关键词： 视频遥感   目标跟踪   卡尔曼滤波   特征融合   尺度自适应  

摘要： 视频遥感图像中的目标通常呈现小尺度特性,且易受到遮挡、背景干扰和尺度变化等复杂环境影响。针对现有目标跟踪方法对其运动状态估计不够准确的问题,在核相关滤波(kernel correlation filter,KCF)算法框架的基础上,提出一种融合纹理与颜色特征的视频遥感卫星抗遮挡单目标跟踪算法。该算法使用卡尔曼滤波方法对遮挡的目标进行位置预测;提出将FHOG特征和颜色特征融合的最高输出响应作为预测目标位置信息,提高KCF算法在复杂背景下的跟踪精度,同时设计一个尺度滤波器来实现目标尺度的自适应变化。实验结果表明,该算法在目标受遮挡、背景干扰、尺度变化等复杂环境下对视频遥感影像中的移动目标具有良好的跟踪能力,跟踪平均精度和成功率分别可达87.4%和73.4%,优于其他对比方法。

关键词： 目标检测   YOLOv8   注意力机制   全局特征  

摘要： 针对目前主流的目标检测算法在复杂的交通环境下对行人和车辆检测精度不高的问题,提出一种基于YOLOv8模型改进的目标检测算法.首先,在主干网络前增加一种可学习增强网络,该网络是通过拉普拉斯分解残差学习方式来构建的,不仅可以充分提取到目标的特征信息,还能增强算法的准确性和鲁棒性,从而减少不同强度的光照对图像目标检测的干扰;其次,在中等目标检测层之前添加提出的KSA注意力机制,检测时可以将注意力集中在图像中重要信息的区域,从而更准确地定位并识别出中等目标,同时也可以减少复杂的背景噪声对检测的干扰;最后,提出了基于像素点的Transformer结构,即Pixel Transformer结构.将该结构添加到主干网络中,从而进一步增强算法对图像全局特征的提取能力,使其能学习到更丰富、更全面的目标特征.使用KITTI数据集来进行消融实验以及各算法的对比实验,实验结果表明,设计的算法在相关指标上取得了一定程度的提升,其中mAP@0.5值提升了3.2个百分点,达到了96.7%,这充分体现了该算法的优越性.

关键词： 卷积神经网络   特征提取   关键信息   图像处理  

摘要： 当前图像关键信息提取中,提取精度受到图像获取的场景、方式等因素的影响。为了减少干扰因素对图像关键信息提取精度的降低,研究优化了掩膜区域卷积神经网络模型。引入正则化参数的方式优化了模型的损失函数表达,并通过特征金字塔结构以及注意力机制优化了模型的网络结构。在数据集实验中,研究改进的模型在信息提取精度上比标准模型高出6.2%,比传统快速提取模型高出23%。实验表明,研究对掩膜区域卷积神经网络的优化具备可行性,为图像关键信息的提取提供了精度优化的支持。

关键词： 疲劳驾驶   目标检测   云边协同   评价反馈  

摘要： 针对营运驾驶员易出现疲劳驾驶而造成危险,利用摄像头提取驾驶员面部特征;通过Percentage of Eyelid Closure Time(Perclos)模型对驾驶员进行疲劳检测;出现疲劳驾驶后,利用云边协同架构将异常信息发送给驾驶员和管理员。系统利用近红外摄像头改善了传统疲劳检测方法在光线复杂的环境下检测效果差的问题,并增加了驾驶员分析评价功能,对驾驶员的异常情况进行评价反馈。

关键词： 目标检测   双层路由注意力机制   CNeB模块   合成孔径雷达  

摘要： 针对SAR图像在密集区域检测准确率低的问题,提出增强局部特征提取能力的改进算法。采用CNeB模块,通过降低空间维度和扩大模型的感受野增强小目标特征的提取。引入BRA机制,增强模型对目标上下文信息的理解能力。损失函数WIoU取代CIoU,通过智能权重调整机制抑制低质量图像产生有害梯度。在HRSID数据集上验证,mAP从92%提高到94.4%,召回率和准确度分别提升4%和1.1%,证明改进后的算法在密集目标检测中有显著优势。

