关键词： 道路交通标志   倾斜摄影测量   三维建模   深度学习   目标检测   嵌入式建模  

摘要： 倾斜摄影测量三维重建技术被广泛应用在大规模城市场景三维建模任务,然而道路交通标志难以重建完好。为此,提出基于深度学习的道路交通标志嵌入式建模方法,可以解决倾斜摄影测量交通标志的重建难题。首先,基于深度卷积神经网络模型,从倾斜影像中检测道路交通标志目标。其次,基于道路交通标志的类别信息,采用模板匹配建模方法,获得结构完好且纹理清晰的道路交通标志三维模型。接着,基于道路交通标志的位置信息,采用带几何约束的特征点提取与匹配获得同名点,并基于双目视觉原理和三角化算法计算交通标志的空间点。再次,在方向约束下利用空间点拟合法推算道路交通标志的三维位置和方向。最后,将完好的道路交通标志三维模型嵌入到城市实景三维模型中,实现倾斜摄影测量道路交通标志嵌入式建模。实验表明:该方法可以较准确地提取倾斜影像中的交通标志,并估算出交通标志的三维空间位置,通过嵌入式建模提高城市场景重建效率和模型质量,并为城市场景中的其他地物目标建模方法提供借鉴。

关键词： 计算机视觉   目标检测   水下机器人   深海垃圾  

摘要： 海洋垃圾是全球性环境问题的主要组成部分,自主水下机器人可以在一定程度上清理深海垃圾。为了能够快速准确地检测深海垃圾,利用深度学习的方法建立了一个轻量级检测模型(Deep-sea debris yolo,Debris-yolo)。基于全球海洋学数据中心(GODAC)推出的Deep-sea debris数据库创建了深海垃圾数据集。引入改进的BiFPN特征融合网络,减少模型参数数量,提高模型区分背景的能力。然后,设计了轻量级检测头,降低了计算复杂度,提高了深海垃圾检测模型的实用性和可部署性。最后,提出Wise-DIoU(Wise Distance Intersection over Union)损失函数,抑制低质量的样本对模型的干扰,使模型能够更准确地定位深海垃圾。在训练过程中,采用数据增强和自适应色彩均衡水下复原对训练数据集进行增强。实验结果表明,与YOLOv8n相比,本文提出模型Debris-yolo的mAP_(0.5)和mAP_(0.5∶0.95)分别提高了1.3%和1.6%,参数量和GFLOPS分别减少了48.2%和36%。

关键词： 电能质量扰动   时间定位   多任务学习   卷积神经网络   目标检测  

摘要： 为准确识别电能质量扰动类型,进一步挖掘扰动内部特征,提出基于一维YOLO(1D-YOLO)网络的电能质量复合扰动检测分类和时间定位模型。模型利用带残差结构的一维卷积神经网络对扰动波形进行深度的特征提取;利用特征金字塔网络融合不同尺度的特征;在3个不同尺寸的特征图上完成8种基本扰动分层检测。以基本扰动为检测对象,有效实现了单一扰动和多重扰动的层次化建模,仿真实验表明模型具有较高的分类准确率和时间定位精度,现场数据进一步证明了模型的泛化性和有效性。

关键词： OpenCV   图像处理   围岩节理   图像分析   隧道工程  

摘要： 隧道工程中,确定岩体节理数的传统方法大多需要机械设备参与,缺乏直观预测。为初步检测围岩节理数,论文设计了一个基于OpenCV计算机视觉库的围岩节理数检测系统,通过图像处理算法提取围岩节理骨架,并利用霍夫变换标注得到检测结果。

关键词： 陶瓷贴花   图像处理   纹理增强   算法优化   工艺升级  

摘要： 计算机图像处理技术在陶瓷贴花领域应用广泛,但现有技术在纹理增强方面仍存在细节处理不足、色彩还原偏差及算法效率低下等问题,为此研究提出多尺度分析与边缘检测相结合的算法优化方案,通过机器学习模型改善色彩校正,并采用并行计算技术提升处理效率。实验验证表明,优化方案显著提升了纹理清晰度、细节保留和色彩还原度,同时缩短了处理时间。未来,随着技术的不断创新,图像处理在陶瓷贴花领域的应用将更加深入,助力陶瓷装饰工艺的现代化发展。

