是介绍当前进行图像篡改识别技术的研究,分析篡改识别技术的主要类型,并进行详细阐述。  相似文献   

8.
基于形状特征的叶片图像识别算法比较研究   总被引:1,自引:0,他引:1  
植物是生命的主要形态之一,其种类已达40多万种,对其进行分类识别在生物多样性保护,生态农业,生物安全中有着重要的意义。不同的种类的植物一般有着不同的叶片形状,因此叶片的形状特征在植物分类中扮演着重要的角色。作为计算机视觉的一个重要应用的植物叶片图像识别,近些年来受到了学者们的关注,产生了大量的研究成果。但由于植物种类巨大,叶片图像存在的类内差异大、类间差异小和叶片的自遮挡等问题等诸多问题,使得叶片图像的识别仍然是目前计算机视觉应用研究的一个热点。对近些年来的基于形状特征的叶片图像识别算法进行了综述和比较,对现有的算法进行了分类,对目前各类最先进的识别算法进行了分析和比较。此外,还介绍了常用的叶片图像测试集和性能评估方法,并将各类算法进行了实验结果的比较研究。研究工作既为现有的植物叶片识别算法的实际应用提供了指导,又为今后进一步研究新的高性能的识别算法提出了努力的方向。  相似文献   

9.
基于HMM的无主包裹识别   总被引:2,自引:0,他引:2  
随着行为理解研究的深入,无主包裹的监测分析受到计算机视觉领域研究者的广泛关注.其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别目标并对其行为进行理解与描述.文中结合智能视频监控的应用需求,为了实现无主包裹识别的智能化,将隐马尔科夫模型方法运用在无主包裹识别中,给出了一个基于HMM的无主包裹识别方案,并进行了图像预处理,对HMM参数训练和识别及其识别性能进行了研究,同时对未来的发展趋势作了总结与阐述.  相似文献   

10.
王建新  王子亚  田萱 《软件学报》2020,31(5):1465-1496
自然场景文本检测与识别研究对于从场景中获取信息有重要意义,而深度学习技术有助于提高文本检测与识别的能力.主要对基于深度学习的自然场景文本检测与识别方法和其研究进展进行整理分类、分析和总结.首先论述自然场景文本检测与识别的相关研究背景及主要技术研究路线;然后,根据自然场景文本信息处理的不同阶段,进一步介绍文本检测模型、文本识别模型和端到端的文本识别模型,并阐述和分析每类模型方法的基本思路和优缺点;另外,列举了常见公共标准数据集以及性能评估指标和方法,并对不同模型相关实验结果进行了对比分析;最后总结基于深度学习的自然场景文本检测与识别技术面临的挑战和发展趋势.  相似文献   

11.
Plant recognition is closely related to people’s life. The operation of the traditional plant identification method is complicated, and is unfavorable for popularization. The rapid development of computer image processing and pattern recognition technology makes it possible for computer’s automatic recognition of plant species based on image processing. There are more and more researchers drawing their attention on the computer’s automatic identification technology based on plant images in recent years. Based on this, we have carried on a wide range of research and analysis on the plant identification method based on image processing in recent years. First of all, the research significance and history of plant recognition technologies are introduced in this paper; secondly, the main technologies and steps of plant recognition are reviewed; thirdly, more than 30 leaf features (including 16 shape features, 11 texture features, four color features), and then SVM was used to evaluate these features and their fusion features, and 8 commonly used classifiers are introduced in detail. Finally, the paper is ended with a conclusion of the insufficient of plant identification technologies and a prediction of future development.  相似文献   

12.
应用边缘检测算法设计实现植物虚拟仿真系统   总被引:1,自引:0,他引:1  
植物虚拟仿真系统的设计是将农业信息化和数字图像处理相结合.本文先对植物叶片分类和图像的预处理的技术和方法进行了探讨.然后介绍比较经典的边缘检测方法,通过不同方法的理论分析和仿真计算,相互比较各自的优缺点和适用性,最后根据Laplace边缘检测算子,设计实现了植物叶片几何形状识别与检测系统.Laplace边缘检测算子完成了植物叶片的几何形状的识别与检测,其二维几何形态的建模具有数据的表达与复制的功能.与农业信息化相结合,通过处理图像数据更准确的识别与检测不同种类植物叶片的形态,为农业工程的发展提供更加有效、准确的研究数据.  相似文献   

13.
本文对采用图像识别技术来辅助核电企业开展文档智能化应用进行研究。文章阐述了开展图像识别技术应用的业务背景、主要过程、实现原理和典型应用场景解决方案等内容,通过对基于图像识别技术的扫描文件清晰度的自动化检测以及基于光学图像文字识别技术的文件自动化拆分和比对这两个应用场景,阐述了面临的问题、解决方案的原理、具体的程序功能设计方案以及最终的应用效果。根据对应用效果的评估,证明了图像识别技术能够在文档智能化应用中发挥重要作用。通过本课题的研究和实践,为基于图像识别技术的文档智能化利用做了有益的探索。  相似文献   

