基于改进YOLOv5s的桥梁螺栓缺陷识别方法

针对现有算法在检测桥梁螺栓缺陷时因螺栓背景复杂和尺寸较小而导致的特征提取不充分、目标定位不精确问题,提出了一种基于改进YOLOv5s的桥梁螺栓缺陷识别方法。该方法在骨干网络中引入注意力机制以提升模型对螺栓特征的提取能力并加深对螺栓全局特征的关注度;优化空间金字塔池化结构以减少螺栓特征信息流失;采用MPDIoU作为边界框回归损失函数,提高螺栓边界框的回归精度;将YOLO检测头解耦以消除目标检测中分类任务和回归任务共享检测头对边界框位置回归的负面影响。在螺栓锈蚀、螺栓松动、螺栓脱落和螺母脱落4类典型缺陷螺栓以及正常螺栓的3810张自制螺栓图像数据集上进行训练和测试,实验结果表明：本文算法对螺栓缺陷的检测精度达到90.8%,相较于YOLOv5s提升了3%,均值平均精度达到92.6%,相较于YOLOv5s提升了4.3%,可以应用于桥梁螺栓的缺陷智能识别。     

基于改进型Gbvs模型的眼底图像视盘检测方法

为了改善现有的视盘定位方法没有充分利用视盘视觉特征的不足,提高定位准确率和分割精度,结合视觉注意机制与相位一致性,提出一种新的视盘检测方法.首先对Gbvs模型进行改进,提取亮度、对比度和符合人类视觉感知特性的相位一致性特征,并利用改进型Gbvs模型构造显著图;接着用滑动窗口扫描总显著图,将扫描所得的显著性最高的位置视为视盘中心位置;最后消除视盘区域的血管,利用C-V模型获得视盘边界.在MESSIDOR眼底图像数据集上对本文方法进行测试.结果表明:平均定位准确率为98.83%,高于现有代表性方法,实验结果表明本文方法具有较高的定位准确率和分割精度.     

基于旋转损失函数RCIoU的SAR图像舰船目标检测方法

提出一种合成孔径雷达(synthetic aperture radar,SAR)图像旋转舰船检测方法,以提高SAR图像中旋转舰船的检测精度.从先验框设计和边界框回归公式对YOLOv4-CSP目标检测网络进行改进,加入旋转角度使其适用于基于旋转框的检测场景;提出一种基于旋转边界框外接圆和交并比的损失函数,该函数不仅考虑预...     

遥感图像密集小目标全方位精准检测算法

针对遥感图像中目标排列密集且方向不相同,导致现有检测算法难以准确定位实例目标的问题,提出了一种遥感图像密集小目标全方位精准检测算法。首先,为提升特征提取能力,在主干网络的残差结构中引入Meta-ACON激活函数,自适应地学习信道特征的重要性;其次,提出一种加强连接特征金字塔网络,重新设计了用于深浅层特征融合的侧向连接部分,并在同层次特征图输入与输出之间添加了跳跃连接,丰富特征语义信息;再次,引入角度预测分支,使用环形平滑标签方法将角度回归问题转化为分类问题,在实现目标框旋转的同时解决了旋转框边界突变的问题;最后,设计针对旋转检测框的后处理方法(Rotate-Soft-NMS),通过抑制检测框的置信度去除相邻的重复旋转检测框。在DOTA数据集上的实验结果表明:该算法的平均精度均值达到76.15%,相比于基准模型YOLOv5m提升了5.22%,与其他先进算法相比取得了最好的检测结果。本文算法对复杂遥感场景的目标具有更优的检测效果。     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。     

基于智能破碎锤作业场景的多目标石块识别定位方法

随着智能工程机械的不断发展,结构复杂、功能单一的传统液压破碎锤逐渐被日益成熟的智能破碎锤取代,对多目标石块的识别与定位是智能破碎提高动作输出精度、完成破碎任务的重要保证.提出基于分割掩码卷积神经网络（Mask R-CNN）实例分割和激光雷达信息融合的目标石块识别定位方法,通过Mask R-CNN实例分割算法快速识别复杂作业场景下目标石块的感兴趣区（Region of Interest,RoI）;在保证石块检测精确率的前提下,融合激光雷达通过卡尔曼滤波算法得到破碎点位置信息,引导破碎锤实现定位作业.现场试验结果表明,目标石块检测模型对石块的平均识别精确率为95.35%,召回率为95.06%,石块破碎点识别精确率为94.20%.在复杂作业背景下,该方法可实现多目标石块识别和破碎点定位,满足自动破碎实时性要求.     

