关键词： 电网检修   原型智能网络   辅助决策   计算机视觉   自动化  

摘要： 电网装置通常安装在户外,会受到大量污染。污染物积聚在电网装置中,可能会引起短路并导致停电。为了提高电网的可靠性,利用计算机视觉技术实现自动化电网检修状态异常的检测。提出一种基于原型(Prototype)智能网络的电网检修状态异常检测模型(Proto-PGNet),为自动化电网检修状态异常检测提供辅助决策。由于现有电网检修数据集包含的不同背景图像数量有限,如何使模型更具泛化性是一个挑战。Proto-PGNet模型在最后一个密集层上不进行凸优化,以保持逆向推理过程对图像分类的作用。逆向推理过程可以排除输入图像中的错误类别,可以用少量且具有不同背景的图像进行分类。Proto-PGNet模型与其他先进模型进行对比实验,结果表明Proto-PGNet模型明显优于其他模型。其中,以VGG-19为网络骨架时,Proto-PGNet的准确率达到了97.22%,比最先进的Ps-PGNet模型的准确率提高了4.17%。

关键词： 深度学习   U-Net   目标检测   目标跟踪   人机交互  

摘要： 对生命活动中发挥重要作用的分子进行观测是发现生命活动内在机理的重要手段。现有的生物医学影像处理方法大多集中在对特定物质的检测和识别,难以适应不断变化的科研需要。为此,本研究提出了一种基于U-Net卷积神经网络的人机交互方法以识别生物医学影像中所有同类分子,如:细胞、蛋白质等。首先利用U-Net卷积网络将待观察的分子影像转换为深度特征图,然后使用目标分子的特征在整个特征图上进行匹配,以检测出所有感兴趣的同类分子。之后利用通道和空间可靠的判别式相关滤波器构建多目标跟踪器以实现对目标分子的持续追踪。结果表明,该方法可以通过简单的人机交互快速检测出感兴趣的同类分子,获取目标分子的数量、分布以及相互作用等重要信息,Attention-basedU-Net和U-Net在从细胞核、人类蛋白质图谱、细菌和血红细胞数据集中随机抽取的200张静态测试影像上的各项指标表现稳定,平均精度的平均值分别为0.9125和0.8981,同时对小鼠干细胞动态影像中的目标跟踪准确且保持稳定,证明了方法的有效性,可满足生命科学研究中对微观生命过程观测的需要。

关键词： 增强现实   图像增强   大津算法   图像融合  

摘要： 我国古代画作因其注重写意和留白等绘画特点,基于增强现实(AR)技术进行识别时往往效率不高。文章应用图像处理技术,结合降噪、图像二值化和图像融合等方法进行预处理,提升了古画在AR中的特征点数量及分布均匀性,进而提高AR应用的识别效率。首先,使用降噪算法去除古画图像中的噪声,减少干扰,提升清晰度。其次,通过图像二值化突出画作中的结构和线条,增强图像对比度。同时,为避免单纯二值化可能导致的细节丢失,采用了图像融合方法,将二值化后的图像与原始图像按照一定权重进行融合,确保在保留细节的同时,增加背景和边缘区域的特征点。

关键词： 无人机   目标检测   YOLOv7-tiny  

摘要： 针对无人机在进行目标检测任务时存在背景复杂、小目标多且密集以及无人机的硬件条件有限等问题,基于YOLOv7-tiny,提出一种改进的无人机视角目标检测算法。首先,将原主干网络结合MobileNetV3进行轻量化改进,引入深度可分离卷积结构,减少网络的参数量;其次,在颈部网络添加GAM全局注意力机制,使网络能够聚焦目标特征,提升检测性能;最后,将定位损失函数改进为SIoU函数,提高网络训练的收敛速度及精度。在VisDrone2019数据集上进行的消融实验及对比实验显示,本文改进后的算法平均检测精度达到45.5%,mAP50达到37.6%,浮点运算量GFLOPS为10.2 G/S,与原算法相比,精度提高了1.7%,mAP50提高了4.2%,GFLOPS减小23%,每一个改进模块都有效提升了无人机检测复杂背景中小目标的能力。

关键词： 平方根无迹粒子滤波   无迹变换   RAM类目标   粒子退化  

摘要： RAM类目标运动复杂,对跟踪系统提出了更高的要求。针对粒子滤波在解决RAM类目标跟踪过程中存在的粒子退化等问题,通过无迹变换计算得出后验概率密度函数充当粒子滤波的先验概率密度函数,提高后验概率密度函数拟合程度,最终提高粒子的有效性。同时,在无迹变换过程中采用qr分解取代部分Cholesky分解,使输出信号方差矩阵保持非负性。最后,针对一段RAM类目标轨迹建立动力学模型,通过Matlab进行仿真,验证了该算法的有效性。

