基于视觉图像与激光点云融合的交通标志快速识别方法

交通标志对车辆交通起到重要作用和意义,而智能交通中交通标志识别由于标志特征提取效果差,导致识别率低、识别时间长,因此,提出一种新的基于视觉图像与激光点云融合的交通标志快速识别方法。采用双边滤波方法预处理原始激光点云数据;通过归一化处理得到视觉图像激光点云融合的目标空间激光点云位置测距数值;通过测距值获取目标图像位置,归一化处理交通标志视觉图像,引入k均值聚类算法二聚类处理图像,采用制作的切割模板切割图像感兴趣区域,提取交通标志图像的深度特征,结合卷积神经网络二次过滤特征,重新标定二次过滤后的特征,最终利用卷积神经网络模型实现交通标志快速识别;经实验对比证明,采用所提方法提取各个类型交通标志特征的提取效果较好,并且识别率达到89.74%,识别时间仅为13.1 s,干扰下识别时间最高仅为15.1 s,验证了该方法可以快速且准确识别各个类型的交通标志。

投影模型下全方位视觉图像畸变校正算法仿真

为提高全方位视觉图像内目标清晰度,强化边缘细节特征,调整畸变的几何比例结构,提出一种投影模型下图像畸变校正算法。构建图像畸变模型,明确畸变与原始图像间非线性变化关系,通过正交投影变换构建透视投影模型和平行透视投影模型,将平行透视投影近似看作为透视投影的一阶结果,计算二者仿射近似误差值,最后将畸变校正问题定义为畸变与理想点的位姿重合,令位姿校正转换为重合最小距离求解,使用齐次坐标获得校正的旋转和平移量,实现图像畸变校正。仿真结果表明,所提算法校正后图像边缘清晰,细节部分无锯齿现象,说明上述算法能够精准还原目标特征,具有较高的可应用价值。

基于视觉图像的飞行区大型目标监视方法改进研究

机场飞行区现使用的场面监视方法存在着定位偏差较大、不稳定、易跳变、皆为点源定位等问题。针对这些问题,设计了基于视觉图像的飞行区监视方法,实现快速准确的目标检测和轮廓定位,使飞行区监视更加稳定精确。提出了一种基于MobileNetV3和YOLOv5的网络模型(以下称为MobileNetV3-YOLOv5),即在YOLOv5的主干中使用MobileNetV3,来提高对目标的检测速度和准确度;提出了一种基于优化特征点提取的改进定向快速旋转简报(Oriented FAST and Rotated BRIEF,ORB)算法,将图像分割成多个区域,分别提取每个区域的特征点,从而提高目标识别框内区域的特征点识别数量,再进行特征点聚类筛选,最后根据识别目标类型采用最小包围盒进行轮廓划分,得到目标的轮廓定位。试验结果表明:MobileNetV3-YOLOv5方法对比原始YOLOv5模型,在识别目标准确率方面提升5百分点,在效率方面提升14张/s;同时在0~60 m的范围内,轮廓估计误差仅为2.9%;体现了所提出的监视方法的有效性,可以提升飞行区监视定位准确性和运行安全性。

舰船多方位视觉图像特征深度提取系统设计

基于视觉图像处理的特征提取和图像识别方案是对雷达和AIS的有效补充,有效识别其他船舶、礁石等可以有效保障舰船航行安全。本文提出一种基于CNN和拉普拉斯金字塔图像融合的视觉图像特征深度提取系统,设计了系统的基本结构,并分析了系统中各模块的基本功能,提出了基于CNN的特征深度提取方案,对船舶和浮标目标特征进行提取,使用拉普拉斯金字塔融合将不同舰船上获取的图像进行深度融合。本文建立的多方位视觉图像特征深度提取系统可以有效获取多种目标特征,并可以有效提高特征表示的丰富性和准确性。

生产、观看、技术:数字视觉图像参与社会时间加速的三重向度

本文从数字视觉图像生产者、观看者、视觉技术三个维度探究数字视觉图像参与时间加速的具体路径。研究发现,数字视觉图像生产者及平台在“中区”和“深后区”的图像生产中皆有着严格的时间规制;大众对数字视觉图像的观看始于视觉奇观,终于视觉沉浸,进而导致个人逻辑时间序列发生混乱;而媒介技术作为调节中介则为时间感知变化提供条件并使其成为可能。

