关键词： 遥感数字图像处   地理信息科学   课程优化   云教材  

摘要： 遥感课程群是地理信息科学专业的主干内容,“遥感数字图像处理”更是其中最主要的专业核心课程之一。文章基于云教材建设思维对“遥感数字图像处理”课程展开优化,提出了相应改革方案,提高了前置与后置课程的衔接度、加强了课程与GIS专业契合度、进一步体现了地理科学学科特色。改革优化后的课程能切实提升学生的学习、实践以及探究能力,将为培养优秀GIS本科专业人才做出重要贡献。

关键词： 三维重建   图像处理   非接触式   基本理论  

摘要： 三维重建技术作为获取研究对象空间信息的主要途径,在计算机视觉和计算机图形学领域引起广泛关注,在工业制造、虚拟现实与增强现实、医疗等领域发挥重要作用,呈现出极高的研究价值。为了全面了解三维重建技术的多样方法适应性,聚焦于基于非接触式的三维重建技术的探讨,其中包括飞行时间法、基于三角测距的结构光三维重建、单目视觉、双目视觉、多目视觉的三维重建方法。对各种方法的基本理论进行分析,归纳其应用场景并对未来研究方向做出展望。

关键词： 实时目标检测   YOLOv5s   混凝土施工现场   注意力机制   轻量化  

摘要： 针对施工环境下普遍存在的环境杂乱、目标被遮挡、目标尺度范围大、正负样本不平衡、现有检测算法实时性不足等问题,提出一种面向复杂施工环境的实时目标检测算法YOLO-C。将提取到的低层特征与高层特征相融合,增强网络全局感知能力;设计小目标检测层,提高算法对不同尺度目标的检测精度;设计通道-空间注意力(CSA)模块,增强目标特征,抑制背景特征;在损失函数部分,采用VariFocal Loss计算分类损失,解决正负样本不平衡问题;GhostConv作为基本卷积块构建GCSP(Ghost Cross Stage Partial)结构,降低参数量和计算量;针对复杂施工环境,构建混凝土施工现场目标检测数据集,在构建的数据集上与多个算法进行对比分析实验。实验结果表明,YOLO-C算法的检测精度更高,参数量更小,更适合复杂施工环境下的目标检测任务。

关键词： 计算机   图像处理技术   网页设计  

摘要： 计算机图像处理技术能够帮助设计师更精确地控制网页元素的视觉表现,提升用户体验,其包括图像识别、图像生成、图像优化等多个方面。文章分析了计算机图像处理技术在网页设计的应用,从图像的自动调整到动态图像生成,再到用户界面的智能适配,体现出了前所未有的可能性和灵活性。

关键词： 裂缝检测   计算机视觉  

摘要： 采用计算机图像的识别技术,提出利用轮廓法对基于图像的建筑表面裂缝进行分割,然后对其损伤特征进行基于定量分析的自动评估方法进行研究,详细介绍了其运行过程及实现步骤。研究发现在既有建筑物宽裂缝与细小裂缝的图像识别中,均能比较准确地定量测量出裂缝的面积、长度和宽度特征。

关键词： 船舶识别   视频传输   云边协同   卫星传输   AI模型管理  

摘要： 传统船舶目标检测通常采用船舶侧部署固定算法的方式实现。文章提出并实现了一种利用云边协同技术,通过卫星网络通道进行船舶目标检测、视频传输以及算法动态更新的系统。该系统云端管理不同版本的目标检测算法模型以及所有边缘侧当前的算法版本,边缘侧接收云端下发的算法模型并进行模型热更新。系统支持依据检测结果按需传输识别数据信息,以有效利用网络带宽。实验表明,通过以上方法,在卫星网络资源有限的场景中,可以有效降低业务数据对卫星通道网络带宽的占用率,船舶管理机构能够及时获取船舶态势信息并进行实时决策。

关键词： 显著性目标检测   残差结构   深度学习   计算机视觉  

摘要： 当前的显著性检测任务得益于卷积神经网络模型的监督训练能够达到很好的效果,但是模型中的显著性特征如何有效地利用仍是一个关键的问题。不同层级的显著性特征信息融合能够达到互补的效果进而促进最终预测的效果,因此提出一个基于局部信息残差融合的网络架构。该结构是对局部范围的卷积层的特征进行残差式的融合,以此降低由于采样操作导致引入噪点的风险。再将融合的新特征图由深层递进式地传递到浅层并输出,进而获得最终的预测结果。

关键词： 图像处理   色织物   缺陷检测   注意力机制   知识蒸馏  

摘要： 针对传统色织物缺陷检测重构模型存在难以保证缺陷区域的重构效果、漏检和误检率偏高等问题,提出一种注意力残差块引导的无监督师生网络色织物缺陷检测算法;从知识蒸馏角度出发,基于Wide_Resnet50_2网络设计一种具有编码-解码结构的教师-学生模型,学生网络通过恢复经过预训练的教师网络的多尺度特征增强重构能力;提出一种融合双重注意力的残差模块DARM,对特征信息进行双重权重分配的方式可以去除教师网络输出的冗余信息,进一步扩大师生网络之间对于缺陷区域的表征差异,提升模型的缺陷检测与定位能力;实验结果表明,提出的算法在YDFID-1数据集上AUPRO达到了85.8%、像素级AUROC和图像级AUROC分别达到了96.3%和98.3%;在少样本条件设置下,提出的算法在MVTec数据集上AUPRO和AUROC下降不超过4.5%,实验结果验证了该算法处理色织物缺陷检测问题的有效性以及稳定性。

关键词： 目标识别   图像处理   显著性检测  

摘要： 图像的复杂度与日俱增导致图像语义信息难以自动化获取,传统目标显著性检测方法获取图像信息存在稳定度低,准确度差的问题,为此提出一种基于改进Parzen窗目标位置估计优化算法,通过对估计区域进行双特征提取与融合,构建出PAR-SVM图像显著目标分类识别模型。模型首先对图像进行二值处理与形态学处理,并利用改进Parzen窗算法对显著性目标进行密度位置估计;然后提取图像中显著目标位置的G、H特征,并进行有机融合后规划数据集;最后基于数据驱动的方法,构建出PAR-SVM图像显著目标识别模型,并使用交叉验证对模型参数优化。实验一消融仿真结果表明:通过优化策略的叠加有效的提高了模型的准确率,与未优化前相比提升了19.12%。实验二对比仿真结果表明:与其它5类分类识别算法相比,在SOD数据集上,PAR-SVM算法的准确率高达86.5%,平均提高了3.14%,稳定性高达86.0%,平均提高了2.3%。综上所述,基于改进Parzen窗算法的图像显著目标识别模型在提高检测准确率的同时,也提高了模型的稳定性能。

关键词： 无人机   输电线路   单级多框预测检测器   特征金字塔网络   目标检测  

摘要： 针对无人机电力巡检模式在图像快速检测方面存在的自动化程度和效率低等问题,提出了一种将单级多框预测检测器SSD与特征金字塔网络FPN相结合的输电线路部件检测方法,并对绝缘子故障进行检测。在SSD目标检测的基础上,加入了FPN特征金字塔结构,局部融合层间特征信息。实验验证了文中所提方法的优越性。实验结果表明,在部件检测中,该方法对大、中、小尺寸目标均具有良好的检测效果,检测精度在90%左右,在绝缘子故障检测中检测精度达到87.4%。为输电线路部件检测技术的发展提供了参考。