图像检索系统关键技术的研究与应用

在多媒体技术和系统存储性能的飞速发展的当下,为应对信息过载所带来的各种问题,对图像检索系统关键技术的研究和应用至关重要。基于内容的图像检索系统中,特征提取模块和图像匹配模块的优劣直接决定了图像检索系统的识别度和准确度,因此这2个模块是实现图像检索的关键。介绍一种基于颜色特征的人脸检索系统,并在一定的图像集合上测试分析该系统。     

一种基于内容的图像检索方法

提出了一种对人脸图像进行检索的方法，它包括人脸的特征提取，特征量化和匹配度计算三部分，经实验证明，该方法取得较佳的效果。     

一种基于形状的图像检索系统

基于内容的图像检索是当前国内外的一个研究热点.形状是物体的一个重要特征,是刻画物体结构、形态、轮廓的特征量,也是比较难描述的图像特征之一.由于物体形状的自动获取涉及图像中感兴趣目标的分割,所以基于形状检索的图像检索是一项有难度的研究工作.基于形状的检索一般适用于较容易识别的物体.在本文中采用了面积、形状矩等局部或全局特...     

基于DFECANet的遥感图像飞机目标检测方法

针对现有的遥感图像目标检测方法中对小尺寸飞机目标的检测精度不高、特征信息传递不准确、信息交互不充分等问题,提出了一种基于可辨别特征提取和上下文感知的遥感图像飞机目标检测方法。设计了以可辨别特征提取模块为主体的主干网络,用以加强对多尺度飞机目标的特征提取;引入自适应特征增强模块,选择性关注小目标、优化特征信息的传递与信息交互;并设计了特征融合上采样模块对特征图进行上采样操作,用以提升高层语义信息的准确性。在DOTAv1数据集上的检测精度达到了95.2%,相较于YOLOv5s、SCRDet、ASSD等主流算法,飞机目标的检测精度提高了3.7%～18%。此外,该方法的检测速度以及模型参数量分别为147 fps和13.4 M,相较于当前主流算法具备较强的竞争力,满足在遥感背景下对飞机目标的实时检测需求。     

基于分组特征赋权的动态视角图像特征融合

为了解决移动机器人在目标识别过程中捕获的图像存在多目标干扰和单一视角下目标特征有限,进而导致识别准确率低的问题,提出一种基于分组特征赋权的动态视角图像特征融合方法,该方法通过递进式K均值聚类,对多目标特征进行赋权分组,并且利用LSTM网络实现动态视角下连续图像特征的融合,从而达到提高目标识别的准确率的目的.验证结果表明...     

基于局部稀疏表示的多帧图像特征目标跟踪方法

多帧图像中存在的噪声相较于单帧图像中的噪声更多,因此,为了准确跟踪多帧图像目标,提出了基于局部稀疏表示的多帧图像特征目标跟踪方法。采用局部稀疏表示方法将多帧图像目标进行分块,跟踪子块的移动轨迹与当前状态,基于当前状态构建目标函数,将经目标函数处理后的分块按照一定的顺序进行排列得到初始检测结果,在此基础上,对图像仿射变换,实现多帧图像特征目标跟踪。实验结果表明,所提方法目标跟踪时的中心误差较低,不超过5%。在10 min目标遮挡和模糊视频中,可以在2 s之内完成目标跟踪。在定性评价上,所提方法能够准确跟踪目标,有效提高图像特征目标跟踪效果。     

基于组合核多特征融合的GIS局部放电检测与识别

GIS局部放电模式识别是其绝缘状态评估的重要部分,搭建了252k V GIS局部放电实验仿真平台,采用超高频和超声波检测法对4种典型绝缘故障进行局部放电检测,得到了相应的放电信号,并根据信号特点获取了相应的统计参数图谱,提取了相应的特征参数;采用K-折交叉验证和粒子群算法对组合核参数法进行了核函数参数优化,然后采用优化后的算法融合了超高频和超声波特征参数,分别将融合后的参数和单一的超高频及超声波参数输入到分类器中进行放电模式识别。结果表明,多特征参数融合后的识别率要高于单一特征的识别率,融合后的识别率可达92%。     

基于形状特征的图像检索系统的设计

基于图像形状特征的图像检索方法已成为一个研究热点。为了便于在众多的图像信息库中快速、准确的检索出所需图像,研究了基于形状特征图像检索的主要步骤,且对步骤中所涉及的算法做了比较、选取、改进。利用MATLAB语言开发了一个基于形状特征的图像检索系统。并对该系统进行了测试,通过测试表明该系统可以有效的检索出相似的图像,且对于实验结果做了查全率和查准率的计算与分析,结果证明该系统切实可行具有一定的推广价值和使用价值。     

