基于改进YOLOv7的高效行人检测方法

针对目前的行人检测方法无法在复杂环境下同时满足高准确率和高检测速度的问题,提出了基于改进YOLOv7(You Only Look Once version 7)的高效行人检测方法。首先,通过鬼影混洗卷积(GSConv)与VoVGSCSP(VoVNetGS Conv Cross StagePartial)构建Slim-Neck,前者使用混洗操作将普通卷积生成的信息渗透到可分离卷积的输出中,来实现通道间信息的交互,后者采用一次聚合方法设计了跨阶段部分网络,VoVGSCSP模块降低了计算量和网络结构的复杂性,并保持了足够的精度;其次,在YOLOv7输出部分引入卷积注意力模块(CBAM),利用通道注意力和空间注意力来捕获特征之间的相关性,从而优化YOLOv7的特征表示能力,提高方法的准确性和鲁棒性。实验结果表明:在多个行人数据集上,与YOLOv5和YOLOv7相比,改进的YOLOv7方法平均精度(AP)提升了1.63~3.51个百分点,对数平均缺失率(LAMR)降低了0.54~3.97个百分点;相较于YOLOv7平均检测速度提升10FPS;同时通过弗里德曼检验结果证实改进的YOLOv7方法可用于实际数据,有效地实现了复杂环境下高精度、快速的行人检测。

基于深度学习的糖尿病足伤口TEXAS分期研究

针对糖尿病足辅助诊断问题,提出了一种有效的具有两级集成卷积神经网络的深度学习方法。利用加载预训练权重的121层密集卷积网络DenseNet121和EfficientNet-B0网络作为集成卷积神经网络训练时特征提取的初始参数;再使用数据集Diabetic Foot UlcersGrand Challenge 2021进行整个网络的训练,从而实现糖尿病足伤口感染和缺血特征的TEXAS自动分期。使用5折交叉验证获得的该方法受试者工作特征曲线下面积值为0.989,准确率为0.954,查全率为0.944,查准率为0.954,F1-score为0.956。结果显示该方法性能良好,在临床辅助诊断中具有较好的应用潜力。

浅层滑坡和沟谷型泥石流的关系研究:以福建省宝庄村2010年6月18日灾害为例

2010年6月14—18日,福建省顺昌县发生连续强降雨事件,致使多处地区发生滑坡、泥石流等群发性地质灾害,宝庄村是重灾区之一。在群发性滑坡灾区,往往很容易导致沟谷泥石流地发生。为了探索泥石流发生与滑坡物源之间的关系,选择了宝庄村43个流域,通过卫星遥感解译获取滑坡面积和流域面积的数据集,进而分析浅层滑坡诱发沟谷型泥石流的物源临界值,提出了一个经验模型来分析群发性滑坡引起的沟谷型泥石流的触发条件。结果表明,所提出的模型适用于福建省浅层滑坡诱发的沟谷型泥石流的物源分析。经验模型简单,输入的数据是容易测量的流域面积(A)和滑坡划痕面积(A_(0))。因此,该方法可以用于分析其他地区浅层滑坡诱发的沟谷型泥石流。

改进YOLOv5s的纱管目标检测方法

为解决传统纱管分类方法效率低下、误差较高的问题,提出一种基于改进YOLOv5s算法的纱管目标识别方法。该算法融合了坐标注意力模块(CA)和Transformer模块,提出了新的SPP模块(SPP+)替换传统的SPP模块,使用加权双向特征金字塔网络(BiFPN)思想增强特征融合,并使用WIoU损失函数替代原有的损失函数。为验证改进算法性能,制作了一套纱管数据集,并基于改进YOLOv5s算法进行了纱管检测实验。实验结果表明改进的算法具有更好的识别效果。

基于多目标乌鸦搜索算法优化DenseNet图像分类算法研究

图像分类是计算机视觉领域中的关键任务,其目标是将输入的图像分配到预定义的类别中,核心思想是通过学习从图像的局部特征中提取高级抽象表示,使模型能够有效识别并区分不同类别的图像。图像分类已应用于诸多领域,包括医学影像识别、自动驾驶、安全监控等。但图像分类也存在一些问题,如小样本问题、类别不平衡及对抗攻击等。近年来,随着深度学习的迅速发展,卷积神经网络(CNN)在图像分类任务中取得了显著的效果。设计了一种启发式算法,引入多目标乌鸦搜索算法,解决多目标优化问题,通过实验,与其他先进算法进行比较,验证了优化后的DenseNet在图像分类任务上性能有所提升,可优化卷积神经网络模型在图像分类中的应用。

