《中国图象图形学报》复杂场景图像目标智能检测专栏简介

<正>图像目标检测在区域监控、被动导航、抢险救灾、飞行器制导等方面具有重要应用,是计算机视觉和图像处理领域研究中的关键性核心问题和挑战性难题,也一直是该领域的研究热点,并受到领域内广大学者的高度关注。近年来,得益于深度学习等人工智能技术在图像处理和计算机视觉中的广泛应用,图像目标检测技术研究已取得重大进展。     

银行担保品管理信息系统的设计与实现

随着担保贷款业务的快速发展,如何管理好担保品成为银行风险管理部门的重要问题,为此设计并实现了天津中行担保品管理信息系统,详细阐述了其系统目标、业务流程、功能模块结构以及基于JSP技术的设计和实现方法.     

人工神经网络图像匹配技术

论述了人工神经图象匹配技术的基本原理,讨论了人工神经网络图象匹配技术的相关技术、方法,存在问题及研究方向.     

基于两空间核鉴别分析的人脸识别

指出了几种线性鉴别分析方法在处理小样本人脸识别问题时存在的不足,结合核方法的思想,提出了一种基于两空间核鉴别分析的人脸识别方法.首先使用KPCA方法在核变换后的特征空间中对样本进行处理;进面将变换后的类内散布矩阵分成非零空间和零空间进行鉴别向量确定和鉴别特征提取,最后将得到的两种鉴别特征融合,从而使用最近邻法进行分类....     

基于机器视觉的铸件表面缺陷人工神经网络检测方法

提出一种基于机器视觉与人工神经网络的铸件表面缺陷识别方法,采用计算机图像技术采集和处理生产线上的铸件表面图像信号,采用改进的BP神经网络算法对图像信号进行缺陷识别分析.该方法在为某厂研制的铸件表面缺陷检测系统中使用后,作业时耗平均降低4min/工件,表面缺陷检出准确率平均提高15%,实践表明本文方法是可行、有效的.     

正弦积分拟合的图像复原边界振铃效应抑制方法

目的 边缘振铃效应是影响运动模糊图像复原效果的重要因素之一。为了有效提高运动模糊图像复原的质量,针对运动模糊图像复原中由于图像边界截断而产生的振铃效应问题,提出一种正弦积分拟合的图像复原边界振铃效应抑制方法。方法 首先,对待处理的模糊图像根据模糊核的大小进行边缘延展;然后,分别利用正弦函数积分方法和双正弦函数积分方法对单向过渡区域和双向过渡区域进行窗函数计算;进而,将延展图像进行加窗处理;最后,对加窗图像进行复原处理并提取出原始图像的部分作为复原结果。结果 与现有的几种振铃效应抑制算法进行对比实验。在视觉效果方面,本文方法能有效抑制振铃效应;在峰值信噪比(PSNR)、归一化均方误差(NMSE)以及图像质量指数(Q)等图像质量评价指标方面,本文方法的PSNR值比最优窗算法提高了约0.170.76 dB,NMSE值比最优窗算法降低了约0.000 50.000 7,Q值比最优窗算法提高了约0.0230.029,本文方法在多数情况下得到的评价指标优于循环边界法;在耗时方面,本文方法对非迭代恢复算法的处理时间比循环边界算法降低了约0.040.11 s,对迭代恢复算法处理时间减少达到数秒。结论 通过大量实验发现,正弦积分拟合的图像复原边界振铃效应抑制方法在进行振铃效应抑制时,能有效控制计算量,且能完整地保留图像的边缘信息,图像恢复效果明显优于其他方法。     

航空遥感图像深度学习目标检测技术研究进展

航空遥感图像目标检测旨在定位和识别遥感图像中感兴趣的目标,是航空遥感图像智能解译的关键技术,在情报侦察、灾害救援和资源勘探等领域具有重要应用价值。然而由于航空遥感图像具有尺寸大、目标小且密集、目标呈任意角度分布、目标易被遮挡、目标类别不均衡以及背景复杂等诸多特点,航空遥感图像目标检测目前仍然是极具挑战的任务。基于深度卷积神经网络的航空遥感图像目标检测方法因具有精度高、处理速度快等优点,受到了越来越多的关注。为推进基于深度学习的航空遥感图像目标检测技术的发展,本文对当前主流遥感图像目标检测方法,特别是2020—2022年提出的检测方法,进行了系统梳理和总结。首先梳理了基于深度学习目标检测方法的研究发展演化过程,然后对基于卷积神经网络和基于Transformer目标检测方法中的代表性算法进行分析总结,再后针对不同遥感图象应用场景的改进方法思路进行归纳,分析了典型算法的思路和特点,介绍了现有的公开航空遥感图像目标检测数据集,给出了典型算法的实验比较结果,最后给出现阶段航空遥感图像目标检测研究中所存在的问题,并对未来研究及发展趋势进行了展望。     

Transformer驱动的图像分类研究进展

图像分类是图像理解的基础,对计算机视觉在实际中的应用具有重要作用。然而由于图像目标形态、类型的多样性以及成像环境的复杂性,导致很多图像分类方法在实际应用中的分类结果总是差强人意,例如依然存在分类准确性低、假阳性高等问题,严重影响其在后续图像及计算机视觉相关任务中的应用。因此,如何通过后期算法提高图像分类的精度和准确性具有重要研究意义,受到越来越多的关注。随着深度学习技术的快速发展及其在图像处理中的广泛应用和优异表现,基于深度学习技术的图像分类方法研究取得了巨大进展。为了更加全面地对现有方法进行研究,紧跟最新研究进展,本文对Transformer驱动的深度学习图像分类方法和模型进行系统梳理和总结。与已有主题相似综述不同,本文重点对Transformer变体驱动的深度学习图像分类方法和模型进行归纳和总结,包括基于可扩展位置编码的Transformer图像分类方法、具有低复杂度和低计算代价的Transformer图像分类方法、局部信息与全局信息融合的Transformer图像分类方法以及基于深层ViT(visual Transformer)模型的图像分类方法等,从设计思路、结构特点和存在问题...     

基于Web的银行担保品管理信息系统

担保贷款、担保品的管理及其风险控制是银行管理部门的重要问题。文章以天津中行担保品管理信息系统的开发为背景，在确定系统目标的基础上，提出了系统业务流程、功能模块结构以及基于JSP技术的设计与实现方法。