基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法研究

目的:为消除手术器械视觉图像中的高斯与椒盐噪声,并恢复图像的细节特征,提出一种基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法。方法:首先,构建由多特征融合编码器解码器网络、注意力引导网络和细节恢复渐进式网络3个部分组成的轻量级多任务渐进式网络,使用多特征融合编码器解码器网络预测视觉图像中的噪声信息,并从原图像中去除,使用注意力引导网络进一步去除图像中的残留噪声,使用细节恢复渐进式网络对去噪图像的底层细节特征进行恢复。其次,对轻量级多任务渐进式网络进行轻量化设计,将细节恢复渐进式网络中的部分常规卷积替换为深度可分离卷积。最后,在公开的CBSD68、Kodak24数据集和自建的手术器械噪声数据集上进行去噪实验,比较基于轻量级多任务渐进式网络的去噪方法与经典去噪方法的去噪效果,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像的分类准确率,并分析轻量化设计前后的算力和内存占用情况。结果:在公开数据集上,所提出的方法较经典的去噪方法取得了更好的去噪效果。在手术器械噪声数据集上,ResNet-18模型和ResNet-34模型对采用轻量级多任务渐进式网络去噪后的图像分类准确率更高。经过轻量化设计的去噪方法的参数量和浮点运算数(floating point operations,FLOPs)分别减少了约27.27%和29.81%。结论:基于深度学习的手术器械视觉图像高斯与椒盐噪声去除方法具有优秀的手术器械视觉图像去噪性能,且具有更少的算力消耗和内存占用。

基于视觉图像识别的山洪水位流量监测技术与设备研制

面对传统山洪灾害监测方法在复杂环境下的局限性,本文提出一种基于视觉图像识别技术的非接触式山洪水位流量监测设备。该设备采用人工智能和时空图像视频分析技术,通过高清红外摄像头非接触式采集图像,结合水位智能识别及山洪流速流量测算模型进行实时监测。该设备在河南栾川山洪灾害试验基地多个站点成功应用,应该结果显示:相比传统方法,实现了更高效、稳定且精准的监测效果,为山洪灾害防治提供了重要的数据支持。研发出的非接触式监测设备在山洪监测中具有显著优势,有助于提升监测安全性、时效性和自动化水平,降低山洪监测成本,值得进一步推广应用。

船舶监控三维视觉图像模糊目标清晰处理研究

对船舶周围环境实时监控有利于提升航行的安全性,立体视觉技术通过计算图像之间的视差来重建目标的三维结构,但是三维视觉图像的构建严重依赖于图像质量。本文对暗通道分析技术和深度神经网络技术进行研究,分析图像去雾以及通过绘制环境场景进行还原的基本流程,提出一种基于MobileNet V2的轻量级雾浓度分类器,得到了不同训练周期时图像分类的训练准确率和验证准确率,对船舶监控三维视觉图像模糊目标清晰化处理进行验证试验,结果表明清晰化处理后的环境空间图像质量得到了大幅度提升。

视觉图像与三维点云融合的障碍物主动识别与距离感知研究

针对无人机配电线自动巡检及绝缘层涂覆维护过程中障碍物主动识别和距离感知的问题,提出视觉图像与三维点云相结合的障碍物识别方法。对图像进行增广预处理来丰富数据集,引入基于特征提取的深度学习进行模型训练,获取障碍物目标的类别和方位,结合三维点云信息得到目标的距离信息。实验结果表明:三维点云与视觉图像融合的障碍物主动识别与距离感知算法可以兼顾实时与精准测距的需求,提高了系统预警的精确度,最大识别误差为2.356%,有助于提高无人机及线缆涂覆机器人的障碍感知能力,保障作业安全。

视觉图像缩放效果评价心理感知模型设计

当前视觉图像缩放效果评价模型仅采用硬性评价指标,缺少对模糊参数评价的灵活性,存在敏感性低、评价结果主客观一致性差和评价代价高的问题,故设计视觉图像缩放效果评价的心理感知模型。通过提取图像底层亮度、颜色及方向等视觉感知特征完成特征采集;再通过视觉图像缩放评价参数分析计算质量参数和变形度参数,得出缩放视觉图像的形变量和变形区域,利用特征和相关参数构建心理感知模型,以实现视觉图像缩放效果评价。该实验结果表明,设计模型评价代价较低、敏感性较高、评价结果的主观一致性较好。

基于深度卷积神经网络的多媒体视觉图像重构处理研究

图像重构方法往往依赖于手动设计的特征和先验知识,导致图像峰值信噪比低,为此进行基于深度卷积神经网络的多媒体视觉图像重构处理研究。首先,对视觉图像去噪处理后,采用多方向局部二值模式提取多媒体视觉图像的特征。其次,采用线性融合算法来融合不同来源的图像信息,利用深度卷积神经网络进行图像分类。最后,采用匹配跟踪技术实现图像重构,恢复出高质量的图像。研究结果表明:随着采样率的增加,与现有图像重构方法相比,所研究方法峰值信噪比上升趋势明显,数值增加,重构质量更高。

从新媒体角度看新闻讯息传播中视觉图像的说服力

从新媒体角度看新闻讯息传播中视觉图像信息的表现与作用,也就是对大众传播信息的功效进行研究,这就是通俗传播效果研究。本文主要以黄冈东坡庙会系列活动为例进行分析,通过分析表明,在重大活动新闻讯息的传播中,视觉图像具有更广泛、更有效的信息说服力,为我们总结重大活动新闻图像传播的经验和教训提供了借鉴。