基于FCIS模型的输电线路部件同时检测与分割方法

实时监测并及时诊断输电线路故障是输电线路安全运行的前提。由于输电线路图像拍摄环境复杂,单独的检测或分割不能满足实时性要求,且图中小部件和遮挡部件难以提取,因此为了更精准地定位目标位置、检测并分割出图中小部件和遮挡部件,提出一种改进全卷积实例感知语义分割（FCIS）的输电线路部件同时检测与分割方法。将兴趣区对准（ROI Align）算法的思想引进到FCIS模型中,提出位置敏感区域前景/背景—感兴趣区域对准（PS2-ROI Align）方法,使用双线性插值法可以有效地解决输入图像特征图中的ROI与原图中位置信息不匹配的问题,并且引用梯度回传算法解决图像中小金具及遮挡金具特征难提取导致检测与分割精度差的问题。在本次构建的输电线路检测与分割数据集中进行检测分割实验,结果表明,改进前图中未能检测分割的小目标及遮挡目标得到了有效的检测分割,对比其他检测模型,改进后FCIS模型平均准确率（mAP）最高,并且相比改进前提升了1.73%。     

朝鲜语语音音节自动切分算法的研究

针对目前语音语料人工标注效率低的问题,提出了一种朝鲜语连续语音语料的音节自动切分方法.该方法首先采用Seneff听觉模型提取音频的包络检测响应和广义同步检测响应等特征参数,其次结合朝鲜语发音特点确定音节的候选边界位置,最后通过静音段和摩擦音检测消除虚假边界,以提高边界检测的准确率.实验结果表明,该朝鲜语语音语料音节自动切分方法的准确率(93.56%)比传统的基于Seneff听觉模型的分割算法提高了14.59%,召回率(86.43%)比传统的基于Seneff听觉模型的分割算法降低了1.69%; 因此,本文算法总体优于传统的基于Seneff听觉模型的分割算法.     

基于双目视觉模型的彩色目标实时检测与定位

从立体视觉中提取位置信息是计算机视觉的热点问题.在建立双目视觉模型的基础上提出了一种新的基于YUV彩色模型的实现足球立体视觉匹配的检测方法.该方法将匹配问题映射为具有某种颜色的目标特征区域的中心,把其中心作为匹配点,通过目标的分割获得匹配点后根据双目视觉定位数学模型恢复图像位置信息,完成对目标的实时检测和定位,满足机器比赛中对足球实时检测和定位的需要.     

高铁接触网U型抱箍螺母故障检测算法

针对高速铁路接触网平腕臂结构中U型抱箍螺母故障的问题,提出结合抱箍螺母检测算法（HND-Net）与Mask_RCNN实例分割的故障检测方法. 提出HND-Net目标检测算法,实现对平腕臂U型抱箍所在区域的初定位,对于定位得到的U型抱箍区域图像进行像素级别的Mask_RCNN实例分割,快速得到平腕臂U型抱箍4颗螺母的精确定位及分类信息. 利用得到的定位信息,提出分割算法实现对U型抱箍螺母的可靠故障诊断. 经实验验证可知,利用该方法能够在复杂的悬挂图像中准确地定位检测U型抱箍的螺母故障,对于拍摄角度、拍摄距离有良好的适应性和较高的检测效率.     

基于区域边界生长的图像分割方法

针对浮选泡沫图像气泡粘连、边界模糊等难以分割的特点,结合区域生长和边检测技术,提出一种基于种子区域边界生长的图像分割方法。首先按照图像特征提取种子区域及其边缘,并制定区域边界生长条件,同时按照图像特征制定了泡沫目标的边界规则库,作为区域边界继续生长的判断条件,即是否到达泡沫边界。此方法不以整幅图像为分割单元,而是以每个气泡对象作为处理单元对浮选图像继续分割,图像中气泡分割的结果更加准确。     

一种改进的C-V水平集遥感图像分割方法

针对遥感图像边界模糊分割难的问题,提出了一种改进的基于小波变换的C-V水平集分割方法提高其分割准确性.该方法首先使用小波变换得到原图像的高频分量,初步定位图像中高频信号的空间位置;然后根据高频分量的幅值及其空间分布,借鉴反锐化掩模法的思想,增强图像高频信号对水平集分割的指导作用,并优化驱动水平集演化的内、外能量及曲线长度约束能量.实验证明,运用该方法对遥感图像的分割结果比传统水平集方法更准确,能有效的利用局部信息提高水平集能量项的有效性和分割结果的准确性.     

