《数字图像处理技术》课程的教学改革探索

从培养应用型人才的角度出发,提出了教学过程中基础理论知识与技术应用相结合的教学模式,并用Matlab和Photoshop对学生进行知识理解和技术掌控进行引导。针对如何激发学习兴趣,培养学生综合知识的运用能力等问题,从课程讲授内容、教学方法、教学手段等方面进来了探讨,以达到提高教学质量,优化教学过程的目的。     

基于张量投票法的超声波图像去噪

超声波因其所具有的良好指向性及对人体的无伤害性,在检测及医疗领域得到了广泛应用.然而,超声波图像所特有的相干涉斑点噪声成为影响超声波图像质量的主要因素.针对这一问题,提出了将张量投票法应用于超声波图像去噪的方法.利用张量投票法能够提取图像中点、线、面特征的特点,消除超声波图像中孤立点显著性,突出所提取的线、面特征,重新构建图像,从而达到去除斑点噪声的目的.试验结果表明,与其他空间域滤波方法相比,张量投票法在去除斑点噪声的同时,能够更有效保留边缘特征,提高超声波图像的质量.     

基于超声波反射法检测钢管腐蚀分布的观测实验

为降低钢管被腐蚀后对工业生产及人身安全所造成的潜在危害,研究钢管壁厚度的无损检测及推断腐蚀的分布。根据超声波通过不同介质分界面时会发生反射这一特点,用检测到的反射波形进行数据处理,从而计算出被测钢管壁的厚度,并利用互相关函数法提高反射信号间延迟的分辨精度,从而准确地推断出钢管壁的腐蚀分布。     

基于局部自我相关函数光线照明变化下的人脸检测

针对照明变化条件下人脸图像检测精度相对较低的问题,以照明变化下的人脸检测为研究对象,提出局部自我相关函数(local autocorrelation, LAC),研究基于Adaboost算法下采用局部自我相关函数为前处理的光照变化下人脸检测。提出了局部自我相关函数定义模型,对局部自我相关函数的物理特性进行分析,从理论上验证局部自我相关函数对线性照明变化的鲁棒性。采用卡内基梅隆大学的人脸照明变化数据库(CMU PIE Database)作为检测数据验证基于局部自我相关函数的光线照明变化下的人脸检测,实验结果证明了局部自我相关函数消除照明变化对人脸检测精度影响的有效性。     

改进的YOLOv3网络在钢板表面缺陷检测研究

为了提高工业自动化水平,对表面缺陷进行有效检测,提出了一种改进的YOLOv3（You Only Look Once）网络检测方法。使用轻量级网络（MobileNet）来代替YOLOv3原有网络中的密集连接网络（Darknet-53）,适当减少参数量的提取;加入空洞卷积,提高网络对小目标缺陷的检测能力;在网络结构的最后一层卷积中加入了Inception结构,进一步减少参数总量并加深网络。改进后的网络在测试集上精准性比原有的YOLOv3网络提高了23.3%,实时性也提高了95.4%,在钢板表面缺陷检测中具有更好的应用前景。     

基于区域合并与轮廓模型的图像序列人物轮廓分割

为解决受图像背景复杂度影响,分水岭算法较难高精度实现图像序列中人物轮廓的分割与追踪这一问题,提出了利用颜色空间转换的区域合并实现目标轮廓区域的划分、并基于人物头部轮廓信息生成人物领域轮廓模型的方法。通过对人物领域边界线生成的初步轮廓模型进行高斯函数的卷积运算,生成形态轮廓模型的有效对象模板,实现图像序列的人物领域中不依靠序列差分和移动向量亦能在图像序列中追踪移动对象。基于颜色空间转换的区域合并和轮廓模型算法,可满足视频背景变动并且背景复杂的情况下对图像序列中的人物轮廓进行有效分割。实验结果验证了本算法的有效性与鲁棒性,可有效而稳定实现图像序列中人物轮廓的分割。