光伏电池电致发光偏振图像融合与缺陷检测

针对电致发光图像边缘模糊、纹理不清晰造成光伏电池缺陷难以定量化评估问题,提出一种基于电致发光偏振图像融合的晶硅光伏电池缺陷检测方法。首先,在分析晶硅光伏电池结构的基础上给出电致发光偏振成像的基本原理。然后,利用拉普拉斯金字塔对获取的红外光强图像与偏振度图像进行分解、引导滤波对高频细节成分进行增强,通过区域能量最大、区域能量加权平均规则对高低频部分进行融合。最后搭建短波红外偏振检测平台开展晶硅光伏电池缺陷检测实验。结果表明,偏振成像可以凸显光伏电池缺陷图像的轮廓边缘和纹理细节,融合图像 中光伏电池缺陷特征更加突出,信息熵、标准差等客观评价指标显著提高,验证了方法的有效性。     

基于关键点的遥感图像旋转目标检测

高分辨率的遥感图像与普通图像相比,遥感图像目标具有方向多样性和尺度变化较大等特点。针对遥感图像目标检测问题,提出一种R-CenterNet遥感图像目标检测算法。首先,对CenterNet网络重新设计,在网络结构中加入旋转因子为检测框提供角度信息;其次,增加网络深度,提高网络检测性能;最后,为聚合不同区域的信息,进一步提取目标的多尺度信息,提出一种将目标特征注意力信息与多尺度池化信息相融合的注意力金字塔池化模块。实验结果表明R-CenterNet的检测结果比原始CenterNet提升了8%的平均精度值(mAP),具有更好的检测效果。     

基于混合灰度差指标的低空目标图像检测方法

为了解决地面背景和云朵干扰对低空目标检测的影响,提出一种基于混合灰度差指标的低空目标图像检测算法。首先,分析地面背景与天空区域在图像中的分布以及灰度特征,根据水平灰度投影的阶跃变化将图像分割为天空区域和地面背景区域两部分;然后,在天空区域内,由于目标和背景之间的相似性比较小,而云朵和天空的相似性较高,由混合灰度差指标水平投影和垂直投影定位目标;最后,验证获取的目标坐标。试验结果表明,算法能检测出具有复杂地面背景的低空目标,也适用于背景中存在云朵干扰的目标以及弱小目标的检测;此外,算法的速度较快,满足视频图像处理的实时性要求。     

基于偏振特征与强度信息融合的工件目标检测

针对目前工件尺寸测量在工件关键测量点的准确提取阶段存在的问题,因此本文提出一种基于偏振特征与强度信息融合的工件目标检测方法。在工件强度图像的基础上引入偏振特征,建立强度信息与偏振特征差异化式高效交互的双流网络模型,以实现更高效的偏振特征和强度信息融合。为验证算法的效果,本文建立了偏振图像工件目标显著性检测数据集。在此数据集上,本文提出的算法在精确度Precision、max-F和相似性值S-measure三个指标上和视觉结果均在对比算法中达到了最优结果,充分表明了本文算法出色的工件目标检测性能,具有极佳的工件目标检测效果。     

基于加权全局图像拟合能量的主动轮廓图像分割模型

针对现有主动轮廓模型分割准确性不高、分割效率较低的问题,提出了一种基于加权全局图像拟合能量的主动轮廓模型,以实现准确、高效的图像分割。首先,受局部拟合图像启发定义了全局拟合图像,然后通过最小化全局拟合图像和原始图像的差异性得到提出模型的能量泛函。此外,引入目标区域和背景区域像素灰度的类内方差作为目标区域和背景区域能量的权值,自适应地调节区域能量的比例,以提高模型的分割准确性。针对合成和实际图像进行了分割实验,结果表明与现有主动轮廓模型相对,提出模型能更加准确、高效地分割图像,在分割效果和分割效率两方面具有优势。     

