关键词： 传统村落   街巷界面   计算机视觉   色彩图谱  

摘要： 色彩承载着传统村落的历史和文化信息,体现了我国传统村落独特的美学意境,街巷作为村落重要的公共空间,其界面能够直观反映村落风貌特色。针对目前传统村落风貌所面临的色彩混乱、品质下降等问题,该文从色彩角度对传统村落街巷界面进行分析,基于Python-OpenCV色彩分析方法,识别传统村落中街巷界面的主色调,并对街巷界面进行色彩协调度和丰富度分析,探索构建北京传统村落的街巷界面色彩评价体系,为传统村落街巷界面色彩调查提供数字化、可比较的色彩分析工具,提出北京传统村落街巷界面的色彩图谱及优化建议。该研究有助于传统村落的价值识别与特色凝练,为北方地区传统村落的保护与发展提供有效的技术支持。

关键词： 纺织图案设计   图像处理   数字媒体技术   三维建模   交互式设计   绿色设计  

摘要： 纺织图案设计作为纺织工业的重要组成部分,其创意与美感直接影响产品附加值。基于此,文章探讨了数字媒体技术在纺织图案设计中的创新应用,分析了传统纺织图案设计的局限性,并详细介绍了图像处理、三维建模及交互式设计等数字媒体技术如何为纺织图案设计带来革命性变化。通过提升设计效率、丰富图案风格与题材、促进个性化定制与环保设计,数字媒体技术正深刻改变着纺织图案设计的面貌。文章还讨论了面临的挑战与未来发展趋势,为纺织图案设计领域的发展提供了新思路和方向。

关键词： 鸟类鸣声识别   Mel谱图   卷积神经网络   TensorRT  

摘要： 鸟类的物种监测一直是生物多样性研究的重要内容。然而,目前的鸟类鸣声识别算法大多未考虑环境干扰和算法速度。提出一种基于深度学习、融合图像处理技术对鸟类鸣声音频进行识别的算法。算法对鸟鸣声进行降噪后采用音频与图像处理技术相结合的方法提取鸟类鸣声特征;利用卷积神经网络ResNet进行建模,并将最优模型转换为TensorRT模型,提升推理速度。经实验测试,该算法对鸟类鸣声的分类识别具有良好效果,识别速度也有明显的提高。

关键词： 移动机器人   视觉定位与建图   动态场景   目标检测   图像匹配  

摘要： 移动机器人可替代或辅助人类的生产和生活,并深入复杂或危险的环境,需随时感知周围场景。传统的ORB-SLAM2方法在动态场景中定位不准确,由此提出一种动态场景感知下的移动机器人视觉定位与建图方法。SLAM方法通过光学传感器采集环境信息完成建图,以ORB-SLAM2作为基本框架,在其跟踪线程中添加一个动态目标检测模块,该模块采用YOLOv4网络检测目标,使用的CSPDarknet53结构在减轻骨干网络权重的同时保持检测准确性;采用改进四叉树算法提取特征,并采用改进型形状上下文的图像匹配方法完成特征匹配。在TUM RGB-D数据集上进行实验,所提算法在walking_xyz场景序列的RMSE相对ORB-SLAM2算法增加97.6%,walking_rpy场景序列的RTE和RRE分别改进97.1%和96%。比较所提算法与ORB-SLAM2算法在高、低动态场景中的客观指标和估计轨迹误差,所提算法的RMSE、均值、中间值以及性能提升的改进百分比较优,所估计出的轨迹能够更好地拟合真实情况。

关键词： 数字图像处理   自组织学习   混合式实践教学   多元评价   能力培养  

摘要： 数字图像处理是一门以人工智能、信息技术和云计算为依托的新工科专业的重要基础课程。为解决传统课堂实验教学模式存在的问题,基于自组织学习理念开展以混合式为载体的线上线下混合式实践教学模式改革,以数字图像处理课程为研究对象,设计并实施在线开放课程混合式实践教学体系,实现课前自组织预习、课中交互式学习和课后多元立体评价的实践教学模式。该模式能够调动学生学习的积极性和主动性,培养学生创新能力和实践能力。

