基于地铁隧道高分辨率图像的裂缝信息提取

随着运营年限的增长,地铁隧道会逐渐产生各类病害,裂缝是一种典型的病害现象。由于大部分裂缝的特征不突出,且受到地铁隧道内部电缆设备、划痕、蜘蛛网等线状干扰物的影响,现有裂缝检测方法在高分辨率图像下效果不佳。本文以衬砌裂缝为研究对象,基于自主研发的隧道相机系统,实现对隧道表面信息的无损数据采集,获取4096×2168像素的高分辨率图像数据;明确裂缝识别的干扰因素,基于病害特性构建干扰数据集及真实纹理数据集;以掩码-区域卷积神经网络(Mask R-CNN)模型为基准框架,采用K-means和遗传算法对区域建议网络(RPN)网络进行参数优化;利用对比试验和消融试验说明本文算法的检测效果和表现性能。结果表明,本文算法能实现高分辨率图像下隧道裂缝的识别和长度测量,漏检和误检概率更低,对细长、特征不太明显的裂缝具有较好的检测性能,裂缝测量值可为地铁的运营维护提供参考。

高分辨率图像分类方法在直播汽车车型识别场景中的应用

面临汽车市场疲软带来的销量下降、客户结构改变带来的获客成本增加和线下流量稀缺等压力,传统车企迫切地需要进行数字化改革,汽车直播逐渐成为汽车厂商引流的重要方式。为精准捕捉销售线索和分析产品反馈,直播平台和车辆销售方需要将正在直播的车型与每个直播观众的反馈及直播数据相对应,因此有效识别正在直播中的车型成为亟待解决的问题。直播过程中通常会在车牌位置显示车型,这是一个高分辨率图像中的强信号场景,而传统图像处理方法对此类场景的训练效果不佳。本文借鉴目标检索方法,针对标注数据有限的强信号场景,采用相对简单的图像分类模型,应用迁移学习以解决标注样本少且资源有限的问题,并创建基于IoUB Loss损失函数的边界框回归以更精准地确定车牌区域,最终将该模型应用于汽车直播场景。以抖音直播平台奥迪汽车直播过程中的车辆图像进行训练,本文模型在测试集图像数据中的预测精度达47.4%。将本文模型与传统图像处理模型和经典Faster RCNN模型进行对比,发现本文模型已具备相较经典Faster RCNN模型更优的效果,具有一定的现实作用,可协助直播平台和车辆销售方在业务中更为简单高效地处理直播车型识别问题。

基于微搜索的高分辨率图像前景遮罩提取算法

高分辨率图像抠图问题本质是前景背景像素对的大规模组合优化问题,目前相关研究成果较少.文中针对前景背景极相似时容易出现前景遮罩抠反的问题,设计决策集分解策略,实现高分辨率图像抠图问题的有效分解.此外,设计优化信息传递策略,获取子问题间的权重关系,建立图像抠图问题的优化序列.在优化信息传递策略的基础上,提出基于微搜索的前景遮罩提取算法.算法通过对有效决策子集的搜索代替对决策集的搜索,解决高分辨率图像抠图问题中的前景遮罩抠反问题,为大规模组合优化问题分析提供借鉴.选用alphamatting基准数据集作为测试数据,与典型的抠图优化算法对比分析,验证文中算法可以解决前景背景信息极为相似时的前景遮罩抠反问题,并且在高分辨率图像抠图问题维度显著降低的情况下,提高前景遮罩提取精度.

结合光谱和尺度特征的高分辨率图像边缘检测算法

高分辨率遥感图像具有高度细节化的多尺度表达能力,在有效表达地物边缘信息的同时,目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法,克服了小波变换导致的边缘变形,并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型,并与二进小波变换结合,同时利用梯度方向余弦值对各个波段的梯度幅值加权,最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比,表明该算法利用光谱相异性信息增强边缘响应强度,保证了所有尺度下获取的边缘轮廓不失真,边缘点定位准确;加权处理突出了多波段梯度主方向信息,也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.

