基于像素差分网络和边缘方向插值的图像缩放算法

通过对图像在缩放过程中使用的不同插值算法分析比较,针对新的边缘定向插值算法中存在人工选取经验阈值的随意性与边缘轮廓连续性的问题,本文提出一种基于像素差分网络和边缘方向的图像缩放算法。从人工选择阈值完成边缘分割改为利用像素差分网络实现边缘分割;对边缘点3×3区域查找边缘线方向作线性插值,以保持图像边缘轮廓的连续性,从而保留图像边缘结构。实验表明:该算法能在提高图像分辨率的基础上保留图像所具有的边缘结构,有较低的时间复杂度,同时对于不同图像该算法具有较好的普适性。

基于改进像素差分神经网络的碳管多层编织成形视觉检测

针对碳管预制体编织成形过程中编织网轮廓缺陷人工难以及时发现的问题,提出了多层碳管预制体编织网编织过程中的轮廓视觉检测方法。在原始像素差分神经网络的基础上进行改进,采用SimAM模块实现了网络的轻量化和更好的注意力关注效果,使用平衡交叉熵损失解决了碳管编织网数据样本分布不均匀的情况,同时,提出一种逐像素的编织网轮廓比对方法来判断编织网状态,以此判断编织网是否出现缺陷。试验结果表明:与原始像素差分神经网络相比,改进的像素差分神经网络对编织网轮廓提取结果的ODS和OIS分别提高了2.4个百分点和2.6个百分点。认为:改进的像素差分神经网络对于碳管编织网轮廓实现了更为精确的提取,更加适用于碳管多层编织成形视觉检测任务;逐像素比对方法对编织网轮廓缺陷可以实现准确及时的判断。