关键词： X线显微体层摄影术   肿瘤转移   小鼠   血管   图像处理   计算机辅助  

摘要： 目的 观察基于同步辐射光源微CT(SR-μCT)技术及分水岭图像分割方法量化乳腺癌胫骨转移小鼠模型胫骨局部三维骨组织和血管的价值。方法 建立乳腺癌胫骨转移小鼠模型,分别予口服Vatalanib、注射Bevacizumab、联合Vatalanib与Bevacizumab治疗及注射安慰剂。于注射肿瘤细胞后第8天(T1)及第22天(T2)结合注射血管对比剂和SR-μCT对注射部位骨组织和血管网络行高分辨力同步成像,以自动化标记的分水岭图像分割方法、全局阈值方法及区域生长方法分割局部骨组织和血管,利用戴斯相似系数(DSC)评估图像分割质量;获取局部胫骨解剖学量化参数,包括骨组织体积分数(BV/TV)、血管体积分数(VV/TV)、骨组织平均厚度(***)及血管平均厚度(***),比较相同时间点、不同治疗方案之间,以及相同治疗方案、不同时间点之间解剖学量化参数。结果 基于标记分水岭算法分割骨组织和血管结构的DSC达0.95以上,高于其他方法(P均<0.05)。不同治疗方案之间T1小鼠胫骨解剖学量化参数差异均无统计学意义(P均>0.05);联合药物治疗方案下*** T2结果低于其他治疗方案(P均<0.05)。联合药物治疗方案下,相比T1,T2乳腺癌骨转移小鼠胫骨BV/TV、***数值增大而VV/TV数值减小(P均<0.05);Vatalanib和Bevacizumab治疗方案下T2时间点小鼠胫骨BV/TV、***及***数值均增大(P均<0.05);安慰剂方案下BV/TV、***数值增大(P均<0.05)。结论 结合SR-μCT技术和自动化标记分水岭算法可初步量化评估乳腺癌胫骨转移小鼠胫骨局部骨组织和血管三维结构。

关键词： 目标检测   双模态   特征融合   梯度算子   注意力机制  

摘要： 红外与可见光图像具有很好的互补特性,可以利用这2种模态图像的融合来适应自动驾驶等领域对于目标检测高精度和高鲁棒性的要求。现有多模态目标检测算法往往模型庞大,推理耗时长,无法在边缘设备上部署,而采用直接融合等方法又无法充分发挥不同模态的优势,因此提出了一种基于梯度算子和注意力机制的融合目标检测算法。引入梯度算子设计定制化卷积来捕获图像纹理;红外支路引入坐标注意力发挥其目标定位优势;引入权重生成网络对2个模态的特征进行自适应加权融合。算法结构模块化,轻量化,适合部署在边缘设备上。在数据集上实验,得到mAP@0.50和mAP@0.5∶0.95指标值比可见光单模态检测提升了6.3%和7.2%,比红外提升了11.3%和9.8%。推理帧率可达22.7,满足实时性要求。

关键词： 人工智能   图像处理算法   信息技术   计算机   信息化   行为特征   思考方式   电脑  

摘要： 21世纪是一个信息化的时代,信息技术已经渗透到社会的各个领域,成为人们生活和生产的重要组成部分。人工智能算法是人类根据自己的行为特征和思考方式,模拟已有的自然规则来解决某些问题的一种算法,该算法是一种先进的电脑技术。本文在图像处理领域引进人工智能算法。

关键词： 海杂波   目标检测   特征值   双极化  

摘要： 现有的矩阵恒虚警率(constant false alarm rate,CFAR)检测器仅对单一极化回波进行处理,且计算复杂度较高,导致相关性信息使用不充分、检测场景受限。对此,利用双极化雷达回波计算协方差矩阵,通过提取其特征值来衡量回波间的关联性,提出一种计算复杂度较低的基于双极化最大特征值的检测方法。首先,推导了以最大特征值作为几何距离进行检测的可行性。进一步,设计了可在实际场景中使用的基于双极化最大特征值的矩阵CFAR检测器。最后,通过实测海杂波数据验证了所提方法的实际检测能力。仿真结果表明,所提方法相比同样使用最大特征值作为检测统计量的最大特征值矩阵测度算法具有更好的杂波抑制效果,检测性能也优于非相参积累的单元平均CFAR检测方法。

关键词： 表情识别   动作识别   智慧教室   深度学习   计算机视觉  

摘要： 针对当前“一对多”的教学模式下,教师一人难以实时顾及全体学生状态的问题,提出一种多维度的课堂行为识别方法,实现对学生表情及动作的实时检测。该方法在运用卷积神经网络提取特征的基础上进行特征融合,提升了较小人脸表情识别的准确率;运用多帧识别、相似度比对、权重设置,提升了腿部遮挡动作识别的准确率。该方法已成功应用于学生表情及动作的实时检测,能有效完成对学生课堂行为的识别与分析,实验验证了该方法对学生行为识别的有效性。该方法可运用于智慧教室模型中,为教师掌握学生状态提供参考。

