关键词： 内河航运   航海雷达图像   目标检测   YOLOv8  

摘要： 针对内河船舶航行场景复杂、航海雷达图像形状与颜色特征较少且难以标注的问题,提出一种改进的YOLOv8航海雷达图像目标检测方法。首先,为缓解标注错误与模型过拟合问题,在模型训练阶段引入标签平滑策略;然后,结合雷达图像特有的位置先验信息,设计一种基于坐标的卷积结构用于同时提取目标的形状、颜色和位置特征。为验证该方法的有效性和优越性,对采集的长江航道雷达图像在不同天气环境下进行对比试验。结果表明,本文方法在保证目标检测实时性的同时,精确率达到91.52%,平均精度较经典YOLOv8提高了5.17%,可为提升内河航运现代化与智能化管理水平提供技术支持。

关键词： 振动筛   TOF相机   3D点云   计算机视觉   筛面监测  

摘要： 振动筛筛上物料载荷异常不仅影响生产效率还可能导致安全隐患,实时准确地监测筛上物料状态具有重要意义。针对传统人工监测方法劳动强度大、速度慢、有极高安全隐患并且不容易发现设备微小故障等问题。基于TOF相机物料动态监测技术,提出了一种联合KD树与帧差法的点云数据补全方法和基于曲面重构的筛上物料动态监测方法。该点云数据补全方法有效修补了因筛上物料表面水分和物料缝隙导致的TOF相机拍摄过程中的点云数据缺失问题,通过对补全后的筛上物料进行点云曲面重构分析,判断欠载、过载、左偏载和右偏载四种筛上物料状态,实时监测筛上物料状态。研究通过TOF相机直接获取筛上物料状态信息,对筛上物料实时检测,减少了人工干预的需求且具备实时性。为筛上物料状态实时监测问题提供了一个可靠的解决方案。

关键词： 图像处理技术   小学教育   图片资源   开发应用  

摘要： 图像处理技术作为计算机科学与多媒体技术交叉融合的产物,凭借其卓越的图像分析与处理能力,正逐渐渗透到教育资源的开发与利用之中.本文在分析小学教育图片资源定义以及图像处理技术应用优势后,提出了图像处理技术在小学教育图片资源开发中的应用路径.

关键词： 喷墨印刷   图像灰度化   超分辨率重建   图像处理  

摘要： 为了应对采集环境或采集系统影响导致的喷墨印刷图像模糊、不显著等问题,本文提出了一种利用灰度图像处理,根据图像灰度值设置三维地形图和灰度等高线图的方法,以确定印刷图像中墨滴的中心位置和边缘,从而更好地区分重叠墨滴和单个墨滴。此外,还提出了一种基于SRCNN(Super-Resolution Convolutional Neural Network)的喷墨印刷图像处理方法,以提高低分辨率喷墨印刷图像的清晰度。通过在特征提取层加入普通卷积层以提取更丰富的图像特征,该方法在标准数据集上得到了验证。喷墨印刷图像的结果显示,改进后的SRCNN模型比未改进的SRCNN模型峰值信噪比提高了0.014dB,证明了改进模型的有效性,并在重建图像中取得了更好的视觉效果。

关键词： 交通标志   小目标   Faster R-CNN  

摘要： 小目标检测是智能驾驶安全领域的重要研究内容,其中交通标志的检测是智能驾驶环境感知的关键环节,但由于交通标志的判定属于远距离识别且目标较小,因此往往会出现漏检或识别精度低的问题。基于Faster R-CNN算法将骨干网络VGG16替换为ResNet50,将混合注意力机制融入主干残差结构,利用多尺度滑动窗口改进RPN网络,在不同深度卷积层生成特征图并进行特征融合。改进后的算法使检测精度mAP从85.99%变为94.38%,有效地提高了智能驾驶场景下识别交通标志小目标的能力。

