基于混合运动激励和时序增强的篮球运动员动作识别算法

为了解决在背景相似的篮球视频中提取特征级运动信息不充分和捕获长时序依赖关系困难等问题,从局部和全局的角度出发,提出一种混合运动激励和时序增强网络(mixed motion excitation and temporal enhancement network,MTE-Net),该网络由在时间建模上互补的混合运动激励(mixed motion excitation,MME)模块和时序增强(temporal enhancement,TE)模块构成。混合运动激励模块通过计算短距离视频帧之间混合的特征级差分来充分表征局部运动信息,并显性地对运动敏感通道进行激励。时序增强模块对长距离视频帧使用自注意力机制来构建时序关联函数并捕获时序之间的全局依赖关系,增强视频中的重要帧序列。在不额外引入光流和过多参数的情况下,在SpaceJam篮球动作数据集上的实验结果表明,与其他主流的动作识别算法相比,所提模型对篮球运动员动作识别的准确率更高。

基于跨空间多尺度的弱监督有向目标检测算法研究

针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题,提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN,该算法可利用水平框标注信息推断目标的旋转框信息,实现了复杂遥感场景下的有向目标检测。为提升网络检测能力,该算法采用LSKNet网络提取输入图像先验背景特征,并添加跨空间多尺度注意力模块捕捉跨空间的特征区域,最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明,LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%,相对于H2RBox算法提升了4.7%,为基于水平框标注的有向目标检测场景提供了新的技术解决方案。

基于改进暗通道先验去雾的无人机目标检测研究

图像去雾是图像处理领域的一个重要研究热点。为了解决雾霾天气下图像的去雾与增强问题,提出了一种基于改进暗通道的去雾算法。首先为了使雾霾图像更接近无雾图像,提高图像的清晰度,该算法分别减少雾图像的RGB通道值,并结合每个减少的通道和其他两个先前未减少的通道,使用该图像去雾算法后再对三个新图像加权来恢复图像;为了解决图像天空区域出现颜色失真的问题,设置了一个参数K来分别计算天空区域和非天空区域的透射率;为了解决图像中亮度过暗和增加目标对比度,本文引入CLAHE的方法对图像进行增强处理。实验结果表明:本算法在5张图像的对比度值分别是MDCP和RSD算法的2倍多和3倍多,在5张图像中的信息熵均值为7.5589,均明显优于其余2种算法,并且该算法在雾霾天气下目标检测的平均精度可达73%,相比于未经处理图像前提升了15%,具有一定的可行性。

一种用于小景深相机的快速标定算法

高速在线视觉测量系统中,小景深相机难以从不同方位获取标定物清晰图像,从而导致张氏标定算法无解或计算误差较大,为此提出一种用于小景深相机的快速精确标定算法。获取位于待标定平面和与之平行平面上的一组标定物图像,线性求解得到相机镜头光心到待标定平面的高度,并根据相机姿态简化旋转矩阵,最后利用位于待标定平面的标定图像计算出相机内外参数。实验结果表明,标定图像组数最好取在13组左右,但仅采用一组标定图像也可以实现较高精度标定。在相机景深较小的情况下,该方法重投影均方根误差小于0.74 pixel,标定精度较张氏方法提高了约33%。

一种基于模板匹配的车牌字符自动识别算法

针对现有车牌识别算法存在的环境适应性差,识别正确率低和识别时间过长的问题,提出了一种基于模板匹配的车牌字符自动识别算法。将所采集的车牌图像进行车牌定位、车牌预处理、车牌分割,实现车牌准确识别。车牌定位采用基于颜色的定位方式,并搜索区域内有效像素,保证定位成功。为了提升去噪性能,车牌预处理过程中采用了离散余弦变换和形态学处理技术。为了提高分割精度,利用水平投影获取上下边界,再利用垂直投影获取字符宽度后分割。最后采用模板匹配法识别车牌字符,缩短了识别时间。实验表明该算法运行时间短,识别正确率达到100%。

基于多尺度特征融合和残差混合注意力的点云配准算法

为提高点云配准的精度、鲁棒性和迁移性,提出一种基于多尺度特征融合和残差混合注意力的点云配准算法。计算点云中不同尺度的k邻近图,分别进行不同深度的边卷积提取特征并融合为新特征,使用具有残差结构的混合注意力模块增强有效特征,通过Transformer和软指针预测变换后的点云,用可微的奇异值分解求解刚性变换。在ModelNet40数据集进行实验,其结果表明,所提算法在干净、有噪声、未见过的点云数据上的配准结果精度更高,噪声鲁棒性更强,迁移性更好,优于对比点云配准算法。

