排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
2.
3.
在受图像拍摄条件、图像内容自身复杂性、图像内容与背景接近程度等多种因素的影响,图像的边缘线检测容易发生漏检、误检。因模型自身设计缺陷或训练样本中边缘像素点与非边缘像素点的不平衡原因,多数算法的图像边缘检测结果普遍存在线条粗、质量较低的问题。提出一种多尺度卷积神经网络模型,由三个分别接受一幅图像的不同尺度输入的子网络结构组成,分别在不同尺度视觉下学习图像的边缘知识。然后按尺度从粗到细对各尺度提取的知识特征进行融合,实现边缘轮廓检测。模型充分利用多尺度技术在图像处理领域的优势,同时引入了自注意力机制以提升卷积特征内部关联性的捕获能力。本文提出了一个新的损失函数,由交叉熵损失函数和L1范数组成,避免训练样本非均衡性对训练模型的影响。使用指标ODS、OIS、AP度量图像边缘检测的质量。在BIPED数据集上测试,三个指标的得分分别为0.845,0.856,0.886。在BSDS500数据集上测试,算法在F-measure指标上得分为0.826。实验结果表明,与其它学习型的算法相比,算法输出图像边缘结果漏检率更低、且质量更高。 相似文献
4.
5.
为了使家庭物联网接入以太网,将机顶盒升级为家庭网关。在Android系统上嵌入Web服务器,通过连接ZigBee模块建立并管理无线传感器网络,在应用框架层建立异步消息数据通道完成ZigBee协议与TCP/IP协议转换。在安全性上使用SSL协议和用户口令认证,符合家庭网络信息保密性、完整性、鉴别性的需求。结果表明基于Android系统实现家庭网关可扩展性强、安全性高,为智能家居提供广阔的发展前景。 相似文献
6.
天气影响的场景影像复原方法 总被引:1,自引:0,他引:1
提出了一种适用于恶劣天气下退化图像复原的简化算法。该算法利用大气辐射传输方程的数值解构造点扩散函数,可用于不同天气条件下的退化图像的复原。根据恶劣天气中散射粒子的前向散射系数大的特点,引入δ 函数,将相函数进行归一化分解;把得到的简化点扩散函数作为大气的退化函数,与退化图像一起进行频域复原滤波。实验结果表明,对于 512×512 的雾天场景图像,复原处理前后信噪比从 3.6400 提高到 8.5329;比较具有相同信噪比的复原图像,简化算法的处理耗时比简化前减少了 85%。 相似文献
9.
10.