关键词： 卡尔曼滤波   核相关滤波   SIFT特征匹配   抗遮挡目标跟踪  

摘要： 针对目标跟踪中的遮挡问题,在核相关滤波(Kernel Correlation Filter,KCF)基础上,融合卡尔曼滤波(Kalman Filtering,KF)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT),提出一种新的抗遮挡目标跟踪方法。在KCF跟踪过程中,使用平均峰相关能量(Average Peak-to-Correlation Energy,APCE)值来检测目标是否被遮挡。若目标被遮挡,则使用KF预测目标的位置。当目标在后续帧中出现时,利用SIFT特征匹配定位目标的准确位置。最后利用KCF完成剩余帧的跟踪过程。在OTB100数据集上的实验结果表明,该方法对遮挡问题具有一定的鲁棒性。

关键词： 激光光斑   数字图像处理技术   位置检测   检测精准度测试   中心位置计算  

摘要： 激光技术在应用过程中,光斑位置检测与确定是其中的关键环节,直接决定着激光技术的应用性能。但是,现有光斑位置检测方法由于应用手段的缺陷,存在着检测时间过长、检测精度较低等问题,故提出基于数字图像处理技术的激光光斑位置检测研究。使用图像采集设备(相机或者摄像机)获取激光光斑图像,基于数字图像处理技术处理激光光斑图像,以此为基础,采用二维Otsu算法分割激光光斑图像,应用Canny算子提取光斑边缘,通过最小二乘圆拟合方法拟合处理光斑边缘,即可计算出激光光斑中心位置,从而实现了激光光斑位置的精准检测。实验结果显示:应用提出方法获得的光斑位置检测时间最小值为0.1 s,光斑位置检测误差最小值为0.2%,充分证实了提出方法应用性能较佳。

关键词： 无人机航拍图像   全景特征细化分类   自适应双维特征采样   多路径信息整合   多尺度目标   动态聚焦  

摘要： 针对无人机航拍图像前景目标尺度差异大、样本空间分布不均衡、背景冗余占比高所导致的漏检和误检问题,本文提出一种自适应前景聚焦无人机航拍图像目标检测算法。首先,构建全景特征细化分类层,通过重参数空间像素方差法及混洗操作,增强算法聚焦能力,提高前景样本特征的表示质量。其次,采用分离-学习-融合策略设计自适应双维特征采样单元,加强对前景焦点特征提取能力和背景细节信息保留能力,改善误检情况,加快推理速度。然后,结合多分支结构和广播自注意力机制构造多路径信息整合模块,解决下采样引起的歧义映射问题,优化特征的交互与整合,提高算法对多尺度目标的识别、定位能力,降低模型计算量。最终,引入自适应前景聚焦检测头,运用动态聚焦机制,增强前景目标检测精度,抑制背景干扰。在公开数据集Vis Drone2019和Vis Drone2021上进行相关实验,实验结果表明,该方法m AP@0.5数值达到了45.1%和43.1%,较基线模型分别提升6.6%和5.7%,且优于其他对比算法,表明该算法显著提升了检测精度,具备良好的普适性与实时性。

关键词： 图像修复   计算机视觉   二阶段图像修复算法  

摘要： 图像修复是计算机视觉领域的重要研究方向之一,它的目标是准确修复图像中原来信息内容。随着计算机技术的快速发展,基于深度学习的图像修复算法相对于传统算法表现出了明显的优势,具有更高的精度和实时性。文章介绍了几种经典的基于深度学习的二阶段图像修复算法,介绍了它们的优点,同时展望了未来图像修复算法的发展。

关键词： 目标检测算法   水表字轮数字   数字识别方法  

摘要： 本文旨在设计一种基于目标检测算法的水表字轮数字识别系统,以解决传统模板匹配方法在复杂环境下的局限性。该系统包括表盘与字轮区域定位、图像旋转校正、字轮分割与字符分类以及半字符示数判定等模块。试验结果表明,与传统模板匹配方法相比,采用YOLOv5目标检测算法的方法的整字符和半字符识别准确率有显著提升,整体准确率提高了5.58%,表明基于目标检测算法的水表字轮数字识别方法具有更好的识别效果和应用前景。