基于FPGA大气偏振光仿生传感器设计

大气偏振模式信息的有效检测是实现大气偏振信息有效应用的前提。根据昆虫通过眼部特殊的复眼感光结构接收天空偏振模式信息的原理,设计了一种基于CYCLONE IV系列FPGA处理器的偏振光感知仿生传感器,给出了仿生传感器的总体设计,对硬件设计和LabVIEW软件开发进行探讨,仿生传感器实现了双通道数据采集、处理、存储与显示功能。该传感器体积小、质量轻、灵敏度高,适用于单方向天空散射光偏振角和偏振度的实时准确获取。经过实际验证,各项性能均达到了总体要求。     

基于大气散射模型的偏振图像去雾算法

雾是1种常见的天气现象,由于大气中的水汽等对太阳光的散射作用会造成拍摄图像的对比度降低.在大气散射物理模型的基础上,提出1种可以轻松去除图像雾霾的方法.该算法首先利用偏振成像系统获取最好状态下和最差状态下的2幅图像,然后通过边缘检测和最佳正态分布搜索算法对天空区域进行分割,从而估算大气光强度和大气传递系数,最终实现图像...     

基于改进的Gabor滤波和区域生长的目标检测

针对目标检测中背景的相对运动、检测物体相似性、外界光线变化等因素的影响,提出了一种基于改进的Gabor滤波和区域生长的目标检测方法。首先将输入的视频图像的相邻两帧做差,然后将得到差值图像中的Lab模型L分量进行Gabor滤波处理,根据不同的场景选择合适的参数,以提取目标的显著区域。为了兼顾运行速度和目标的显著特性,所以选取图像以某一灰度值的像素点为种子点,将灰度值差值在某一范围内的点进行区域生长操作,得到更为准确的目标。接着,为了去除干扰,进行腐蚀膨胀等一系列操作。最后将8个方向的滤波合并在一起,用外接矩形将符合要求的目标区域标出,达到目标检测的目的。通过参数调整和实验验证,相比传统检测算法的低准确率,此方法的目标检测率提高至90.89%,并且在光照、背景等外界因素干扰的情况下能具有良好的鲁棒性。     

基于颜色校正和加权融合的水下图像增强

为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题，提出了一种基于颜色校正和加权融合的水下图像增强方法。首先，对补偿了红色通道的原始图像采用白平衡算法进行颜色校正，解决图像失真问题。并将颜色校正后的图像从RGB空间转换到Lab空间，然后采用对比度限制自适应直方图均衡比(CLAHE)算法处理的L亮度通道来增强图像的对比度和亮度。最后，将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。实验结果证明，采用所提算法处理不同水下场景图像效果显著，4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像质量评价度量(UIQM)和水下彩色图像质量评级(UCIQE)值与其他算法相比均有明显提升。并且与原始图像相比，所提算法处理后的图像的信息熵至少提升了5.6%,UIQM值提高了1.48倍以上，UCIQE值提高了7.5%。     

残差特征融合的小目标动态实时检测算法

针对图片中小目标携带信息少、尺度变化大等检测难点，本文以YOLOv5s为框架，提出一种特征融合的小目标动态实时检测模型(HCD-YOLOv5s)。针对模型下采样易造成小目标信息丢失、深层网络位置信息表达不足等问题，从浅层中新增检测小目标的检测头；本文针对特征融合造成的特征混淆等问题，设计一种特征融合方式CCAT,减少检测层位置信息与语义信息的丢失；针对检测任务与数据分布不同适应的激活函数不一致，设计DConv模块，分离回归任务与检测任务，实现模型的动态检测。本文在VisDrone数据集上对模型进行消融实验，3个模块相互促进。选取不同输入尺寸的图片对模型进行速度与精度测试。在YOLOv5s的基础上HCD-YOLOv5s的mAP50提高了10.2%,检测精度与参数量明显优于YOLOv5m, FPS达到90。最后在DOTA-v1.0上进行实验验证，mAP50、mAP分别提升了1.8%与2.0%,证明本文提出的HCD-YOLOv5s在小目标检测上有更佳的性能。     

