基于文本图像修正的两阶段船名识别框架

船舶名称（牌照）识别在水路运输系统中发挥着重要的作用。针对船舶名称在内河航道中目标较小且航道两岸观测船舶存在较大倾斜角度导致难以识别的问题,提出一个以自然场景文本检测算法（differentiable binarization, DB）和文本识别算法（convolutional recurrent neural network, CRNN）为基础的船舶名称自动识别框架（automatic ship name identification,ASNI）,ASNI包括以下3个部分：船名检测、文本图像修正和识别,其中,船名文本图像修正由船名矫正模块和超分辨率重建模块构成。首先,该框架利用DB算法对图像船名候补区域特征进行自适应尺度融合处理获取特征图,通过特征映射预测生成的二值图像寻找连接区域,以此获得船名感兴趣区域（ROI）。其次,在船名检测之后引入船名矫正模块,基于透视变换对ROI中船名不规则文本进行矫正。此外,设计超分辨率重建模块,对矫正后的船名图像进行超分辨率重建处理,以提高船名图像的分辨率。最后,利用CRNN算法对文本图像修正后的ROI中船名进行识别得到最终结果。通过在内河航道船舶数据集（ship license plate,SLP）上进行训练和测试,最终实验结果显示,ASNI框架对船舶识别的平均准确率为87.50%,相比于基础框架提升了3.12%。本文设计的框架有效解决了因分辨率不足和倾斜导致船舶识别不准确的问题,相比基础框架,ASNI有更好的识别效果。     

OBE 理念下项目驱动的数字图像处理教学研究

摘 要：传统数字图像处理教学强调经典方法讲解而忽略文献新方法拓展,强调单个算法 实现而忽略算法项目化开发,强调个人能力锻炼而忽略团队精神培养。为克服这些问题,以工 程教育专业认证的成果导向教育(OBE)理念,探索了一种新的基于项目驱动的教学方式。其教 学目标由电子信息类专业毕业要求分解的指标点确定。教学过程采用 CDIO 的项目教学法,分 为项目调研、项目设计、项目实现和项目运行反馈 4 个阶段,并以图像阈值分割专题为例,详 细阐述学生在不同阶段所需完成的相关工作以及由此而培养和锻炼的相关能力和素质,践行将 能力培养与素质教育贯穿于整个项目驱动教学过程之中。最后利用教学质量评价和反馈,持续 改进教学过程中的学生能力培养短板问题。通过 4 年的教学实践表明,基于 OBE 理念的项目驱 动教学方式不仅有效克服了传统教学方式存在的弊端,而且提升了学生的综合能力,培养了学 生的综合素质。