基于多特征融合的点云场景语义分割

为挖掘特征间的语义关系以及空间分布信息,并通过多特征增强进一步改善点云语义分割的效果,提出一种基于多特征融合的点云场景语义分割网络(MFF-Net)。所提网络以点的三维坐标和改进后的边特征作为输入,首先,利用K-近邻(KNN)算法搜寻点的近邻点,并在三维坐标和近邻点间坐标差值的基础上计算几何偏移量,从而增强点的局部几何特征表示;其次,将中心点与近邻点间的距离作为权重信息更新边特征,并引入空间注意力机制,获取特征间的语义信息;再次,通过计算近邻特征间的差值,利用均值池化操作进一步提取特征间的空间分布信息;最后,利用注意力池化操作融合三边特征。实验结果表明,所提网络在S3DIS(Stanford 3D large-scale Indoor Spaces)数据集上的平均交并比(mIoU)达到了67.5%,总体准确率(OA)达到了87.2%,相较于PointNet++分别提高10.2和3.4个百分点,可见MFF-Net在大型室内/室外场景均能获得良好的分割效果。

基于改进YOLOX的垃圾分类检测方法

垃圾分类回收可以改善环境污染问题,保护居民的生活环境,保证生态可持续发展,然而传统的人工垃圾分类方法效率低、主观性强,本文提出一种基于改进YOLOX的垃圾分类检测方法,用于提高垃圾分类的效率和准确率。通过自制垃圾分类数据集训练YOLOX网络,实现垃圾的检测和分类。为了取得更好的检测效果,在网络中引入ECA注意力机制,提高特征间的信息传播能力;改进特征提取网络的上采与下采样倍数,提高网络对小目标的特征提取能力;改进分类与回归损失函数,提高网络的学习能力。实验结果表明,改进YOLOX算法的mAP@0.75为89.9%,比原算法提高了4个百分点,而每秒检测帧数仅下降0.3,在不损失性能的情况下,检测精度有明显的提升。

基于FPGA的多运动目标检测算法

针对当前运动目标检测实时性差的问题,设计了基于FPGA的多运动目标检测系统。以帧差法为基础,提取运动目标轮廓,对每个像素进行判断并合并同一目标进行多目标检测与分割。系统主要由图像采集模块、图像处理模块、图像缓存与显示模块组成,CMOS摄像头采集图像数据,SDRAM作为数据流的实时缓存,基于Verilog语言进行算法设计,最后通过VGA进行显示。测试结果表明,系统能快速检测出视频图像中多个运动目标,与PC机相比,在实时性上具有明显优势,且只消耗总体逻辑单元2767个、寄存器1557个。

2次有理Bézier曲线的最优参数化

把Bzier曲线的最优参数化技术成功地推广到外形设计系统中更为常用的2次有理Bzier曲线场合.新方法能够事先对曲线进行重新参数化,而不需要在计算过程中对非均匀的参数速率采用动态的补偿算法.其关键是巧妙地化简需要求解的高次有理函数积分公式,使得Mbius参数变换公式并不是基于数值解法来得到近似解,而是简单明了地具有解析形式的精确解.Mbius变换能够保持有理Bzier曲线的控制顶点和形状不变,仅仅改变曲线的参数分布情况.优化后的参数速率保持C1连续.新参数速率关于单位速率的偏离量在L2范数下达到最小,即实现了最优参数化,所得到的参数最为接近弧长参数.新方法简单直接,数值实例验证了算法的正确与有效.

基于小波融合技术的医学图像增强方法

为了改善医学图像质量,在分析小波变换原理的基础上,根据医学图像的成像特征,提出了一种基于小波融合技术的医学图像增强方法。首先,对待增强图像进行多层小波变换处理,获取各个频率的小波系数。然后分别对各频率系数进行相应的处理后,进行小波重构并进行对比度增强处理,获得增强图像1;同时对待增强图像进行对数变换和对比度拉伸处理,获得增强图像2。最后将增强图像1和增强图像2变换至小波域进行图像融合处理,以获得最终的增强图像。结果表明:本文提出的增强方法具有明显的增强效果。该增强方法能有效提高医学图像的对比度,增强边缘细节信息,突出病灶点的位置,达到较好的增强效果,为医疗工作者观察病症提供更加清晰准确的依据。

基于改进模型的摄像机标定

摄像机标定是机器视觉领域的一个重要的研究内容。摄像机模型是摄像机标定方法的基础,任何标定方法都是针对相应的成像模型来说的。一种好的模型有时候要比一种好的优化方法更有意义。考虑到工业上对于测量的要求和效率越来越高,仅仅依靠摄像机线性模型是不够的。基于摄像机投影模型和畸变模型,首先阐述了张正友摄像机标定的基本原理,然后通过改进的三参数模型,提高了参数初值的精度,减少了非线性优化的迭代次数,具有很好的稳定性和较高的精确性。