关键词： 结构化照明显微系统   卷积神经网络   超分辨显微成像   图像处理  

摘要： 结构光照明显微成像(SIM)技术是一种在超分辨显微成像领域极具代表性的技术。尽管结构光照明能够提升空间分辨率,但其在实现超分辨过程中需要采集多幅图像,而且,诸如样本厚度不一、结构光平移的系统误差及环境噪声等因素均可能会对SIM成像质量产生影响。为解决这些问题,神经网络技术被引入SIM图像处理中。目前,常用的算法模型有卷积神经网络(CNN)及其变体以及生成对抗网络(GAN),它们通过训练样本来分析和纠正上述系统误差,提高时间分辨率,实现快速超分辨成像。据查,目前尚未有文章对于基于深度学习算法的结构光照明显微技术进行综合分析。鉴于此,本文介绍了SIM的基础原理并分析了深度学习算法近年来在提高SIM系统性能方面的应用,并对SIM技术未来的发展方向和面临的挑战进行了前瞻性探讨。

关键词： 成像遥感   信息处理系统   智能运维   异常指标   服务调用链   云平台  

摘要： 针对现有遥感图像处理系统运维存在的难度大、时效性低等不足,研究系统智能运维策略,主要包括三部分,一是设计系统状态监测体系,研究遥感图像处理系统状态监测方法,实现系统指标数据的自动采集、汇聚和管理,为系统状态智能分析和智能运维的实施提供监测信息输入源;二是基于历史监测指标,使用机器学习算法构建趋势模型,自动识 别检测指标的异常值。另一方面,构建基于服务调用链的根因定位分析模型,采用智能决策 算法逐层排查快速定位异常原因;三是采用异常人工处置故障树实现系统异常处置。

关键词： 经脉穴位   深度学习   关键点定位   图像处理   ResNet152  

摘要： 提出一种基于深度学习的人体手部穴位定位方法,实现完整手部经脉寻找、穴位定位的解决方案。选择以ResNet152作为骨干网络,采用热图回归法进行穴位的定位,并引入经脉进行穴位的寻找,从而提高穴位检测模型的精度;将U-Net网络加入模型排除不同背景对实验的影响,增强了模型的定位精度和适用范围;引入注意力机制来使得模型更加关注相关特征,增强网络对有效特征的学习能力;通过实际手部照片为输入,进行模型准确度验证。模型能够识别手部的6条经脉和11个常用穴位,数据集中图像的平均准确率为93.6%;在自采集照片验证实验中,平均准确率为88.5%。该网络模型在手部穴位定位中有较好的准确率,为开发按摩机器人提供理论依据。

关键词： 实验室   不安全行为   目标检测   属性识别   深度学习  

摘要： 人的不安全行为是高校实验室事故发生的主要原因,其中个人防护措施不当是最突出的表现。目前,大多数不安全行为检测方法主要用于建筑、工业场景,仅关注人员是否佩戴防护装备,而无法有效区分个人防护装备佩戴状态的完整性与有效性。本研究将防护装备佩戴状态进行更精细区分,提出一种基于目标检测与属性识别算法的两阶段人员不安全行为识别方法。第一阶段利用改进的YOLOv5-DETR-LPE实现实验室复杂背景和低质量图像条件下人员的精准检测,第二阶段利用基于EfficientNet-B3的属性识别算法实现对检测到的人员的不安全行为的识别。在自建数据集上,YOLOv5-DETR-LPE相较于YOLOv5n算法精确率和mAP50:95提高1.15%和5.11%,而模型参数量和计算量仅有小幅度增加。基于EfficientNet-B3的属性识别算法在3种属性的11类标签的识别中均保持较高精确率。最后设计并实现了识别与预警系统在实际环境中的部署,验证了该系统在实际场景中的有效性和可行性。

关键词： 无纺布缺陷   目标检测   改进YOLOv3模型   K-Means++  

摘要： 针对在无纺布表面缺陷检测中存在小缺陷目标漏检及识别率不高的问题,提出了一种改进YOLOv3的无纺布表面缺陷检测算法。首先在网络模型当中生成一个新的特征图层,来提取更多小缺陷目标的特征,其次引入K-Means++算法对聚类先验框中心点的提取进行改进,选取更为合适的Anchor Box,使定位更加精准,提高检测精度。最后,在自制的无纺布表面缺陷数据集上进行对比检测,研究结果表明:改进后的YOLOv3算法在测试集上的mAP值为85.83%,比原始的YOLOv3算法提高了6.99%,单张图片的平均检测时间为0.168s,与原始算法检测时间基本持平,检测性能也优于Faster R-CNN。