基于强化特征学习和表达策略的孪生网络跟踪算法

针对基于全卷积孪生网络跟踪算法在面对相似物干扰、光照变化等复杂环境时容易出现跟踪漂移的问题,本文在分析与实验基础上提出如下特征强化策略。首先,将改良的深度卷积神经网络VGG16引入跟踪框架来提高模型的特征学习能力;其次,针对单一特征无法充分描述目标信息,且对干扰物比较敏感的问题,本文设计一种特征增强模块,由浅至深融合不同层次语义信息来提高特征的表达能力;最后,提出一种轻量级的三元注意力机制,帮助模型自适应关注优势特征,进一步提高了模型在复杂环境下的鲁棒性。将上述策略应用到全卷积孪生网络算法上取得了显著的效果。在OTB100数据集上,本文算法成功率曲线下面积较基准算法提升了15.1%,距离精度提升了16.3%,在复杂环境下也能对目标进行有效跟踪。

基于非局部结构张量的图像去噪算法

针对非局部均值滤波在计量像素补丁之间的相似度不够准确的问题,该文先引入各向同性中心凹算子对像素补丁进行预处理,以抑制噪声的不良影响,随后再进行相似度计算,且为了充分利用图像中像素点的几何结构等细节信息,进一步提出了基于非局部结构张量的非局部均值去噪算法。实验结果表明,所提算法相较于传统非局部均值去噪(NLM)和基于结构张量的非局部均值去噪(STNL)在峰值信噪比上分别提高了6.57%、2.1%,同时视觉呈现上也有明显提升。

基于核空间优化SVM的单用户频谱感知算法

在认知无线电领域中,由于噪声随机动态变化引起信号聚类重叠,导致能量检测性能较差,为了解决能量检测效率低以及噪声变化对频谱检测性能的影响,提出了一种基于核空间优化SVM的单用户频谱感知算法。该算法将支持向量机和核空间优化相关理论相结合,通过对信号频谱占用以及空闲两种状态构建出认知信号,对信号进行小波降噪处理后,构建出特征向量进行训练和学习,从而得到判断频谱状态的分类模型,并利用自适应t分布变异策略以及萤火虫扰动算法对被囊群算法寻优过程进行改进和加速,优化训练搜索得到最佳核函数参数σ和惩罚系数C。仿真实验结果表明,提出的基于核空间优化支持向量机的单用户频谱感知算法和传统的能量检测以及协作频谱感知算法相比较,具有较高的检测准确性和鲁棒性。

基于改进Faster RCNN模型的输电线缺陷检测方法

针对目标尺度差异大和小尺度目标条件下输电线缺陷检测效果不佳的问题,提出一种改进Faster RCNN模型的输电线缺陷检测方法。利用多尺度特征提取区域建议网络,基于K-均值聚类生成适合于输电线缺陷目标的锚框集,使用ROIAlign操作实现特征映射。通过在包含绝缘子、防振锤、销钉和鸟巢4类缺陷图像的自建数据集上测试表明,该方法有效提升了不同尺度目标以及小尺度目标的缺陷检测性能,平均准确率均值达到95.57%。

秩约束的快速鲁棒主成分分析算法及应用

鲁棒主成分分析被广泛应用于计算机视觉领域,然而现有鲁棒主成分分析方法难以针对各种场景准确分离出低秩信息,而且计算成本高导致算法的实时性不足.针对这两个问题,本文提出了一种新型鲁棒主成分分析算法.一方面基于先验秩信息提出了低秩约束改进模型,提高算法在不同场景中的泛化性能;另一方面引入了黎曼优化理论,将目标矩阵投影到低维子空间上求解,减少算法的运算复杂度.各种实验结果表明,与现有算法相比,改进算法在速度上有非常大的优势,同时能够保证稳定的恢复能力.

一种低功耗工程机械车载终端的设计与实现

为了对工程机械进行实时信息化监测与管理,降低运行维护费用,提高工程机械运行效率,完善企业信息化管理,设计了一种低功耗车载信息采集与预警终端。该终端以STM32F407ZET6芯片为中央处理单元,重点监测工程机械实时油位、发动机运行状态、蓄电瓶电压参数、位置信息及姿态信息,将监测的相关信息通过4G通信实时上传到工程机械物联网管理平台,平台通过对相关信息进行综合分析、评判,达到对工程机械信息化管理的目的。经过上线测试,结果表明,该终端能够达到预期目标,并且性能稳定,能够用于对工程机械的监测与管理。

基于改良天鹰优化器的单目相机标定方法

为了提高相机标定精度,提出一种基于改良天鹰优化器的单目相机标定方法:通过张正友标定法计算得到单目相机的内外参数,根据所得相机参数计算标定图像中所有角点的平均重投影误差并建立目标函数,采用经过自适应分配机制、动态补偿策略以及非线性潮汐策略改良的天鹰优化器进行优化,获取最优的相机标定内部参数和畸变系数,从而提高相机非线性标定过程的寻优精度。实验结果表明,改良天鹰优化器算法在不同基准测试函数上寻优结果优越,本文提出的相机优化标定方法得到的标定结果精度更高,重投影误差为0.006 pixels。