反向加权融合多尺度特征的X 射线图像违禁品检测

针对现阶段违禁品检测方法存在的混叠效应以及在类内变化显著的场景下检测精度较低等问题,提出一种反向加权 融合多尺度特征的 X 射线图像违禁品检测算法,通过反向自适应地引导融合多尺度上下文特征来实现准确的违禁品目标检 测。首先,使用多尺度场景感知模块获取从局部到全局的目标表征信息,帮助处理显著的类内变化。其次,利用反向加权融 合结构采用特征引导加权的方式,高效融合蕴含丰富上下文特征的多级特征,缓解融合过程中易出现的混叠效应。最后,设 计了一种 Focal-SIOU 损失函数,用于平衡不同质量违禁品目标预测框之间的贡献差异,并结合角度和边长损失进一步提升 预测框的收敛速度和回归精度。本文方法在 SIXray 、OPIXray 、PIDray等3个非常具有挑战性的基准数据集上进行了广泛的 评测实验,平均精度均值(mAP) 分别达到93.2%、90.7%和85.1%。实验结果充分表明,方法相比于最新方法性能更优,并 且能够满足实时目标检测的实际应用需求。     

基于特征金字塔和多任务学习的绝缘子图像检测

作为输电线路巡检中的关键技术,绝缘子的高效检测在维护输电系统安全稳定运行中发挥着重要作用.针对现有方法存在的易丢失目标位置信息,对于复杂背景下的绝缘子检测精度低等缺点,提出一种基于特征金字塔和多任务学习的绝缘子检测方法.通过融合高、低维度特征信息来构筑特征金字塔,避免目标位置等细节信息的丢失,实现复杂背景中绝缘子的高效检测;引入多任务学习算法,进一步提升模型的泛化能力,提升绝缘子检测精度.利用无人机航拍所得的绝缘子实际图像进行实验,结果表明所提方法可将绝缘子检测精度提升至95.3％,具备较高的工程应用价值.     

基于Web的图像检索系统

在电气工程行业,人们接触到大量的图像信息,对这些图像信息的分析、有效组织、管理和检索便成为迫切需要解决的问题。本文介绍了一种基于Web的图像检索系统的设计及实现,该项目的研究能够使数字图像处理应用系统与Internet／Intranet技术有机地结合起来,实现了Web Browser／Web Server模式下图像信息的分析、组织、管理和检索。     

基于小波分析的图像检索技术

随着大量数字图像数据库的出现,基于内容的图像检索技术成为研究热点。本文针对小波的多尺度分析特性,描述了一种基于小波分析的图像检索算法,在小波变换域内提取出图像的显著特征点,然后提取显著特征点的颜色和纹理特征,颜色选取HSV空间,纹理特征用Gabor小波幅值的均值与方差表示,通过相似性匹配实现图像的检索。最后,本文通过实验证实了这种方法具有较高的检索精度,与基于角点检测方法的图像检索相比,检索效果与人的视觉更加相符。     

基于第二代小波变换的电力设备图像特征提取

给出了第二代小波用于图像信号突变 (瞬态 )特征提取的算法 ,即通过第二代小波变换提取出图像中的局部突变特征 ,并与第一代小波变换进行了比较 ,分析其优点与不足。在实际应用中 ,将该算法用于电力系统高压绝缘子裂纹故障图像的特征提取 ,结果表明该方法具有算法简单、运行速度快、小波构造简单等优点 ,在电网设备图像监控等场合有着良好应用前景     

基于多特征融合的人脸识别方法

为了改善人脸识别方法只基于一种特征、识别方法单一造成的识别率低的问题。使用多种特征融合进行人脸识别,可以有效改善单一特征因光照、角度以及尺度变化对识别的影响,提高识别率。经过试验证实,将LBPH、SIFT以及通过卷积神经网络提取的VIPLFaceNet特征按照一定的权重进行组合时,可以有效的结合3种特征的识别特点,获得比单一特征更好的识别率。当VIPLFaceNet、SIFT和LBPH3种特征以4∶1∶5的权重进行融合时,可以获得95.35%的识别率,识别率明显提升。     

