基于改进Faster-RCNN的目标检测算法研究

目标检测是图像处理领域一个重要的研究方向,深度学习方法需要大量数据进行训练,训练的繁杂和复杂的网络结构限制了目标检测的速度.本文基于Faster RCNN的网络架构,创新性提出了light tail Faster RCNN网络架构.light tail Faster RCNN算法在保证精度的情况下,大大提升了处理速度....     

基于改进SSD算法的农田烟火图像检测研究

针对传统的烟火检测方法在农田等复杂场景、 干扰较多的环境下检测性能低的问题,在经典SSD模型基础上,引入残差学习模块对基础VGG16网络进行修改,修改特征金字塔网络结构并在改进SSD模型中构建新的特征金字塔,使用组归一化代替批量归一化进行数据归一化处理.对改进SSD模型与经典SSD模型、YOLOv3模型及Faster ...     

基于DSP的掌纹图像定位算法的实现

文中详细阐述一套基于DSP的掌纹定位算法的实现过程。采用形态学的方法提取掌纹图像的关键点,运用＂错切＂原理算法对图像进行旋转,具有很高的准确性和运行效率。文中的方法简单有效,但也具有一定的局限性。     

基于灰度图像的车牌定位算法研究与实现

汽车牌照的自动定位是智能交通系统中的重要组成部分之一,是实现车牌识别(LPR)系统的关键.针对不同背景和光照条件下的车辆图像,提出了一种基于灰度图像灰度变化特征进行车牌定位的方法.依据车牌中字符的灰度变化以峰、谷规律分布确定车牌上下边界,对扫描行采用灰度跳变法确定车牌左右边界.测试结果表明,该方法是可行的.     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。     

实时图像双边缘检测算法及FPGA实现

传统的单独采用Roberts和Sobel算子对实时图像的边缘进行检测,其检测出的结果在边缘精度和抗噪能力方面都有待提高。首先将实时图像经过中值滤波来去除噪声,然后再进行Roberts边缘和Sobel边缘检测,实现双边缘检测,最后将得到的边缘数据在FPGA上实现。实验结果表明,双边缘检测优于单独采用Roberts或Sobel边缘检测算法,检测出的边缘更加清晰,抗噪能力增强。     

基于图像分解的车牌定位算法

针对车牌图像背景复杂和定位准确率低的问题,提出基于图像结构纹理分解的车牌定位方法。将图像中的小尺度细节分到纹理图,车牌部分划分到结构图,从而去除噪声,再结合边缘检测和形态学方法对结构图进行车牌定位。结果表明,该方法可以显著提高车牌定位的准确率。     

基于图像的火焰检测算法

本文针对颜色空间模型的误报问题,提出基于多特征融合的方式识别火焰。分析对比了多种图像灰度化、图像滤波的方式、颜色聚类方式以及边缘检测手段,结合图像的形态学处理,提取了火焰边缘,提取了火焰的矩形度、圆形度以及边界粗糙度三种特征,进行火焰识别。     

基于FPGA的深空图像实时边缘检测算法与实现

航天器的导航控制是深空探索的重要关键技术之一。随着探索距离越来越远,传统地面站控制的局限性越发明显,因此航天器自主导航成为深空探索的发展方向。边缘检测是光学自主导航系统中定位天体目标的关键算法之一,为了满足星载计算机计算的实时性要求,文中提出了一种优化的Canny边缘检测算法和FPGA电路架构来优化Canny边缘检测算法中的非极大值抑制并采用动态单阈值,使其能够以较少的资源占用在FPGA上以流水线架构实现。该方法在保证边缘提取精度地前提下满足光学自主导航实时性的要求,对复杂的星体目标也具有较好的鲁棒性。     

基于Sobel边缘检测和双线性算法的图像缩放实现

针对传统图像缩放算法的不足,本文提出一种边缘检测和双线性插值结合的方案,用以实现图像缩放的功能。借助FPGA并行高速处理的优势,搭建各功能模块,最后通过仿真工具和板级验证,结果表明该设计能够有较理想的图像放大效果。     

超声相控阵PE检测图像缺陷定位算法研究

针对车轮无损检测图像中对缺陷评判的不足,提出一种能够自动定位检测图像中缺陷的算法。该算法是在相控阵技术的车轮超声探伤基础上,运用数字图像处理技术,对检测图像进行时域的处理。对算法的流程进行了详细介绍,并对每一步给出说明和处理结果。通过对比得知,这一算法对图像中缺陷的检测精度高于90%,大为提高识别效率,并减少人为因素引起的误判。     