关键词： 果蔬采摘   YOLOv5   BiFormer机制   小番茄目标检测  

摘要： 目前果蔬的采摘仍然以人工为主,人工采摘耗时耗力,效率低下。采摘机器人的视觉系统是其获取目标果实信息的关键,对完成采摘动作起着关键性作用。以果蔬园中小番茄为研究对象,研究了自然环境下成熟小番茄的识别与定位,以提高小番茄采摘机器人采摘作业的实时性与鲁棒性。通过不同时段,不同光照,不同遮挡等条件下的小番茄拍摄图片构建数据集,基于YOLOv5对识别模型进行了研究和构建,成功构建了基于BiFormer机制改进的小番茄目标检测模型YOLOv5_tomato,实验结果表明该模型能很好地实现复杂自然环境下小番茄果实目标定位。

关键词： 计算机视觉技术   大数据图像识别   创新应用   挑战  

摘要： 随着大数据时代的来临,图像数据呈爆炸式增长。计算机视觉技术凭借其强大的图像理解和分析能力,在大数据图像识别领域发挥着愈发关键的作用。文章深入探讨计算机视觉技术在该领域的创新应用,详细分析其面临的挑战,并提出相应的应对策略,旨在推动计算机视觉技术在大数据图像识别领域的持续发展与广泛应用。

关键词： YOLOv5s   结直肠息肉   目标检测   局部上下文信息增强   大核分离卷积注意力   软非极大值抑制  

摘要： 在医学影像领域,结直肠息肉的早期检测对预防结直肠癌等疾病至关重要。在实际医疗操作中,自动化检测结直肠息肉的准确率受制于多种特殊条件。为此,提出基于改进型YOLOv5s的结直肠息肉检测模型QB-YOLO。首先,在原骨干网络中引入一种局部上下文信息增强模块——通道注意力机制(CAM),替换原模型中的空间金字塔池化SPPF模块,以增强模型对结直肠息肉的目标关注度;其次,在骨干网络中添加大核分离卷积注意力模块(LSKA模块),加强模型捕捉结直肠息肉图像中局部细节的能力;最后,将软非极大值抑制Soft-NMS引入模型以应对部分结直肠息肉可能会密集分布的情况,使模型更高效地处理重叠目标和密集目标。实验表明,改进后模型的准确率、召回率、平均精度相较于原始模型提升4.1%、8.5%、3.9%。

关键词： 生成对抗网络   哈希算法   数字图像   版权保护   均方误差损失  

摘要： 图像认证技术对于数字图像的版权保护具有重要意义,传统认证算法在抗攻击性、鲁棒性方面存在不足。因此,研究提出基于生成对抗网络的图像处理算法。实验结果表明,研究算法生成的哈希码与原始图像的平均互相关值为0.8623,添加跳连接层后,平均互相关值提升到0.9248。面对6种不同类型的攻击,优化前的图像感知哈希算法的平均准确率为0.78,添加跳连接层后,平均准确率提高到0.86,使用MSE损失优化后,平均准确率进一步提升到0.92。在召回率测试结果方面,研究算法的平均召回率为0.94,均值哈希算法的平均召回率为0.88,差异哈希算法的平均召回率为0.85。研究提出的图像认证算法抗攻击性强、性能稳定,可为数字图像的版权保护提供有益的技术支持。

关键词： 雷达成像   机载太赫兹雷达   目标识别   目标检测  

摘要： 低空对地监控是我国公共安全监控和人民安全防护的重要手段,机载探测感知系统与技术是低空对地监控能力实现的核心要素。太赫兹雷达成像为全天候、视频级、高分辨监视提供新的技术与装备,为交通监控、应急救援、安防反恐等领域提供可靠信息来源。如何基于机载太赫兹雷达视频中的动/静目标信息,进行重点区域目标检测、识别、跟踪,值得深入探索。此外,视频SAR与可见光、红外宽谱段集成,还可以视频级高刷新率实现低空对地多模态、高精度感知,多模态传感信息集成将有力提升重点目标识别跟踪鲁棒性。本专题拟对以上问题进行探讨。