关键词： 新数字图像处理   计算机专业   教学问题   教学对策  

摘要： 随着计算机视觉产业的快速发展,数字图像处理技术得到了广泛的应用。为此,我校计算机专业大三年级第二学期开设了数字图像处理这门课程,并使用电子工业出版社出版的冈萨雷斯著《数字图像处理》(第二版)作为学习教材。本文主要探讨了该课程的教学现状,深入剖析了教学过程在教学内容、教学方法、教学评估以及课程思政等方面存在的问题,并从合理优化教学内容、多样化运用教学方法、科学实施教学评估、融入思政元素这四个角度出发,提出了针对性的改进策略,旨在助力这门极具应用价值的工科课程重焕生机与活力。

关键词： 木材微观构造   交叉场纹孔   深度学习   目标检测   注意力机制  

摘要： 交叉场纹孔作为木材显微构造中的一个重要特征，在木材构造研究和树种识别中具有重要作用。以针叶材为研究对象，基于计算机视觉技术对交叉场纹孔特征快速提取方法展开研究，从而实现在向系统传入木材径切面切片图像后，即可快速得到交叉场纹孔识别结果。首先采集48种针叶材树种的径切面图像构建数据集，通过训练并比较YOLOv4、YOLOv4-Tiny，以及主干特征提取网络更换为ResNet50和MobileNetV3的YOLOv4-Tiny模型后，选用表现较优的YOLOv4-Tiny，并将其结合SENet、ECANet、CBAM 3种注意力机制进行比较分析。研究结果表明：ECANet表现最好，对于窗格状、云杉型、柏木型、杉木型、松木型5种交叉场纹孔类型的识别准确率分别为98.2%，83.2%，90.1%，91.8%，80.1%。通过Grad-CAM可视化分析，发现模型对于窗格状和杉木型的预测框定位最为准确，而对于柏木型的预测置信度相对较低，在射线薄壁细胞与轴向管饱相交边界不明显的情况下，模型的预测效果较差。综上所述，使用YOLOv4-Tiny模型结合注意力机制进行交叉场纹孔的识别是可行的，未来的工作可以集中于对深度学习神经网络结构的进一步优化，以提高模型在复杂情况下的识别准确率。

关键词： 卫星视频   目标跟踪   多粒度信息学习   运动状态估计   孪生网络  

摘要： 在遥感卫星视频目标跟踪任务中，由于跟踪目标分辨率低，背景干扰较多，容易被遮挡等问题，导致现有目标跟踪算法不能满足需要。针对这些问题，提出了一种基于多粒度信息学习与运动状态估计的卫星视频目标跟踪算法。多粒度信息学习通过双向融合网络，将空间信息丰富的浅层特征与语义信息丰富的深层特征进行双向自适应融合，提升特征对低分辨目标的表征能力。进一步，使用运动状态估计方法，基于历史目标运动状态，估计当前目标位置，以修正跟踪网络受遮挡和背景噪声干扰输出的错误结果，提升跟踪网络在复杂场景下的鲁棒性。最后，基于以上两种方法和孪生网络设计实现了一种新的卫星视频目标跟踪算法，并在遥感卫星视频数据集SatSOT上进行了测试。实验结果表明，所提出算法的跟踪性能优于其他目标跟踪算法，其在跟踪精确度和成功率方面比同样基于孪生网络的SiamCAR算法分别有5.1%和3.2%的提升。

关键词： PCB   图像预处理   目标检测   处理方法  

摘要： PCB(印刷电路板)属于电子产品的核心零部件,其质量关乎到电子产品的使用寿命,所以PCB的焊点质量高低与否对于企业来说尤为重要。随着表面封装技术越来越成熟,国内外绝大部分的PCB封装厂都采用了一种新型的焊接方式,那就是贴片焊接。这种焊接方式相比直插焊接方式生产效率更高,但是由于部分元器件的特性,国内大量企业都是采用贴片焊接与直插焊接相结合的方式生产。因此,直插式元器件焊点的质量检测具有很高的研究价值。聚焦于直插式元器件PCB焊接质量的关键检测技术,重点探讨了焊点图像的预处理过程和实验仿真,通过对比和分析图像处理的不同算法、不同参数对处理结果的影响,得出最佳的焊点图像预处理方法。

关键词： 无人机操控系统   空对地视频   目标检测  

摘要： 本文探讨了无人机(UAV)在执行空对地任务时,如何利用先进的计算机视觉技术进行高效的目标检测与分割。我们提出了一种面向无人机操控系统的优化方法,该方法结合了深度学习中的目标检测和语义分割算法,以实现更精确的实时视频分析。通过实验验证,我们的方法不仅提高了识别精度,还显著减少了计算资源的消耗,为无人机的应用提供了更加可靠的技术支持。