基于对称性特征的棋盘方格角点自动检测算法

提出了一种针对棋盘方格角点的自动检测算法,用于摄像机标定过程中控制点的精确提取。该算法在分析现有算法的优缺点的基础上,结合棋盘标定物的几何特征,进行从粗到精的角点提取和坐标精确定位。首先粗略确定角点所在区域,然后在区域内应用对称性特征实现坐标的精确提取。实验表明,该算法能自动、有效地对控制点进行自动检测和精确提取。

基于方法噪声稀疏表字典学习的图像去噪算法

针对图像去噪过程中会导致部分纹理信息丢失的不足,提出了基于方法噪声稀疏表示的图像去噪算法。该算法基本思想是通过对方法噪声(受噪声污染的图像和去噪后图像的差)的稀疏表示,提取方法噪声中的纹理信息,从而提升图像去噪质量。采用导引滤波去噪得到图像的方法噪声;利用该方法噪声通过改进的字典学习算法训练得到自适应的冗余字典;利用该字典提取方法噪声图像中的纹理信息,由导引滤波去噪后的图像和提取的纹理信息恢复图像,达到去噪效果。实验结果表明,所提出的方法峰值信噪比高于现有的同类算法,且能较好地保持图像的细节和纹理信息,提高了视觉效果。

基于海天线抑制的舰船目标检测方法研究

为了改善海天背景下对中远距离上的舰船目标的检测效果,本文简要分析中远距离上红外目标的一些基本特性,海天背景的主要全局特征。简单回顾了基于海天线特征的海上目标的检测方法,指出海天线特征对于中远距离目标检测所带来的不容忽视的不利影响。在此基础上围绕形态学重建构建了一种背景估计方法,实现对海天线特征的有效抑制,并取得良好的检测效果。

基于时控L系统的虚拟植物生长三维结构模型

表现出植物生长过程的连续性,有效地描述植物根与冠两者间在生长速度上的关系,对虚拟植物生长模型研究有重要意义。为此,用时控L系统来描述植物的拓扑结构以及生长连续性的条件,依据异速生长模型和植物生长函数描述植物根与冠的生长关系,构建了基于时控L系统的虚拟植物生长三维结构模型。同时,通过对PlantVR平台的植物生长构建规则进行改进,实现了该模型在此平台上的仿真。仿真实验表明:该模型能够清晰地表现植物生长过程的连续性,有效地描述植物根与冠两者间在生长速度上的关系,并对植物生长可视化有一定的借鉴意义。

碰撞检测技术在三维交互漫游系统中的应用

针对提高交互漫游系统中动态的视点与静态的场景对象之间的碰撞检测性能进行了研究,将碰撞检测算法分成两步:第一步采用包围盒进行碰撞的粗略检测;第二步采用相交测试法进行碰撞的精确检测,并采用限时计算的思想对整个碰撞检测加以优化。实验结果表明,该算法加快了碰撞检测的速度,能较好地适应3D物体碰撞检测准确、快速的要求。

基于联合非负字典学习的遥感图像超分辨重建

针对图像的超分辨重建问题,提出一种基于联合非负字典学习的单幅图像超分辨重建算法,并将其用于遥感图像的超分辨重建。利用已有的高分辨图像,通过预处理得到高低分辨样本集。给出联合非负字典学习技术,并采用该技术对高低分辨样本集训练得到稀疏的高低分辨字典,使用高低分辨字典重建高分辨图像,并分析算法的计算复杂度。实验结果表明,与双三次插值法、联合字典训练算法、耦合字典训练算法相比,该算法在保证较好重建效果的同时需要较小的计算量。

基于尺度间梯度方向的多尺度边缘融合

在分析了传统的多尺度边缘融合方法存在的角点漏检和大尺度边缘信息丢失等问题的基础上,提出了一种新的基于相邻尺度间梯度方向的多尺度边缘融合方法.该方法充分利用相邻尺度间对应边缘点梯度方向相近这一特点,在没有增加其它辅助方法的前提下,只是通过改变多尺度边缘融合的依据和条件,即可改善边缘检测的最终效果,在保持算法简单性的同时,相比于传统方法有更好的弱边缘检出率、角点检出率、抗噪能力和更高的算法效率,仿真研究也证明了该融合方法的有效性.

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。

破损图像丢失区域自适应优化修复方法仿真

针对传统修复方法存在图像模糊、修复速度低的问题,提出一种基于纹理合成的破损图像丢失区域自适应修复方法。对破损图像丢失区域进行纹理分割提取破损图像边缘能量特征,完成自适应纹理密度量化估计,计算丢失区域纹理向量量化区域的超像素级视觉特征。利用基于Criminisi算法根据纹理特性计算优先修复区域,不断更新图像的可靠度对丢失区域进行纹理修复,完成破损图像丢失区域的自适应修复。通过实验结果验证,所提修复方法与传统修复方法相比,修复后的图像更清晰、完整,修复用时更短。