改进YOLOv3的输电线路异物检测方法

输电线路因所处环境复杂,极易附着异物,若不及时发现和清理将会对输电线路安全运行造成严重影响。针对输电线路图像巡检中的异物检测精度不高的问题,提出改进YOLOv3的输电线路异物检测方法(YOLOv3-RepVGG)。该方法基于YOLOv3目标检测网络并对其改进,首先采用RepVGG模块替换骨干网络Darknet-53的残差单元,同时加倍模块数量来提高网络对图像特征的提取能力;其次通过增加网络的多尺度检测框提升检测精度,采用CIOU损失函数来一步优化网络模型。实验结果表明,提出的YOLOv3-RepVGG方法与YOLOv3相比,输电线路异物检测m AP提高了9.8%,其中精确率提高19.5%,召回率提高1.2%;与目标检测SSD,Faster R-CNN网络相比,YOLOv3-RepVGG在性能上也具有一定优越性。     

基于复合混沌模型的高级加密标准图像加密算法

为提高图像加密算法的安全性能,提出了一种基于复合混沌系统的改进的高级加密标准加密算法。该算法将Logistic混沌序列与Chebyshev混沌序列相结合,产生2种新的混沌映射。一种复合混沌矩阵作为高级加密标准的轮密匙,进行像素置乱;另一种复合混沌矩阵组成S盒,进行位置置乱。另外,对图像像素点进行位移及列混合操作,进一步达到位置置乱的目的,实现动态变换密钥的高级加密标准图像的加密。实验结果表明,该算法具有较高的密钥敏感性、良好的置乱效果及高效性。     

基于邻域对比的红外林火小目标检测

为了在森林复杂背景下准确地检测出红外小目标,提出了一种基于邻域对比的目标提取算法。首先,根据小目标区域与其8-邻域背景的差异,利用邻域对比算法实现对小目标的增强和对背景的抑制;其次,采用多尺度模板准确检测小目标区域的变化情况;最后,在得到最终对比图的基础上,利用自适应阈值对目标进行分割。实验结果表明:与现有算法相比,所提出的算法在红外小目标检测方面具有更高的准确性,图像整体的信噪比也有较大的提高。     

基于NSCT和改进型PCNN的红外与可见光图像融合算法

针对现有红外与可见光图像融合算法中易出现目标信息丢失或减弱的情况,提出了一种基于非下采样Contourlet变换和改进型脉冲耦合神经网络的融合算法.该算法首先对经过预处理和图像配准后的红外和可见光图像进行非下采样Contourlet变换,分别得到两幅图像的高频系数和低频系数;其次,采用改进型脉冲耦合神经网络对源图像高频系数进行融合,用区域能量最大处理低频系数;最后,对融合后的系数进行非下采样Contourlet反变换,得到融合后的图像.实验结果表明,本文算法在主观视觉上显示了更多的图像细节信息,同时客观数据指标也有不同程度的提升.     

一种改进的相邻概率随机抽样一致性算法

为了解决图像配准中因外点引起迭代次数激增而导致的配准效率低下的问题,提出一种改进的相邻概率随机抽样一致性算法。首先通过自适应优化内点被采用概率,淘汰外点从而形成正循环采样,结合模型评价函数估计出临时模型并得到临时内点集,再根据内点相邻原则筛选部分内点进行重采样,最后采用预检验技术得到最佳模型参数。实验结果表明：在数据外点率较高的情况下该算法能有效减少迭代次数,缩短算法时间,从而提高了算法效率。     

一种基于图像区域分块的SIFT快速配准方法

针对传统尺度不变特征变换(SIFT)算法在特征提取与描述时计算量大、实时性差的问题,提出一种基于区域分块的SIFT的快速配准方法.首先,将匹配图像和待匹配图像分割成若干均匀的子图,通过计算每个子图的信息熵值与设定阈值比较来确定局部子图的特征类型;对筛选出来的特征区域的子图进行特征提取和生成PCA-SIFT描述子,对筛选出来的平坦区域直接跳过,不进行检测.实验结果表明:提出的方法在保证配准精度90%以上的情况下,计算时间减少了15%~25%左右,提高了图像配准的速度.     

基于改进YOLOv8的轻量化道路病害检测方法

针对复杂场景下道路病害检测模型占用内存空间大、计算复杂度高和检测速度难以满足实时目标检测要求等问题,提出一种面向复杂自然场景的轻量级道路病害检测模型DGE-YOLO-P。将网络中的C2f融合可变形卷积设计C2f_DCNv3模块增强对物体形变的建模能力,并对输入特征信息进行降维处理,有效降低模型参数量和计算复杂度。设计GS-Decoupled head检测模块,降低检测头参数的同时实现全局信息的有效聚合。同时,设计E-Slide Loss权重函数,为困难样本分配更高权重,充分学习道路病害中的难样本数据,进一步提高模型检测精度。采用通道剪枝减少模型冗余通道,有效压缩模型体积并提高检测速度。实验结果表明,DGE-YOLO-P模型相较于YOLOv8n模型mAP提高2.4个百分点,而模型参数量、计算量和模型大小分别降低58.1%、66.7%和55.5%。检测速度FPS由34帧/s提高到51帧/s。     

一种基于SIFT-BOW模型的绝缘子图像识别方法

目前无人机对电力输电线路进行巡检已经成为电网巡线的重要方式。为提高无人机巡检图像中的绝缘子的识别准确率和速度,提出了一种基于SIFT-BOW(Scale-Invariant Feature Transform-Bag of Word)模型的绝缘子识别方法。首先利用选择性搜索算法在完整巡检图像中提取出候选区域;然后在候选区域内提取SIFT特征,利用BOW模型对SIFT特征进行表示;最后使用支撑向量机(SVM)在候选区域内进行目标的识别。实验结果显示:该方法对白色陶瓷绝缘子样本的识别准确率达89. 3%,对白色陶瓷绝缘子样本的识别的速度约为10 ms/张,对完整航拍图像的识别速度约为3. 6 s/张,较好地兼顾了识别准确率与识别速度。     

拱坝CADC中施工放样图形处理研究

在拱坝有限元网格剖分获得数据的基础上 ,对计算机模拟拱坝施工放样中的二维图形和三维图形进行了设计处理 ,并已编程实现 ,为拱坝优化设计和建造提供了有利条件     

基于相关系数的改进各向异性扩散去噪模型

经典Perona-Malik各向异性扩散去噪模型中仅考虑了图像的梯度信息,在去除噪声时不能很好的保持图像中的目标边界.针对该问题本文提出了一种基于相关系数的改进各向异性散去噪模型.该模型在考虑图像梯度信息的同时,增加了灰度相关系数这一图像局部统计信息因子.实验结果表明:和经典模型相比,改进模型在噪声去除的同时能够较好地...