跨层协同注意和通道分组注意的细粒度图像分类

细粒度图像分类的主要挑战在于类间的高度相似性和类内的差异性. 现有的研究多数基于深层的特征而忽略了浅层细节信息, 然而深层的语义特征由于多次卷积和池化操作往往会丢失大量的细节信息. 为了更好地整合浅层和深层的信息, 提出了基于跨层协同注意和通道分组注意的细粒度图像分类方法. 首先, 通过ResNet50加载预训练模型作为骨干网络提取特征, 由最后3个阶段提取的特征以3个分支的形式输出, 每一个分支的特征通过跨层的方式与其余两个分支的特征计算协同注意并交互融合, 其中最后一个阶段的特征经过通道分组注意模块以增强语义特征的学习能力. 模型训练可以高效地以端到端的方式在没有边界框和注释的情况下进行训练, 实验结果表明, 该算法在3个常用细粒度图像数据集CUB-200-2011、Stanford Cars和FGVC-Aircraft上的准确率分别达到了89.5%、94.8%和94.7%.     

一种新的非参数变换定义及立体匹配方法

提出了一种基于邻域差值的非参数变换立体匹配方法.该非参数变换方法是在图像中选定一个点,然后再找到与这个点水平方向相隔一定距离的一点,以这两个点为中心各选取一个窗口,比较两个窗口中对应像素的灰度大小差异,以这个差异值取代原图像的像素灰度值,这样产生的一个新的图像就是本文方法变换后的图像.将左右图像经过这种变换后,求变换后左右图像上点的匹配来产生立体视差.实验表明,在同等条件下,尤其存在噪声时,该方法与非参数rank变换和census变换比较,能得到更为准确的视差.     

基于相关窗口匹配的费用函数计算优化方法

通过分析基于窗口的匹配方法，给出一种匹配费用函数优化方法。该方法利用当前匹配点对的费用函数计算信息为下一个点对的匹配提供部分计算结果，以消除冗余计算，减小计算复杂度。实验通过几种经典的匹配方法对计算优化进行验证，结果证明该方法的有效性，且不会降低匹配精确度。     

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。     

基于FCN的TFT-LCD表面缺陷快速检测算法

为克服TFT-LCD表面缺陷检测中边缘模糊、对比度低、图像中存在重复纹理背景等噪声的干扰,提出了种基于全卷积神经网络的端到端的快速检测算法.该算法能够通过感受域获取原图信息,并生成低对比度特征图,然后将低对比度特征图映射到高对比度特征图上,最后通过高对比度特征图上的感受域重构出高对比度缺陷图像,并将缺陷筛选出来.     

基于相位一致性变换的红外图像区域匹配算法研究

由于红外图像具有高噪声、低分辨率的特点,这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后,提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换,再利用变换后图像进行区域匹配.试验结果表明,相位一致性变换后的新图像,噪声得到了较好的抑制,特征更加明显.对变换后的图像采用区域匹配的方法,可以得到较好的匹配效果.     

一种改进的彩色图像匹配算法

首先比较了彩色图像不同匹配策略下视差的精确率,并采用了匹配效果较好的策略。同时针对彩色图像的特点,加入色差梯度的约束条件,使用SAD算法实现了彩色图像的匹配,最后通过对比试验进行了验证。试验结果表明该方法有更高的匹配精确性和正确率。     

基于DataPlay文件系统的主机驱动程序的实现

对DFS主机设备驱动程序模式进行了介绍，并比较了两种不同模式的主机驱动程序，给出了用C语言实现的DFS主机驱动程序流程图，并以DFS读命令为例，用C语方实现了这个过程。     

基于自主车导航的障碍物分割方法

对目标进行有效的分割是障碍物检测中重要的一个环节,提出了基于特征区域的分割方法,该方法通过定义特征函数将整个图像分为特征像素集合和非特征像素集合,前者包含了边缘等特征信息,后者包含了平滑区域像素;对将两个集合内各像素值分别置为1和0得到二值图像,对二值图像进行外轮廓跟踪得到最后的分割结果.实验结果表明该方法是有效可行的.