一种在离焦情况下获得高分辨率图像的新技术

在遥感、军事侦察和医疗成象等领域,需要得到目标的高分辨率图像.而像面离焦直接影响了成像质量、降低了空间分辨率.为了得到高分辨率图像,往往采用自动焦面补偿装置或温控系统来克服离焦现象,但这又不利于仪器的小型化和轻量化.本文提出,在光学系统光路中加入一特殊设计的非球面掩模板,并对经过位相掩模板后的图像进行图象处理得到清晰图像.使光学系统在大离焦量的情况下仍可获取高分辨率的图像.这对于光学遥感器在复杂的空间环境中获取高分辨率图像具有十分重要的意义.

一种改进的非线性外推图像增强算法及在高分辨率图像重建中的应用

对非线性外推图像增强算法进行分析 ,充分考虑图像高频分量的局部特征 ,提出一种新的非线性滤波剪切策略包络阈值剪切算法 .改进后的算法使整幅图像的增强趋于均匀化 ,增强效果显著改善 .结合该算法重建得到的高分辨率图像 。

高分辨率图像景观特征尺度的小波和地统计分析

高分辨率图像景观空间结构和特征尺度的分析是基于图像处理获取地物详细信息的基础。本文以泉州市为例,对不同类型景观区域图像(城市景观,农田景观,森林景观,道路和绿化带景观等)进行了基于小波分解的不同尺度小波系数地统计分析和原图像的半方差分析。研究分析表明,基于小波分析的不同尺度小波系数标准差随其变化的空间分辨率的变化可以概要地表征地物的景观特征尺度,小波分析作为一种景观格局研究方法是可行的。半方差分析能将试验区景观结构的最主要总体平均结构特征反映出来,但对不同方向结构特征的分析并非像小波分析那样敏感,如能利用已有研究区的先验知识,分析结果可能会更好些。

复谱频域OCT系统高分辨率图像重建

为了提高复杂多层样品层析图像的分辨率,构建了复谱频域光学相干层析成像(CSOCT)系统。由于其在低亮度和高速成像方面相对于时域OCT具有更高的灵敏度,因此在光学相干层析成像系统中具有重要的作用。本文对测试样品二层盖波片进行成像实验,基于光学相干层析基本理论,采用五帧相移算法,最终获得测试样品的复谱频域OCT图像。实验结果表明,该系统可以消除谱频域OCT图像中的寄生项和镜像,改善和提高层析图像的分辨率。

基于K-LT的高分辨率图像的分块算法

针对卡洛变换(Karhunen-Loeve Transform,K-LT)应用于高分辨率图像处理中,存在计算量大和速度慢的缺点,提出大分块算法和小分块算法以快速实现K-LT。大分块算法通过把图像矩阵均匀分块,得到多个分辨率相同的子图像,再把这些子图像纵方向堆叠形成伪多光谱图像来降低特征空间的维数;小分块算法则把每个子图像像素采用行堆叠或列堆叠的方法来降低特征空间的维数。2种算法都能够使K-LT速度大幅度提升。仿真结果表明:对于分辨率为1 024×1 024的图像矩阵,采用这两种分块K-LT算法所用的时间,分别是传统K-LT算法的1/45和1/48,可以满足实时性处理的要求。

基于近邻非负线性组合的高分辨率图像重建

针对现有基于局部线性嵌入的高分辨率图像重建算法对噪声敏感、图像块间边界不连续等问题,提出一种近邻非负线性重建高分辨率图像的流形学习算法。将流形学习重建过程中的近邻线性组合系数约束为非负,并采用基于像素块比例值的特征提取方法。实验结果表明,该算法能重建更多的细节,降低块效应,提高重建图像的峰值信噪比。

基于整体最小二乘法的高分辨率图像重建算法

提出一种用于高分辨率图像重建的整体最小二乘算法。在现有多数重建算法中,假设系统矩阵是精确的而误差主要源于采样图像,但实际上抖动误差也出现在系统矩阵中。该方法能同时最小化这两种误差,采用基于正则化的Rayleigh商来光滑解,用共轭梯度算法来迭代求解该正则化Rayleigh商的最小化函数。实验证明该方法对于抖动系统矩阵是稳定和精确的。

一种由低分辨率投影重建高分辨率图像的方法

针对由于现有条件下探测器分辨率低导致图像分辨率差的问题,提出了一种利用探测器错位采集低分辨率投影数据来重建高分辨率图像的方法,并进行了计算机仿真实验,结果表明该方法是行之有效的。