基于NSST图像融合的变电站开关状态识别

针对变电站中开关状态图像识别易发生误判的问题,提出了一种基于非下采样剪切波变换(NSST)图像融合的变电站开关图像识别方法。该方法采用可见光和红外光双摄像模式,得到开关可见光图像和红外图像,根据两者的特点与互补特性,采用基于NSST的图像融合算法对可见光图像和红外图像进行融合,生成含有两种开关图像丰富细节信息和特征量的融合图像,采用改进加速稳健特征(SURF)算法对融合图像进行目标特征量提取和匹配,再采用基于混沌布谷鸟(CCS)算法的多阈值图像分割技术进行处理,最后基于霍夫变换得到开关臂和触点所在直线的斜率,根据两者角度差判别开关状态。仿真实验表明:所提方法对闭合与断开状态隔离开关的识别率分别为94.4%和100%,验证了所提方法的有效性。     

基于内容的图像检索技术探讨

基于内容的图像检索是目前国内外的一个研究热点，论文详细论述了基于内容的图像检索的主要技术，并对系统的结构、检索方式、现状和性能评价方面进行了介绍，最后指出了目前研究中存在的一些问题。     

基于多光谱图像融合的光学表面疵病检测

为了实现对精密光学元件表面疵病的高精度测量,提出了一种基于多光谱图像融合的光学元件表面疵病检测方法。通过使用不同波长的光源入射到光学表面,在显微暗场成像系统中获得了450nm,532nm,650nm单波长光源照明时光学表面疵病的检测结果,并将采集到的图片通过加权平均法、拉普拉斯金字塔变换法和小波变换法三种方法进行图像融合后,再进行图像处理获取疵病尺寸信息。由实验结果对比可知,相较于单波长原始图像的疵病检测结果,多光谱融合图像的检测结果更加精确,并且通过对比三种融合方法结果,其中以拉普拉斯金字塔变换融合的效果最佳。     

基于注意力特征融合YOLOv5模型的无人机输电线路航拍图像金具检测方法

无人机采集输电线路航拍图像由于其特殊性,往往背景复杂多变,检测目标存在尺度不一及部分遮挡等问题容易造成检测过程中误检、漏检。本文从特征融合角度出发,提出基于注意力特征融合YOLOv5模型的输电线路金具检测方法。首先,在主干提取网络中引入了具有自注意力机制的AFF-Transformer模块更好的捕获全局信息和上下文信息,提高主干网络特征提取能力。其次,通过在特征融合过程中使用通道空间注意力避免了关键信息丢失。最后,利用双向加权特征融合机制使得模型更有效的将浅层特征和深层特征进行融合,以上改进有效缓解了金具在密集状态下的误检、漏检等问题。通过在自建输电线路金具数据集上进行实验,结果表明：本文提出的方法在原YOLOv5模型的基础上准确率提升了2.7%,模型召回率提高了1.5%,针对于小目标,以及漏检、误检等问题有了较好的改善。     

矿用输送带纵向撕裂视听融合检测方法

输送带撕裂检测是煤矿安全生产中非常重要的部分。本文提出了一种新的输送带纵向撕裂检测方法—视听融合检测方法。视听融合方法使用可见光CCD和麦克风阵列采集输送带在不同运行状态下的图像和声音。通过对采集到的图像和声音进行处理和分析,分别提取出正常、撕裂和划伤的图像和声音特征。然后利用机器学习算法对提取的图像和声音特征进行融合和分类。实验结果表明:视听融合检测方法对输送带纵向撕裂的准确率为96.23%,对于输送带划伤的准确率为93.66%,与现有方法相比,该方法克服了传统机器视觉检测条件的局限性,对于输送带撕裂检测更加准确可靠。     

基于改进YOLOv5的电力设备检测算法

针对电力设备背景复杂、小目标密集等特点导致无人机智能电力巡检精度低、效果不佳等问题,提出了一种改进YOLOv5的目标检测算法。首先在原模型上增加一层检测层,重新获取锚点框以便能更好地学习密集小目标的多级特征,提高模型应对复杂电力场景的能力;其次对模型的特征融合模块PANet结构进行改进,通过跳跃连接的方式融合不同尺度的特征,增强信息的传播与重用;最后结合协同注意力模块设计主干网络,以聚焦目标特征,增强复杂背景中密集目标区域的显著度。实验结果表明：所提算法的平均精度均值(IoU=0.5)达到97.1%,比原网络检测性能提升了5.6%,有效改善了复杂背景下小目标的错测、漏检现象。