关键词： 图像处理   核桃   修剪   UNet模型   分叉点   定位  

摘要： 为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet,实现核桃树树干和枝条的识别与分割;其次,提取掩膜细化处理,根据枝条相交情况、相对位置关系,结合图像处理与深度信息定位枝条分叉点;最后,以k-means聚类枝条分叉点三维坐标的欧几里得距离计算出质心,取距离质心最近的枝条分叉点作为修剪位置。试验表明,VMfd-UNet在整个数据集上的平均像素精度m PA和平均交并比mIoU分别比VGG16-UNet高4.86、4.85个百分点,在验证集上表现优异,树干和枝条的mPA分别达到96.71%和90.42%,mIoU分别达到90.27%和79.86%,参数量为35.73 M。以枝条分叉点选择修剪位置,平均准确率达到83.2%。该研究可为核桃树准确定位修剪点提供位置参考与技术支持。

关键词： 船舶检测   YOLOv5s   轻量级注意力机制   轻量化卷积  

摘要： 针对船舶上算力资源有限导致的检测算法速度慢和检测率低问题,基于YOLOv5s算法,提出了轻量级注意力机制与跨尺度融合的船舶目标检测算法。在主干网络中引入轻量级注意力机制SimAM,并与颈部网络跨尺度进行融合,提升算法的检测精度;引入轻量化卷积C3Ghost和GhostConv降低检测算法的参数量,实现船舶的实时检测;对于边界框回归损失,采用自适应参数提高锚框的适应性以及鲁棒性。最后,与其他流行算法在SeaShips数据集上进行对比和消融实验,结果验证了所提算法的有效性。

关键词： 图像处理   点云配准   迭代最近点算法   特征提取   特征匹配、随机采样一致性   主成分分析法  

摘要： 针对工业场景下经典迭代最近点(iterative closest point,ICP)算法在点云位姿估计中初始位姿敏感度高、迭代时间长的问题,提出一种基于RGB图像的快速点云配准方法。分别采集RGB图像和点云数据,使用ORB(oriented FAST and rotated BRIEF)算法提取RGB图像特征点,利用Brute-Force算法进行初始匹配,采用随机采样一致性算法优化匹配,得到单应矩阵和旋转平移矩阵,求解汽车零配件初始位姿。进一步采用主成分分析法和双向KD树近邻搜索算法对预处理后的点云数据进行精确配准。实验结果表明,所提算法相较ICP算法,在配准速度和精度上分别提高了87.2%和5.0%,相对于FR-ICP(fast and robust iterative closest point)算法,在配准精度相当的情况下,配准速度提高了55%。

关键词： 机器视觉   图像处理   尺寸测量   OpenMV4 H7 PLUS  

摘要： 本文基于机器视觉模块OpenMV4 H7 PLUS,设计了一种视觉模组与光学放大镜配合的微小机械零件尺寸自动测量系统,并进行试验验证。结果表明:该系统不仅可通过集成视觉模组、光学放大、传送平台等部件,应用OpenMV IDE和MicroPython开发相关程序,实现自动感知零件进入镜头区,定点抓拍获得微小零件图像,而且可通过图像预处理和边缘轮廓检测,实现相关尺寸自动测量。

关键词： 无人机目标   识别   YOLOv10s算法   自校准卷积   动态上采样算子   混合局部通道注意力  

摘要： 无人机在现代战争中扮演着越来越重要的角色,以其难发现、难反制及超高费效比快速赢得各军事组织及作战单元的高度关注及作战使用。反无人机作战则越发成为各作战单元必备作战能力。为实现战场快速发现并检测识别无人机目标,提出一种基于YOLOv10s改进的无人机目标检测及识别算法。首先将YOLOv10s模型骨干网络中的C2fCIB模块替换成自校准卷积SCConv模块提升网络性能,其次在颈部网络中使用轻量级上采样算子DySample替代YOLOv10s中的标准采样算子Upsample提升图像处理效率和质量,最后在头部网络前增加3组MLCA注意力模块,提升网络表达能力。结果表明:在12类无人机目标识别的训练模型中,改进的YOLOv10s算法精确度较原始YOLOv10s算法提升了2.24%,召回率提升了11.59%,平均精度值mAP50提升了4.01%,平均精度值mAP50-95提升了8.06%,推理时间减少了6.56%。为基于视频图像的无人机目标检测提供了一个高精度、高效率的解决方案。