基于小波与嵌入式零树编码的锈蚀图像压缩方法

为了提高高分辨率锈蚀图像的传输效率和处理速度,设计了一种基于小波和嵌入式零树编码的锈蚀图像压缩方法.首先,将原始锈蚀图像的RGB颜色空间转换为YCbCr颜色空间,并对Y、Cb、Cr三通道分量进行小波分解,得到对应的小波系数;其次,结合对比敏感度函数对不同子带的小波系数进行加权处理,利用嵌入式零树算法对小波系数进行量化和编码得到码流;最后,对码流依次进行解码、反量化和逆变换,得到Y、Cb、Cr颜色空间的重构图像,并将其还原至RGB颜色空间,得到压缩后的图像.实验结果表明,本文算法与传统压缩算法相比,能有效降低图像的储存空间,减少细节丢失,保证了压缩后的图像质量,在压缩比和图像质量上都有较大提高,更适用于工业领域锈蚀图像的压缩.

融合双注意力机制和U-Net网络的锈蚀图像分割

针对传统方法难以精确分割出金属构件锈蚀区域特征的难题,构建了一种融合双注意力机制和U-Net深度学习网络的锈蚀图像区域分割模型。首先,基于U-Net网络的对称编解码架构搭建骨干网络,采用VGG16网络的预训练权重对模型参数进行初始化;其次,在下采样和上采样之间的跨层连接中融合双注意力机制使网络聚焦于局部锈蚀特征,同时在上采样中使用深度可分离卷积加速模型的运算效率;最后采用锈蚀图像数据集对该网络进行训练从而得到锈蚀图像分割模型。通过实采的金属构件锈蚀图像对所提模型进行验证,结果表明:所构建的锈蚀图像分割模型能够有效地从复杂背景图像中分割出锈蚀区域特征,锈蚀区域特征的识别准确率达到95.5%,交并比指标为81.4%;相较于传统U-Net方法,识别准确率和交并比指标分别提升了3.3%和9.2%。