顽健合成图像篡改检测及定位

针对自然图像与高度仿真的计算机生成图像的合成图像篡改检测问题,提出在YCbCr颜色空间基于差分直方图和中心对称局部二进制模式提取图像块颜色和纹理特征的方法,通过训练后验概率支持向量机模型对待测图像块进行识别.在不重叠分块情况下先大致判断篡改区域,然后在该区域内逐像素分块判别,最终实现篡改区域精确定位.实验结果表明,对128 dpi×128 dpi图像块的识别率达到94.75％,高于现有方法;对合成图像篡改区域能够实现精确定位,且对旋转、缩放操作表现出较好的顽健性.     

IC芯片的高速高精度视觉检测定位算法及实现

多引脚小间距IC器件是电子产品生产过程中视觉检测与定位的难点.针对高速高精度贴片机生产中IC芯片的图像识别对中问题,介绍了IC的视觉检测任务,提出一种自主研发的识别与定位算法及其实现技术.现场实际运行结果表明,该算法的速度和精度能满足实际生产的需要,并具有较强的鲁棒性.     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

使用自适应阈值的图像篡改检测与定位算法

为了实现对机载移动目标的快速捕获和粗跟踪瞄准,设计了粗跟踪演示系统,完成了外 场飞行实验的 初步验证。本文系统利用GPS数据完成对目标的捕获,通过对姿态数据的校正,方位误差降 到0.60°(1σ),俯 仰误差降到0.40°(1σ),有效缩小了不确定区域;系统还对跟踪算 法进行了优化改进,利用分段式函数等效 非线性调整函数,有效解决动态目标跟踪时快速调整和超调之间的矛盾。飞行实验表明, 本文的粗跟踪演示 系统的捕获时间优于10s,粗跟踪精度优于480μrad,为精跟踪子系统实现最终的目标精确跟踪瞄准提供了 有利条件,实验结果验证了该系统用于激光通信链路快速建立的可行性。     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

基于细胞免疫的红外图像分割算法及FPGA实现

在工业生产中,高温蒸汽管道通常被用于输送高温蒸汽、高温工业废水等,但为了安全,管道通常被放置在环境比较复杂的地方,不利于工人对管道的检测与维护。快速地定位复杂背景下蒸汽管道的位置并对周围环境进行区分,已经成了一个亟待解决的问题。由于最大类间方差（Otsu）算法不能满足上述要求,基于细胞免疫机制提出了一种改进的Otsu算法,该算法通过红外图像中管道以及复杂背景的特征,能够计算出两个不同的阈值并将其分别用于图像中管道的提取与复杂背景的区分。借助QuartusⅡ软件搭建了基于FPGA的软硬件系统平台,实现了数据通信传输,并对改进的Otsu算法进行验证。实验结果表明,该算法应用在红外管道图像中能取得较好的效果。与几种边缘检测算子和经典Otsu算法相比,无论是在管道的分割,还是复杂背景的区分,本文算法都具有较高的真阳率(True Positive Rate, TPR)和较低的假阳率(False Positive Rate, FPR)。     

基于YOLOv3的农田鸟类目标检测算法

针对近年来鸟类啄食对农业生产带来的损失,通过实时检测鸟类优化传统驱鸟器开关策略,提出了一种基于YOLOv3检测鸟类的目标检测算法。该方法对YOLOv3网络中特征融合进行改进,将SE模块嵌入进主干网络的Darknet53网络中,关注不同通道特征的重要程度。采用自适应空间特征融合（ASFF）增强网络中特征金字塔网络（FPN）的特征融合,提升各尺度的检测能力。引入CIOU边界框回归损失函数,将预测框和目标框在有重叠甚至包含等情况考虑进去,使目标框回归变得更加准确和稳定。改进后的YOLOv3模型在自制鸟类数据集上的精度均值（AP）达到96.65%,单张图像检测耗时仅为0.058 s,相比于原YOLOv3模型在检测速度变化不大的情况下AP提高了2.54百分点。该改进方法能达到很好的实时性和更佳的检测精度,对农田防治鸟害优化驱鸟器开关策略提供依据。