基于多特征匹配的液晶屏字符缺陷检测

目的 为了实现电动滑板车包装前液晶屏字符检测高效、高精度的目标,以及为了解决液晶屏字符中Led段码字体难以精确分割、匹配算法复杂等问题。方法 通过Hough直线检测实现字符区域的位置校正,投影法实现分割字符区域,形态学处理、连通域分析实现各字符的提取,采用BP神经网络模型对字符进行识别,最后通过改进的几何特征检测字符缺线、漏线,灰度特征检测字符亮度不均匀。结果 液晶屏字符实验结果表明,每个字符平均识别时间为0.16s,每个屏幕平均识别时间为0.6s,液晶屏字符缺陷加权识别率为96%。结论 该算法具有较高的可靠性、效率、识别率,解决了液晶屏字符在几何、亮度缺陷下高效、高精度检测实际工程的问题,为同类产品的检测提供了算法经验。     

基于BP神经网络的数码相机颜色特征化

以色度学理论和神经网络为基础,在综合比较数码相机颜色特征化方法之后,采用了基于BP神经网络的颜色特征化方法。利用MATLAB实现了从RGB到XYZ及Lab的颜色空间转换,比较了2种转换模型的精度,统计分析了该模型产生训练误差和测试误差的主要原因,验证了RGB→Lab转换算法是一种较优和可靠的方法。     

多方法融合技术在多目标位置检测中的应用

提出了将多种技术融合一体定位多目标的方法。首先根据计算机视觉原理，采用正交光轴的双摄像机配置检测系统；然后建立去除复杂实际背景和自适应二值化的动态图象预处理模型，并根据矩法搜索和求取目标质心；再利用神经网络模拟人眼感知事物的功能，确立图象点与空间点的映射关系，并将目标质心象点坐标作为输入节点，采用两个BP网并行处理左右两幅图象，快速求得目标空间位置。实践表明，此方法具有一定的实用性，并且在实际应用中取得了满意的效果。     

基于多特征融合的乐器声品质评价方法研究

在乐器声品质研究中,以往研究主要是从乐器的结构以及物理特性出发,忽略了乐音本身的重要性以及客观评价测量的不易实现性.为此,提出了一种基于多特征融合的乐器声品质评价方法.通过主观评价法获取乐器琵琶的声品质评价结果,建立具有主观评价的乐音信号库作为实验对象;提取乐音信号的相关系数(CC)、常数Q变换(CQT)和梅尔频率倒谱系数(MFCC)作为单一特征输入,以及多特征融合输入;并构建基于BP神经网络的乐器声品质评价模型.实验结果表明,该方法可以很好地应用于乐器声品质评价.     

BP神经网络的火焰图像温度检测方法

基于炉膛火焰温度不同，与之相对应通过CCD摄取的炉膛火焰图像颜色也不同，提出了一种检测炉膛火焰温度的方法。将获取的炉膛火焰图像RGB模型转换为HSI颜色值，用H、S值作为BP神经网络输入，通过样本图像训练后，拟合H、S与温度T的非线性关系，计算得到炉膛火焰温度值。实验表明，计算温度与实际温度良好相符，温度测量方法切实可行。     

改进的混合高斯与YOLOv2融合烟雾检测算法

提出一种融合了改进的混合高斯和YOLOv2的烟雾检测算法。首先,针对烟雾的早期特征对混合高斯算法进行改进,有效框定动态目标感兴趣区域,提取出烟雾前景;在此基础上将烟雾检测转换为回归问题,利用端对端目标检测算法YOLOv2训练烟雾数据集,进行二次检测和筛选,最终框定出烟雾发生区域的具体位置和范围,满足对不同场景火灾烟雾的有效检测。实验结果表明,融合算法改善了烟雾区域的检测效果,提高准确性并有效降低烟雾误检率。     

基于视频的早期烟雾检测

针对火灾早期预警和危险化学品气体泄漏的在线检测问题,提出了一种基于视频的早期烟雾检测新方法.整个检测过程主要由四部分组成:1)RGB分量运算参数的离线学习;2)用RGB分量运算+位屏蔽,实时分割出类似烟雾区;3)用在背景维护下的减背景来消除场景中静态的类似烟雾区干扰,再由小波变换去除场景中动态的类烟雾区干扰;4)通过长序列的多帧证据积累分析,判别标记出真正烟雾.实验表明,该方法对于320×240分辨率彩色视频的分析判别速度可迭16~20fps,并可在3~4 s内准确判别出动态场景下的核心烟雾区,且不受大空间、开放环境的限制,具有较强的误报免疫能力.     