利用机载LiDAR数据和高分辨率图像提取复杂城区建筑物

在复杂城区内部通常存在大量的阴影,建筑物的屋顶也有多种类型,这使得利用高分辨率遥感图像自动提取建筑物变得困难。针对上述2个问题,提出了一种综合利用高分辨率图像与机载Li DAR数据的城市建筑物提取新方法。首先,对归一化植被指数(normalized difference vegetation index,NDVI)和Li DAR高度数据设定阈值得到初步的建筑物提取结果;然后,分别利用阴影区NDVI、图像纹理和形态学滤波来改进结果;最后,采用局部的机载Li DAR数据和Quick Bird图像,对提出的方法进行验证,并与现有方法进行比较。研究结果表明,该方法可有效减少由阴影和不同屋顶特征所造成的错误识别,显著提高了建筑物提取精度。

重建高分辨率图像的实时串行迭代算法

提出了一种基于多帧低分辨率图像重建高分辨率图像的实时串行迭代算法 ,在得到与传统多帧算法图像质量相近的同时 ,大大节省了计算所需的存储空间 .给出了该算法的收敛性的证明 .计算机模拟结果表明该方法和实验的一致性 .最后在一个实际系统验证该方法 .

一种机载高分辨率图像实时压缩系统的设计

为解决机载高分辨率图像的实时压缩问题,提出了一个基于FPGA+PowerPC的高分辨率图像实时压缩系统的设计方案。本系统主控采用PowerPC处理器,压缩芯片采用ADV202,用FPGA实现图像数据流程中各个环节控制,最终输出数据为高性能的静止图像压缩标准JPEG2000格式。

基于特征融合和自学习锚框的高分辨率图像小目标检测算法

为了提高高分辨率图像中小目标的检测精度,解决高分辨率图像在下采样和局部裁切时由于细节和背景信息丢失造成的漏检和误检问题,本文提出了一种基于特征融合和自学习锚框的小目标检测算法.算法采用多路分支网络对高分辨率图像的全局语义和细节特征平滑后逐层融合,以同时增强特征图上小目标的细节和背景特征.针对训练样本尺寸差异造成不同分支网络上特征表达不一致的问题,本文引入自学习锚框使融合后的特征图能够适应锚框的位置和形状.使用本文算法与目前先进的目标检测算法对下采样图像和切块检测,大量实验结果验证了本文算法对高分辨率图像小目标检测的准确性和有效性.

基于中央凹视觉的高分辨率图像插入技术

将人眼注视方向上的局部高分辨率图像插入到背景图像的相应位置,可以解决传统虚拟现实头盔视场与分辨率之间的矛盾。在产生强烈沉浸感的前提下,根据头盔显示器双目视场大小的要求及人眼的良好视区、最佳视区范围,确定了插入图像与背景图像的比例关系。在此基础上模拟了图像的插入效果,并针对图像插入边缘所出现的视觉不连贯现象提出了分辨率渐变的方案。

基于多参数正则化的高分辨率图像重构算法

根据完全重构滤波器的性质,提出一种基于多参数正则化方法的高分辨率图像重构算法。该算法利用多参数正则化方法,恢复图像的高频部分,然后将恢复的高频信号与低频部分叠加,得到重构的高分辨率图像。由于该算法沿不同滤波方向选取不同的正则化参数,因此有效地抑制了噪声对重构图像的影响,改善了图像在边缘部分的重构效果,从而弥补了己有方法的不足。对所提出算法的收敛性进行了分析,并通过数值实验验证文中所提出算法的有效性。

基于AD9888的高分辨率图像采集卡

本文介绍了一种高分辨率图像采集卡的系统实现,该系统主要由FPGA,AD9888,SDRAM,PCI总线控制器等构成。重点阐述了基于AD9888下,由FPGA实现视频图像在不同分辨率下的自适应采集和处理,并在FPGA的控制下通过PCI总线传给PC机进行实时存储。

测井数据采集处理系统的高分辨率图像显示

测井数据采集处理系统的高分辨率图像显示器是对测井全过程,实时监视,完成计算机控制,人—机对话方式工作,并且进行汉字图头,刻度功能,还可以回放测井过程的任意井段的参数曲线。本文主要阐述高分辨率图像显示器示技术性能及组成。