关键词： 核桃目标检测   产量预测   注意力机制  

摘要： 核桃果实的识别可以应用于大型核桃种植园区的产量预测工作。精准地识别出核桃树上的果实,对提高产量预测准确率具有重要的意义。为了解决目前存在的挑战,提出了一种Attention-YOLO核桃目标检测算法,用于精准识别无人机遥感图像中的核桃,达到为核桃产量预测提供技术支持的目的。首先,引入CBAM注意力强化Backbone网络,提升算法的特征提取能力;然后,使用多重注意力机制模块重塑原始Head层,优化目标定位精度。实验表明:Attention-YOLO算法对核桃的检测精度(mAP0.5)达到了92.6%,召回率(R)达到了96%,相比于其他的主流模型均具有明显优势。

关键词： 倒伏小麦   软件开发   目标分割   边缘提取   直线检测  

摘要： 【目的】小麦大面积倒伏严重影响了小麦成熟和收获,需采取综合措施,降低倒伏小麦的机收损失。【方法】借助Visual C++软件开发平台,开发了一款倒伏小麦检测系统。完成了该系统图像信息模块、图像预处理模块、目标分割模块、边缘检测模块和图像特征检测模块等模块的设计及功能实现,并对倒伏小麦图像进行了检验测试。【结果】将原始倒伏小麦图像和边缘检测直线的结果作对比,发现倒伏小麦倒伏边界和边缘检测结果是吻合的,说明检测系统具有一定的科学性。【结论】本研究设计的系统具有图像读入、图像预处理、目标分割、边缘提取及直线检测等功能,通过识别处理并计算出倒伏小麦和成熟小麦之间的高度差,控制收割机割台自动升降,可以降低倒伏小麦的机收损失,具有一定的应用前景和市场空间。

关键词： 目标跟踪   多尺度窗口   Swin-Transformer   模板更新   多模型融合  

摘要： 基于STARK目标跟踪方法中采用ResNet为骨干网络,其特征提取能力不足,跟踪效果较差。针对此问题,本文基于Swin-Transformer网络,提出了一种改进的目标跟踪算法。首先,对Swin-Transformer内窗口注意力机制进行多尺度改进,设计多尺度窗口模块MW-MSA,旨在提取更为丰富的局部细节信息,与全局上下文信息共同构成多尺度判别性特征。接着,结合Transformer的编码-解码结构作为特征融合网络,采用优化的多层感知机作为更新分数判断网络构成状态感知模块。最后,针对目标消失、重现挑战,提出了一种多跟踪器融合方法。融合多尺度改进的跟踪算法和SuperDiMP跟踪算法,设计消失状态判断模块,综合考虑两种跟踪器的置信度分数及目标在预测框附近的可能性估计。实验结果表明,相较STARK跟踪算法,本文算法在GOT-10K数据集上的平均重叠率(AO)提升2.7%、成功率SR_(0.5)提高3.3%。在L-LaSOT数据集上,相较于STARK算法,成功率(AUC)提升0.8%,在目标消失重现挑战下成功率提升1%。

关键词： 卷积神经网络(CNN)   目标检测   计算机视觉   特征表示  

摘要： 随着深度学习的进步,卷积神经网络(convolutional neural network,CNN)在目标检测领域的应用取得了显著的提升。相比传统人工特征构造的方法,CNN算法具备自动特征提取和强大的泛化能力,在复杂场景下,目标检测任务得到更好的解决。此外,该算法具有更好的鲁棒性,使其在实际应用中具备更高的可靠性和效率。首先回顾卷积神经网络的发展历程,重点介绍其在计算机视觉领域的应用,并突出与传统算法相比在图像处理方面的明显优势。接着,对分类与分割算法、目标检测算法和基于区域与回归检测的3种主流算法进行介绍,特别强调各类算法在解决目标定位、分类和语义分割等关键问题上的创新和突破。然后,对现有的公开数据集进行归纳。最后,展望目标检测算法未来的发展趋势。

关键词： 海洋石油平台制造   人工智能   机器人   智能算法  

摘要： 本文主要探讨了基于人工智能深度神经网络的计算机视觉技术在海洋石油平台非标钢结构自动化加工中的应用分析。通过对现有技术的分析发现,计算机视觉技术有潜力解决海洋石油平台制造中的一些关键问题,如非标产品的识别和易反光表面的处理。