融合多尺度上下文卷积特征的车辆目标检测

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题,提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图,并在每个尺度的特征图中通过区域建议网络定位出候选目标区域,然后引入候选目标区域的上下文信息,与提取的目标多尺度特征进行融合,最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。     

基于多尺度特征融合的遥感图像小目标检测

本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法.考虑到常用的特征提取网络参数量庞大,过多的下采样可能导致小目标消失,同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟.因此,根据数据集中所有目标尺寸的分布情况(即:先验知识),首先提出了一种基于动态选择机制的轻量化特征提取模块,它允许每个神...     

空气净化器检测用的香烟烟雾发生器

香烟烟雾的发生采取正压式,并通过对进入发生器的气体压力和流量进行控制,使得香烟烟雾发生的速度和浓度均是可控的,可以应用于空气净化器洁净空气量(CADR)的检测。     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.     

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法.通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中.并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子.最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0.5个像素.     

基于BP神经网络的CMYK到L*a*b*颜色空间转换模型

由于BP神经网络不需要充分的理论根据,利用色靶的大量数据,通过BP神经网络,建立了CMYK到L*a*b*色空间的转换关系,并评价了模型精度。研究结果表明:BP神经网络用于CMYK到L*a*b*颜色空间转换,计算速度快,转换精度较高。     

基于BP神经网络的CMY到XYZ颜色空间转换算法研究

对基于BP神经网络的CMY到XYZ颜色空间转换算法进行了探讨,给出了算法工作流程并建立了模型.最后通过实验对算法进行了验证.     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

基于BP神经网络的真网点喷墨打样

目的真网点打样使用调频网点来模拟印刷调幅网点,能在数码打样上获得与印刷调幅加网相同的参考效果。方法利用BP神经网络获得数码打样与印刷输出的CMYK-CMYK网点面积率的非线性映射来实现真网点喷墨打样。结果基于BP神经网络的真网点喷墨打样,识别率稳定在95%左右,训练100次左右就能达到收敛。真网点形态变形小,色域映射准确,与标准胶印印张的色差均值为2.24,色差标准差为1.47,色差方差为2.16,色差熵为3.12。结论基于BP神经网络的真网点数码打样和标准胶印印张的网点面积率转换不需要精确的数学模型,具有原理简单、转换迅速和适应性强等优点。无论在网点外观、色域和色差各方面,都比传统数码打样具有更多的优势。     

基于BP神经网络的诊室空间配色设计研究

目的 以感性工学为理论基础,运用BP神经网络构建神经内科诊室使用者的情感与诊室配色设计之间的映射关系。方法 首先,通过文献查阅和访谈等途径获取神经内科诊室使用者情感感受的意象词汇,并运用聚类分析选取代表性感性意象词对;然后,运用案例分析法,对神经内科诊室进行空间配色设置分析并提取典型色彩样本,经过搭配形成典型配色设计方案,通过语义差异法构建感性评价矩阵;最后,运用Matlab软件,建立神经内科诊室空间配色设计的BP神经网络模型,经验证得出,模型映射了感性意象和空间配色设置之间的关系。结果 运用该模型可获得神经内科诊室空间配色感性意象评价得分预测值,指导诊室空间色彩设计。结论 该方法提高了诊室空间色彩设计的准确度,同时为医疗空间色彩设计提供了重要参考依据。     

BP 神经网络在显示器色空间转换中的应用

用色彩管理软件以及分光光度仪对显示器的屏幕进行了校准和特性化,采用BP 神经网络法建立了从RGB 色空间到Lab 色空间的转换模型。通过对实验数据进行对比分析,结果表明这种算法对色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。