智慧城市管理案件图像自动识别应用分析

智慧城市就是运用信息通信等技术手段感测、分析城市运行核心系统的各项关键信息,需要对城市安全、常见案件等做出及时有效的智能响应.为了提高城市常见案件处理的有效性和精确度,本次研究提出了一种城市常见违规事件的自动识别算法.利用改进的卷积神经网络对图像进行特征提取,使用BP神经网络作为评价网络.在VOC数据集上与YOLO、SDD等算法的性能进行对比.结果表明,改进的卷积神经网络的检测mAP值可达76.5％,对各种类型的案件识别的准确率均在72％以上,识别"乱涂乱画张贴广告"类型图像的准确率达到了83.4％.此次研究构建的智慧城市案件图像识别技术能够有效提高案件处理效率、节约人力物力资源,可用于协助城管监察行政执法.     

融合阈值分割和注意力网络的建筑阴影检测

针对高分辨率高层建筑物遥感影像噪声干扰大、阴影检测困难的问题, 本文提出了一种改进阈值分割和注意力残差网络结合的高层建筑物遥感影像阴影检测方法. 首先, 利用改进最大类间和最小类内阈值分割算法建立阈值分割模型, 并基于轮廓间的连通域特性和端点位置约束关系利用欧几里得度量算法对断裂轮廓进行修补得到阴影轮廓; 然后, 利用生成对抗网络模型对误判数据集进行扩充; 最后, 对残差网络进行改进, 在特征图中加入注意力机制进行全局特征融合. 在不同场景下, 分别与辐射模型、直方图阈值分割、彩色模型阴影检测方法, 支持向量机、视觉几何群网络、Inception和残差网络分类网络进行了对比实验, 本文方法综合误判率和漏检率分别为2.1%、1.5%. 结果表明, 本文提出的高层建筑遥感阴影检测算法能较好地完成阴影区域的分割和检测, 有利于节约人力物力资源、协助工作人员进行遥感信息的解译、遥感档案建立等工作, 具有实用价值.