中山大学“百人计划”教授任文琦 加强视觉图像处理 保障网络内容安全

对频繁遭受网络攻击的中国而言,网络安全是国家安全的重要组成部分,不容忽视。多年来,党和国家主要领导人对网络安全和信息化工作做出了一系列重要批示,为全社会开展网络安全保障工作指明了方向。在推进网络安全工作中,实现网络内容安全无疑是不容忽视的重要内容。图像视频内容退化不可避免地存在于日常的记录、传播、存储等过程中。图像视频质量增强是计算机图像视频处理中一个长期存在且无法避免的关键基础问题,其研究水平直接关系到图像视频的呈现效果及高层图像内容理解与识别等重要领域的应用效果。

立体视觉图像处理技术在虚拟现实环境中的应用研究

立体视觉图像处理技术是虚拟现实(Virtual Reality,VR)中的关键技术,可增强使用者的沉浸感和视觉真实感。本文介绍了立体视觉图像处理的三种主流技术,以及这三种技术在虚拟现实环境中的适用性和有效性,同时对虚拟现实技术面临的晕动症等问题提出了解决的思路和方法,旨在进一步提升用户感知深度,达到更沉浸和更逼真的视觉效果。

基于双目视觉图像识别的输煤机皮带跑偏在线识别方法

受输煤机皮带原始图像质量的影响,导致对其跑偏程度的识别结果误差难以得到有效控制,基于此,提出基于双目视觉图像识别的输煤机皮带跑偏在线识别方法。将Mech-Eye UHP-140工业级3D双目视觉相机作为具体的输煤机皮带视觉图像采集装置,在对其安装后,结合实际的输煤机皮带运行状态以及图像质量要求,对具体的采集阶段参数进行设置;在输煤机皮带跑偏程度识别结果,引入了亥姆霍兹原理,对双目视觉图像的边缘进行识别,根据双目图像边缘交叉程度与皮带中心线之间的距离关系,确定具体的跑偏距离。在测试结果中,设计对于皮带偏移量的识别结果并未受到运行速度的影响,且具体的识别结果误差始终稳定在0.1 mm以内。

校园视觉图像文化的规范与自由——校园视觉图像文化的力场

文章通过分析和探讨了校园视觉图像文化所产生的视觉力场,而形成的感知记忆,从而提升校园的视觉感知文化,从而解读校园视觉图像文化的规范与自由。

基于视觉图像传感的精密脉冲TIG焊焊缝跟踪

针对某复杂曲面薄壁不锈钢工件精密脉冲TIG焊中的焊缝跟踪问题 ,本文研究了一种基于视觉传感的高精度、高实时性焊缝跟踪技术。根据脉冲TIG焊的工艺特点 ,该技术通过选择特定波长的滤光片及合理的曝光时刻 ,采用工业CCD摄像机获取可直接分辨出焊缝、熔池和钨极的清晰、放大的焊接区图像。采用VC语言设计的图像处理算法 ,可以快速准确地识别出焊缝中心线 ,提取钨极偏离焊缝中心线的方向和距离 ,驱动步进电机调节焊炬位置 ,实现高精度、高实时性的焊缝跟踪。试验结果表明 ,该技术的单幅图像处理周期小于 12 0ms,能实现焊炬运动方向与焊缝偏差角小于 3 0°的焊缝跟踪 ,满足了复杂曲面的薄壁不锈钢工件的精密焊接要求。

全景视觉图像柱面理论展开算法实现及其改进

由于理论上全景图像柱面展开算法比较复杂,在系统中占据的时间开销非常巨大,并且在展开过程中需要知道摄像头的焦距,镜头的双曲面方程等内参数,以及与相机位置关系等外参数,而这些参数在某些系统中不是固定不变的,所以理论上全景图像柱面展开方法在真实的系统中是很难应用.在介绍全景图像理论柱面展开算法的基础上,对该算法进行了优化,并对这2种算法进行了比较.实验表明采用该改进算法满足了实现实时处理的要求.

焊接视觉图像质心算法及其特性

从焊接视觉图像质心计算公式出发,根据图像灰度与视觉传感器响应电压值的关系、响应电压值与检测部位的发射率及光谱辐射强度等关系,由熔池特性,推导并建立了焊接视觉图像质心与焊接区各点温度间关系模型。通过焊接温度场的数值化,得到图像质心与焊缝中心关系模型的数值解及关系曲线,证明了视觉图像质心与焊缝中心存在相关性,为基于图像质心的焊缝跟踪算法提供理论依据。分析了质心算法的特性,为进一步研究实时焊接图像的质心及算法打下理论基础。

发动机缸体视觉图像定位方法研究

针对发动机缸体孔系实现在线自动测量的难题,提出了基于视觉图像的发动机缸体定位方法。通过面阵CCD获取发动机缸体定位销孔图像信息,利用图像处理提取定位销孔中心位置,以此建立每个被测缸体的测量基准。使用环形双峰阈值法与中值滤波对图像进行预处理,有效地解决了定位销孔具有倒角影响图像边缘提取精度的问题。为验证此定位方法的准确性与可行性,分别进行了发动机缸体定位孔直径与位置度重复性测量与发动机缸体上表面孔组直径与位置度重复性测量实验。实验结果表明所提出的视觉定位方法稳定可靠,实现了发动机缸体的快速、精确定位,为实现发动机缸体的在线检测打下了可靠基础。