自适应权值卷积特征的鲁棒目标跟踪算法

针对传统基于固定权值卷积特征的深度学习跟踪算法在部分视频跟踪失败的问题,提出一种新颖的基于响应图和熵函数的评估各卷积神经网络层跟踪性能的方法. 该方法能根据评估结果自动调整各层的权值系数;同时引入边界框检测机制,当跟踪响应最大值小于给定阈值时,采用滑动窗口采样一定数量的边界框,并对边界框进行评估,生成初始建议边界框;最后在初始建议边界框的基础上进行相关滤波跟踪,并给出模型更新策略。 将文中算法与其他9种算法在OTB-2013视频数据库上进行跟踪仿真,实验结果表明,所提算法具有较高的中心点距离准确率和跟踪成功覆盖率。     

基于双结构元素的数学形态学边缘检测方法

边缘检测是边界图像分割的一个关键步骤。传统的边缘检测常用一阶和二阶导数来求解,本文提出了一种基于双结构元素的检测方法,以数学形态学为理论基础,以小结构元素递推出大结构元素,并将大小结构元素复合求取最终边界。通过实验对比分析表明该方法能够较好地获取边界信息。     

基于距离谱回归的全景分割方法

全景分割旨在同时预测图像中每一个像素的语义标签和实例标签,是目前场景解析研究的难点和热点之一。针对现有的全景分割方法采用检测策略提取每个实例区域,无法有效解决实例遮挡的难题,提出一种基于距离谱的深度卷积全景分割模型。不同于现有的基于检测策略的全景分割方法,该模型利用前景像素点与边缘的距离关系构建最大距离和最小距离向量,在存在遮挡的情况下能够有效地刻画出同一实例不同区域的相对关系,从而缓解遮挡问题。为了有效预测最大距离谱和最小距离离谱,提出了一种基于卷积网络的距离谱回归模块。同时,为充分利用距离谱的实例表示优势,设计了2种由距离谱生成实例分割结果的方法。在Cityscapes数据集上进行了大量实验,实验结果表明,全景质量PQ达到了理想效果,本文方法有效。     

基于射线的泡沫图象分割算法

针对于矿物浮选过程泡沫图像目标气泡粘连、大小形状灰度不均及目标相似度高的问题,分水岭及阈值法难以分割此类图像,笔者提出一种射线分割方法。首先进行目标定位,从种子区域的几何中心位置对称发射出多条射线,并获得各条射线中像素的灰度值变化曲线图,根据各条射线的灰度变化曲线图的波谷位置得到泡沫的边缘。此方法能够去除噪声泡沫,并参照一个泡沫的清晰边缘部位对其模糊边缘进行修正,使其形成真正符合泡沫形状的光滑边界。     

一种基于新型Unet-Canny网络的安全带检测方法

针对机动车行驶中驾驶员是否正确系戴安全带的检测问题,提出一种融合目标检测和语义分割的新型UnetCanny网络的安全带检测方法。该方法需要用SSD网络定位驾驶员位置,将所采集信息输入Unet-Canny网络后对安全带图像进行分割。新型Unet-Canny网络是在Unet网络上添加Res-Canny模块后得到的。结合Canny算子和残差结构搭建的Res-Canny模块能够让网络在训练中增强对安全带边缘特征信息的提取能力,从而提高图像的分割效果。利用数据集对Unet-Canny网络的训练实验表明：新型Unet-Canny网络比FCN、PSPNet、SegNet、Unet等网络的检测效果好;使用所提出方法检测安全带的精确率比用Unet网络提升了3.4个百分点。     

基于MR图像的软骨特征自动分割方法

图像分割是关节软骨精确检测和评估的首要前提.针对股骨头软骨MR图像提出基于边缘的自动分割技术.利用Hough变换和髋关节的解剖学结构约束提取股骨头中心和图像的目标位置,确定出粗略分割图像的范围,并结合自适应阈值的Canny边缘检测算子确定被分割图像的边界,按照股骨头软骨边界的像素特点对检测结果进行逐一排查,以去除噪声获得精确的软骨内外边缘.提取内侧与外侧边缘之间的图像信息作为最后的分割结果.实验表明,分割方法可以实现对MR图像中髋关节股骨头软骨快速准确的自动分割.     

基于位运算的智能车路径检测算法

针对智能车视觉寻迹任务,提出一类基于位运算的路径检测算法.在该方法中,首先针对采集到的原始图像容易被噪声污染这一问题,采用基于位运算的高斯滤波来进行噪声抑制;然后,在此基础上分析图像的特点,通过位运算得到图像的位面图来实现图像分割操作;最后对分割后的二值图像进行稀疏扫描和折半查找来获取路径的边界点.对实际采集的路径图像进行路径边界检测的结果表明,所研究的方法可以准确地检测到路径边界,是有效可行的.     

改进的距离正则化水平集演化方法

为了有效地对数字图像中的目标物体进行分割,提出了一种结合人类视觉注意机制的距离正则化水平集演化的图像分割方法,首先,利用数据融合获得视觉注意机制的显著图,进而获得曲线演化的初始轮廓,解决了演化曲线对初始位置敏感及不能自适应地决定向内还是向外运动的问题;然后,利用自定义的图像边缘指示函数,通过优化函数的演化速度参数及噪声敏感度控制参数,加快了曲线演化速度;最后,利用距离正则化水平集演化至目标物体的边界,完成图像分割,仿真结果表明:该方法能够有效地检测单个及多个目标物体的边界,提高了边界定位精度,抗噪能力较强.