暗原先验算法在天空区域的处理与改进

暗原先验算法在天空区域去雾过程中会造成噪声过度放大和晕环现象,针对这个问题提出了依据天空隶属系数调整天空区域透射率的方法。求得有雾图像相应位置天空隶属度系数,自适应改变透射率调整幅度,并利用二次函数特性,对隶属度小值区域进行压缩,减弱近景透射率有效区域的调整,最后通过大气散射模型得到复原图像。大量实验结果表明,该方法得到的复原图像清晰自然,特别是在天空区域,保留部分浓雾区域去雾程度的同时抑制了天空区域的噪声和晕环现象,取得了很好的去雾效果。相对暗原先验算法,改进算法在天空区域得到更加准确的透射率估计,复原图像效果更佳。     

面向水域场景的热成像人员识别算法研究

针对水域场景夜间能见度极低,难以实现人员目标检测与定位的问题,结合红外热成像技术与深度学习目标检测算法, 研究了一种黑暗环境下水域人员目标检测方法。 经过多场景实地采集,自主构建了一套热成像水域场景下的人员目标数据集 IR-YZ。 在对比经典目标检测方法在 IR-YZ 数据集上的性能的基础上,针对热成像特点与水域环境特点,提出了一种增强型轻 量级水上目标检测网络 IWPT-YOLO(infrared water person target-YOLO)。 实验结果表明,IWPT-YOLO 算法具有精确、快速、简洁 等优势,其模型大小为 93 MB,平均精度 mAP 达到了 85. 34%,检测速度达到了 20. 975 FPS,比经典算法 YOLOv3 网络与 SSD 网 络在模型大小、平均精度与检测速度上均有提高,验证了 IWPT-YOLO 算法对水域场景下的热成像人员目标具有更好的检测性 能,更明显的优势。     

鱼眼图像的目标物体角点检测方法

为实现宽视场角图像中目标物体的定位,提出了一种鱼眼图像的目标物体角点检测方法。首先对含有目标物体的鱼眼图像进行等面积切分,利用目标物体即网格图像灰度直方图的明显特征确定目标区域;然后根据实际应用对Harris算法进行改进,并将其应用至目标物体的角点检测中,确定目标物体位置。实验结果表明,能有效确定目标区域,视觉冗余度由90.3%下降到47.8%,目标物体角点检测准确率为83.8%,可以为实现宽视野范围目标的位置与距离同时测量奠定基础。     

基于猫眼效应的窃视目标检测研究

基于激光主动探测时光电设备表现出的猫眼效应,搭建了基于CCD的激光主动探测系统,提出了一套基于背景差分的窃视目标检测算法。该算法在激光脉冲的间隔,同时采集激光主被动图像,根据窃视目标与普通漫反射物体的回波强度差异,并分析目标的空间特征和形状特征,利用背景差法检测窃视目标。实验结果表明,与利用单帧图像的检测方法相比,该方法在半径为5 m的作用范围内,可有效、快速的将窃视目标从背景中检测出来,并且不受场景和光照的限制。通过对20个不同场景环境进行实验,该方法正确率达到95%,高于利用单帧图像的检测方法,并且每帧的检测时间在0.015~0.021 s内,满足实时性需求,验证了本文系统搭建方案的正确性与软件处理算法的有效性。     

结合注意力机制和密集连接网络的车辆检测方法

为提高算法对车辆检测的准确性,解决原有算法在复杂交通场景下对车辆检测效果不佳的问题,提出一种基于注意力机制和改进密集连接网络结构的车辆检测方法。首先在过渡层中使用SoftPool整合密集块之间的特征信息;其次通过轻量化通道注意力机制加强有效通道特征的表达,将其作为Darknet-53的深层特征提取层;引入CIOU损失作为模型的边界框位置预测损失项,使用深度可分离卷积缩减模型体积;与原算法相比mAP值提高2.6%,模型体积缩减为原来的42%,实验证明本算法在复杂交通场景下具有良好的检测性能。