关键词： 追逃博弈   目标跟踪   强化学习   有限理性  

摘要： 针对现实中的决策者并非总能完全理性分析问题的情况,提出有限理性下的追逃博弈算法。建立追逃博弈模型,先求解完全理性下博弈双方的鞍点策略。引入有限理性level-k模型,对追击者和躲避者思考策略的层次进行结构性假设,允许追逃双方具备不同的策略推理能力,并给出相应等级的值函数和策略,策略满足HJI方程。随着等级的增加,策略最终会趋于纳什均衡。由于HJI方程难以直接求解,基于强化学习的actor-critic算法进行求解,设计算法使追击者能够估算出躲避者的思维等级并采取合适的策略。以舰船为对象,将舰船运动简化为二维的数学模型,建立舰船追逃博弈模型,对其进行算法仿真验证。

关键词： 地铁隧道   裂缝识别   目标检测   动态卷积   注意力机制  

摘要： 为解决地铁隧道裂缝智能识别困难,尤其针对地铁隧道裂缝检测天窗时间短、人工检测效率低、裂缝识别特征不明显、隧道内干扰物较多等问题,提出一种基于YOLOv8的改进算法——M-YOLO(Modified-YOLO),高效智能识别隧道裂缝。M-YOLO算法运用全维度动态卷积取代传统卷积模块,能显著提高检测的准确性,避免模型参数膨胀的问题;引入C2fGC模块对网络结构进行改进,构建新的特征提取与降维机制,增强高层次特征表示;整合CBAM注意力机制模块,强化对裂缝区域图像的特征学习与提取,减弱背景干扰,进而有效提升检测精度;引入WIOU损失函数来调节几何因素的惩罚程度,提高模型的泛化能力,在低质量数据样本下的表现更为出色。试验结果表明,在地铁隧道裂缝识别的真实样本中,M-YOLO算法的P mAP(平均精度均值)高达83.0%,较原模型提高了15.7%。

关键词： Res2Net-RetinaNet   污水处理   微生物   目标检测   Res2Net模块   CBAM注意力机制   深度超参数化卷积  

摘要： 活性污泥中原生动物、后生动物等指示性微生物是污水处理运行调控的重要指标。针对活性污泥微生物不同种类之间,小目标类微生物体型较小、微生物个体颜色背景和图像颜色背景相似的现象,提出基于Res2Net-RetinaNet的活性污泥指示性微生物检测方法。Res2Net-RetinaNet模型采用精度更高的新维度残差块Res2Net模块捕获原有特征的丰富信息。在主干网络输出的第1层引入通道和空间注意力机制CBAM,进一步帮助浅层特征信息在网络中流动。最后,在特征融合模块中引入深度超参数化卷积(Do-Conv),在不增加计算量的前提下持续加快模型的收敛。将所提方法应用于某污水厂采集数据中进行实验,结果表明:所提方法与Fast R-CNN、SSD、YOLOv3、YOLOv4、FCOS、CenterNet及RetinaNet等目标检测模型相比,检测精度最高(92.8%),相对于原始RetinaNet目标检测算法精度提升4.97%。

关键词： 图像处理   低光图像   图像增强   Transformer理论   引导滤波   像素滤波   注意力查询   图像去噪  

摘要： 现实世界中低光图像不仅会造成不好的视觉观感,还会对后续的计算机视觉任务产生影响。当前的低光图像增强算法存在一些问题,包括图像亮度不均、对比度偏低、色彩畸变和噪声很大等。为解决上述问题,提出一种基于Transformer的网络框架,能够自适应地对低光图像进行增强。该网络包含一个图像处理模块,该模块内部包含一个引导滤波器和一个像素滤波器,分别实现对低光图像的去噪和增强。Transformer参数预测网络使用注意力查询机制来调整图像处理模块的参数,通过Transformer参数预测网络对图像处理模块的参数进行预测。经过实验验证,该方法可以有效地对低光图像进行增强,在抑制图像噪声的同时能够保留图像的细节。

关键词： 图像处理   仿造数码迷彩   直方图统计   颜色量化   现场可编程门阵列  

摘要： 为了解决传统仿造数码迷彩生成算法开发平台灵活性不足的问题,提出了一种基于现场可编程门阵列(FPGA)的仿造数码迷彩生成算法。采用直方图统计提取主要颜色信息,将背景图像马赛克化获得颜色分布信息,依据色差进行主色替换得到仿造数码迷彩的方法,取得了不同主色数量、色差计算权重、颜色量化数量下的数据。结果表明,颜色量化为3600种后,提取出4种主色作为仿造数码迷彩主色,根据色差主色替换时色彩权重3∶6∶1,生成的仿造数码迷彩具有良好的伪装效果,且基于FPGA实现该算法时系统占用资源少,处理800 pixels×480 pixels分辨率的单帧彩色图像所需时间仅为22.21 ms,满足动态场景下生成仿造数码迷彩的实时性需求。该研究为主动伪装技术提供了参考。