关键词： 减饱和法   气体运移形态   孔隙结构   微观机理   图像处理  

摘要： 注气减饱和法是一种通过工程措施将气体注入可液化土体内部，通过减小土体的饱和度以提高土体抗液化强度的方法。开展了饱和砂土注气减饱和过程的可视化薄板模型试验，考虑了粒径分组和密实程度的影响。结果表明：（1）根据注气量和砂土排水量的对比，可将气体注入砂样内部的过程分为四个阶段：Ⅰ突破阶段、Ⅱ内部运移阶段、Ⅲ扩展溢出阶段、Ⅳ稳定溢出阶段。注入气体的运移形态受孔隙结构内的孔喉尺寸和连通性控制，其主要呈现出两种典型特征：以惯性力主导的通道流和以黏性力和毛细管力主导的室流。（2）Ⅰ阶段的最小注气压力Pmin等于静水压力u和毛细管阻力Pcr之和。Pcr与特征粒径deff呈负相关，而与Dr呈正相关。（3）粗砂组中气相饱和度Sr,a与deff呈现正相关，与Dr呈现负相关，且在Ⅱ和Ⅲ阶段均显著变化。中细砂组和细砂组Sr,a与deff呈现负相关，与Dr呈现正相关，且集中在Ⅱ阶段中变化。（4）粗砂组实现减饱和的过程主要依赖易于扩展的连通通道，而中细砂组和细砂组主要依赖气体在选择流动路径的途中在低流动阻力区域内的积累。

关键词： 目标跟踪   对抗攻击   对抗检测   频域分解   性能差异  

摘要： 针对跟踪模型存在被对抗攻击的风险且当前缺少相关的对抗检测方法，利用频域手段解决这一问题.结合扰动噪声视觉不可见的特点，首先理论证明了扰动噪声主要存在于图像的中高频段.然后定量地分析出视频序列的低频分量对跟踪性能的贡献最大且受对抗攻击的影响最小.最后根据上述理论证明和定量分析，提出了基于频段跟踪性能差异的检测框架，其中的频域分解模块用于提取视频序列的低频段分量；目标跟踪器及其同构同参的镜像跟踪器分别以视频序列的全频段和低频段分量为输入；判别模块通过对比2个跟踪器的输出差异，判定当前视频序列是否为对抗输入.该检测框架以跟踪器为载体，无需对抗训练仅通过对比不同频段跟踪性能的差异性，即可实现对抗检测.大量的实验结果表明提出的检测框架不仅能够有效地检测当前主流的对抗攻击，如CSA,TTP,Spark，检测精度高达97.55%，而且对跟踪器的原始跟踪性能影响较小.此外，检测框架具有泛化性，能够灵活地集成到多个跟踪器，如SiamRPNpp,SiamMask,SiamCAR,SiamBAN.

关键词： 多无人机多目标跟踪   时序信息   轨迹先验   跨视角特征融合   准确跟踪  

摘要： 多无人机多目标跟踪旨在从多架无人机同时捕获的视频中预测所有目标的轨迹和身份标识，以解决单个无人机视频受遮挡和杂乱背景等干扰时跟踪性能衰退的问题.然而，不同无人机捕获的图像视角和尺度差异通常较大，导致对齐和融合不同无人机图像特征困难.针对该问题，本文提出一种通过时序信息引导跨视角特征融合的跟踪算法—TCFNet.该算法首先设计一种目标感知的对齐网络（Object-aware Alignment Network,OAN），利用跟踪过程中的目标轨迹先验估计先前时刻不同视角无人机视频帧间的转换关系.其次，构建一种时序感知的对齐网络（Temporalaware Alignment Network,TAN），探索前后时刻同一架无人机捕获图像的信息对不同视角图像的转换关系进行精调.最后，基于OAN和TAN估计的不同无人机图像间的转换关系，设计一个跨机特征融合网络（Cross-drone Feature Fusion Network,CFFN）对不同无人机捕获的视觉信息进行融合，解决了复杂场景下模型跟踪性能衰退的问题.在MDMT数据集上的实验结果表明，所提出的TCFNet相比其他主流的跟踪方法更具竞争力，在跟踪准确率、识别F1值和多机目标关联分数上超出当前的先进算法2.23百分点、1.67百分点和2.15百分点.

关键词： 三维目标检测   多模态融合   多层级空间语义特征聚合   特征增强  

摘要： 目的 基于摄像头与激光雷达融合的三维目标检测是自动驾驶领域的研究热点。为了解决现有算法在特征融合阶段会引入传感器之间的信息干扰的问题，提出了逐点增强与多层空间语义聚合三维目标检测模型。方法 在主干网络提取特征后设计逐点增强融合模块，通过逐点融合特征增强，实现点云与图像特征的深度融合，有效降低信息干扰对检测精度的影响。随后，引入多层空间语义特征聚合模块，将高层语义信息与低层空间特征有效结合，生成高质量的候选框。在空间语义特征聚合模块之后，设计一种基于注意力机制的残差结构，用于扩展模型的感知范围并增强其特征表达能力。结果 在KITTI数据集的实验中，所提模型在中等难度下的行人、骑自行车者和汽车类别的三维检测平均精度（3DAP）相比多模态基准模型（MVX-Net）分别提升了5.3%、.1%和.0%。结论 所提模型能够有效改善特征融合的信息干扰问题，在运行时间与当前三维目标检测模型相当的同时显著提高了三维目标的检测性能，为自动驾驶领域的三维目标检测提供了一种有效的解决方案。