14.
陈鑫  王斌  姬子恒 《软件学报》2021,32(5):1565-1578
植物叶片图像的识别是计算机视觉和图像处理技术在生物学和现代农业中的一个重要应用.其挑战性在于植物叶片种类数量巨大,且许多叶片图像具有很大的类间相似性,使得描述叶片图像的类间差异变得非常困难.本文提出了一种称为高斯卷积角的叶片形状描述新方法.该方法用高斯函数与叶片轮廓点的左右邻域向量的卷积产生高斯卷积角,再通过改变高斯函数的尺度参数,生成多尺度的高斯卷积角,组成特征向量.组合各轮廓点的特征向量,构成一个特征向量集合,作为叶片形状的描述子.两幅叶片图像的相似性可以简单的通过计算它们的高斯卷积角特征向量集合间的Hausdorff距离来进行度量.高斯卷积角描述子具有平移、旋转、缩放和镜像变换的内在不变性.该不变性从理论上得到了证明.该描述子还具有由粗到细的描述叶片形状的优良特性,使得其具有很强的叶片辨识能力.通过用中外两个公开的叶片图像数据集进行算法性能测试,实验结果表明该方法优于现有的其他同类方法,验证了该方法的有效性.  相似文献   

15.
大豆有许多品种(cultivar),它们的叶片图像模式的差异非常细微,因此很难通过叶片特征将大豆品种区分开.虽然在使用叶片图像模式进行植物种类(species)识别方面的研究已经取得了巨大的进步,然而,作为一项非常细粒度的模式识别问题,大豆品种的识别与分类研究尚未引起足够的重视.传统的手工叶片图像分析方法一般无法刻画不同大豆品种的叶片特征的细微差异,因此识别率很低.本文尝试使用深度学习来提取具有强的辨识能力的叶片特征,以解决大豆的品种识别问题.我们提出了一种新颖的深度学习模型,称为目标转换注意力网络(Transformation Attention Network,TAN).该方法首先通过注意力机制提取细粒度的叶片图像特征,然后使用仿射变换纠正叶片姿势.我们构建了一个由240个大豆品种组成的大豆叶片品种图像数据库,每个品种有10个样本,以此数据集验证叶片图像模式中品种信息的可用性,并验证了所提出的深度学习模型对大豆品种识别的有效性.令人鼓舞的是实验结果证实了叶片图像模式在区分栽培大豆品种方面的有效性,并证明了所提出的方法优于流行的叶片手工特征提取方法和深度学习方法.  相似文献   

16.
针对目前农业信息领域植物病害识别精度较低、实时性较差的问题,提出了一种基于轻量级卷积神经网络(CNN)的植物叶片病害识别方法。在原有网络中引入深度可分离卷积(DSC)和全局平均池化(GAP)方法,分别用来代替标准卷积运算操作并对网络末端的全连接层部分进行替换。同时,批归一化的技巧也被运用到训练网络的过程中,以改善中间层数据分布并提高收敛速度。为全面而可靠地评估所提方法的性能,在公开的植物叶片病害图像数据集PlantVillage上进行实验,选取损失函数收敛曲线、测试精度、参数内存需求等指标来验证改进策略的有效性。实验结果表明,改进后的网络具有较高的病害识别精度(99.427%)以及较小的内存空间占用(6.47 MB),可见其与其他基于神经网络的叶片识别技术相比具有优势,工程实用性较强。  相似文献   

17.
从图片垃圾邮件的现状着手,通过对图片垃圾邮件的分析,将图片垃圾邮件与文本垃圾邮件之间的不同点进行了对比,并对图片垃圾邮件的特征进行了总结.与此同时,对图片垃圾邮件过滤中常用的一些过滤方法,例如OCR(最优字符识别)以及指纹技术进行了介绍,分析了其优缺点,并结合它们自身的缺点提出了一些建设性看法.最后对最新的反垃圾邮件研究成果作了简略描述,并对垃圾邮件的发展作出了展望.  相似文献   

18.
随着计算机与机器视觉技术在自动化领域的融合日渐成熟,使图像技术在智能化分析方面的应用前景更加开阔。在提出的铁矿石熔点图像式检测的基础上,结合图像识别技术、模糊识别算法,提出了基于多边形拟合填充的图像识别算法,且效果明显。  相似文献   

19.
多重分形谱在叶片图像处理中的应用   总被引:6,自引:0,他引:6       下载免费PDF全文
将多重分形理论引入到植物叶片的图像处理中,用数字图像处理与分析技术,重点对葫芦科的4种植物叶片的图像进行处理,通过计算多重分形谱分析植物叶片的特点。该文处理叶片图像的方法,可望在植物分类及农业生产中产生积极意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号