基于KFCM和改进CV模型的海面溢油SAR图像分割

图像分割是合成孔径雷达(synthetic aperture radar,SAR)图像海面溢油检测的关键步骤之一,将核模糊C均值(kernel fuzzy C-means,KFCM)聚类方法及Chan-Vese(CV)模型应用于海面溢油SAR图像分割,为了解决单一KFCM方法分割精度不够高,及传统CV模型对初始条件敏感和收敛速度低的问题,提出了一种基于KFCM和改进CV模型的海面溢油SAR图像分割方法。首先利用KFCM算法将海面溢油SAR图像从原始样本空间映射到高维特征空间,得到聚类结果;然后将其作为CV模型的初始条件,以降低CV模型对初始条件的敏感性,并利用图像边缘强度取代传统CV模型中的Dirac函数,以提高模型的收敛速度和对不同SAR图像的适应性。大量实验结果表明,所提出的基于KFCM和改进CV模型的海面溢油SAR图像分割方法具有分割精度高、运算速度快的优点。

基于形态学算法的红外图像小目标检测方法研究

研究了单帧红外图像小目标的检测问题。对传统基于数学形态学的Top-hat算子进行分析和实验,发现依靠单独的Top-hat算子并不能准确地检测出目标,文章在Top-hat算子的基础上,利用一种分块自适应阈值和小范围内目标检测的方法进行目标检测,通过MATLAB仿真发现,这种方法能够在一定程度上提高单帧图像目标检测的成功率。通过在两个不同的场景中的实验结果分析,发现这种方法不仅适应于单一环境,在实际应用中具有一定的鲁棒性。

基于粒子滤波的自组织模糊神经网络算法研究

为了得到结构更加紧凑、泛化性能更强的自组织模糊神经网络,提出了基于粒子滤波(particle filter,PF)的自组织模糊神经网络训练算法。其能够对模糊规则进行自动生成和增删。文中给出了模糊规则生成准则,应用误差率下降方法作为模糊规则增删策略,删除作用不大的规则。建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,利用PF对参数进行了学习。最后,对两个实例进行了仿真,从仿真结果可以看出,与D-FNN、SOFNN、EKF-SOFNN等算法相比,其在结构紧凑性以及泛化性能上都得到了提高,从而证明了PF-SOFNN的有效性。

基于CLAHE和top-hat变换的手背静脉图像增强算法

为了克服光强,手背厚度对手背静脉图像的影响,提出一种新的手背静脉图像增强方法,对比度受限的局部直方图均衡(CLAHE)和top-hat变换相结合的方法。在进行CLAHE处理的基础上,利用top-hat变换提取图像的波峰和波谷,并将提取的波峰和波谷进行直方图修正,拉开灰度分布,再与之进行加减运算。实验表明,该算法能得到很清晰的增强效果。

基于SVM的生物电阻抗人体内脏脂肪测量研究

应用支持向量机(SVM)对生物电阻抗测定人体内脏脂肪过程进行测量建模,解决信号复杂,受影响因素多,难以建立精确预测模型问题。为提高预测精度,引入人体腹部形状作为测量人体内脏脂肪的相关特征参数,将SVM参数的选择和输入变量的选取看作组合优化问题,通过AIC信息准则构造组合目标优化函数,采用粒子群算法进行目标函数搜索,提高了搜索效率。通过仿真研究表明,所提基于SVM的生物电阻抗人体内脏脂肪含量测量方法具有良好的性能。

工件图像识别的边缘匹配方法研究

为了解决背景和噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种有效的基于边缘匹配的工件识别算法。该算法采用了Canny算子提取的边缘信息作为匹配特征,将改进的Hausdorff距离作为图像匹配的相似性度量,在搜索过程中采用了自适应代沟替代策略的遗传算法,在不损失解的质量的情况下,使遗传算法求解效率得到明显的改善。实验结果证明,该算法不仅加快了匹配过程,提高了抗噪性能,而且能有效解决具有平移、旋转和部分遮挡等情况下的图像匹配识别问题。

基于小波变换和同态滤波的内窥图像增强算法

由于受照明条件的限制,工业内窥镜图像存在比较严重的由光照不均引起的图像降质。在分析工业内窥镜图像特点的基础上,研究了使用基于照明反射模型的同态滤波方法增强内窥镜图像的方法。从空频分析的角度出发,提出一种基于小波变换的同态滤波方法,采用快速小波变换代替传统傅立叶变换,在变换域中对不同尺度上小波系数进行非线性增强,实现图像的对比度增强。实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法。