采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K⁃means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明:当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增加,改进暗通道先验法的检测精度提升越来越明显,能更好地适应日间大雾天气下的高速公路。

基于先验算法的AD基因与影像的关联研究

阿尔兹海默病(Alzheimer’s disease,AD)已成为导致死亡的主要原因之一。AD的早期诊断和干预成为大多数研究关注的焦点。本文针对多个SNP的相互关联,将影像表型和基因变异之间进行关联研究。首先处理ADNI-GO/2期的基因分型数据,提取位于24个AD候选基因中±20K bp的SNPs;其次处理1515名参与者的MRI图像,得到1515个182×218×182的voxel影像数据,对获得的voxel影像数据进行降维处理,得到1515个61×73×61大小的数据;最后综合SNP数据与voxel数据,进行vGWAS(voxel Genome-Wide Association Study)分析。将关联分析结果应用频繁项集挖掘算法中的先验算法,得到满足覆盖率40%的具有遗传效应且区域覆盖率最大的SNP集合{rs6092321,rs7806,rs386274},本文揭示多个SNP在脑功能结构中的交互作用,对阿尔兹海默症早期诊断有重要意义。

基于先验算法的服装面料关联规则挖掘

针对服装企业多批多类面料的复杂性与需求非确定性,提出基于先验算法的服装面料关联规则挖掘方法。首先,多维度合并企业多批多类的面料属性信息。然后,遍历面料集合生成的频繁项集并分别计算支持度。再通过各种面料频繁项集支持度的约束条件,生成多批多类面料间的关联规则。最后,设计实验进行验证,结果表明该方法挖掘出的多批多类面料间的关联规则具有可靠性,有利于企业经济效益的提升。

改进的暗通道先验图像去雾霾算法

对图像去雾问题进行研究,提出一种改进的暗通道先验图像去雾霾算法。先根据图像亮度最高处的像素值计算大气光值,然后在获取透射率的同时参考峰值信噪比,利用迭代的方法求出使峰值信噪比最优时所对应的透射率,并采用导向滤波的方法细化透射率,最后通过有雾图像物理模型还原图像。实验结果表明,相比于经典的暗通道去雾算法,改进算法能够显著改善图像信噪比以及大面积天空图像出现的光晕问题。

结合Otsu阈值优化和多尺度融合的海上图像去雾算法

针对在处理海上图像时暗通道先验去雾算法对天空区域不适用以及复原图像易出现色偏的问题,提出一种结合天空区域分割与多尺度透射率融合的海上图像暗通道去雾算法。采用灰度和双边滤波预处理图像,基于大津算法(Otsu)阈值优化对预处理后的图像进行天空区域初分割,再进行基于梯度域导向滤波的天空区域细分割,并去除细分割图像中的阴影;基于天空区域分割改进大气光值估计方法,通过多尺度透射率融合获得初始透射率图,以及采用梯度域导向滤波细化透射率图;通过大气散射模型完成对海上图像的去雾处理。结果表明,与原始暗通道去雾算法相比,利用所提算法去雾后的图像在信息熵、结构相似度、峰值信噪比指标上分别提升了3.5%、9.89%、27.42%。该算法能够有效避免原始算法产生的光晕和色偏现象,且具有更好的视觉效果,能还原真实的海上场景船舶图像。

融合YOLOv5s与Criminisi算法的农业遥感图像去云方法研究

【目的】构建融合YOLOv5s与改进Criminisi算法的农业遥感图像去云方法,为云层干扰环境下地表信息获取、地表物的解译等研究提供支持。【方法】首先使用基于容差的暗通道先验(dark channel prior,DCP)算法去除雾和部分薄云,以提升图像整体对比度与云层边缘清晰度;然后融合YOLOv5s深度学习网络进行云层区域阈值分割,实现云层蒙版的快速精确自动提取;最后通过样本块大小自适应调整策略对Criminisi算法进行改进,实现遥感图像的有效去云修复处理。通过对含不同大小云层的遥感图像进行去云试验,并利用信息熵、峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)和结构相似性(structural similarity index measure,SSIM)4个指标对去云结果进行评价,以验证本研究算法的有效性。【结果】采用融合YOLOv5s和自适应样本块的改进Criminisi算法对8幅含云图像进行了修复,修复后图像的平均PSNR为21.01,平均SSIM为0.77;并对57幅模拟加云图像进行修复,其平均PSNR为28.59,平均SSIM为0.93,表明将改进Criminisi算法应用于遥感图像去云研究是可行的。在此基础上,对本研究算法的适用性以及阴影对去云效果影响的研究表明,不同大小和位置的云层干扰造成未知区域不确定度较大,对修复效果影响较为严重;阴影区域与云区域相接时存在阴影块填充,修复效果尚有待提升。【结论】融合YOLOv5s与改进Criminisi算法的去云方法可有效修复云层遮挡区域,同时保留较为真实的地表信息,可用于农业遥感信息精细感知研究。

一种改进的单幅图像暗通道先验去雾算法研究

针对经典的暗通道先验算法对图像去雾存在出现色斑、“白边”和细节缺失的问题,本文采用导向滤波与K阈值相结合的方法进行优化,并利用图像质量评估方法对优化后的算法进行测试和综合分析。经实验结果验证,优化后的算法比原有算法去雾效果更佳。

基于暗通道先验和灰度世界的自动白平衡算法改进

图像传感器在非标准白色色温光源下,拍摄的图像带有色偏,因此需要自动白平衡(AWB)算法。传统白平衡算法在极端光源条件下经常失效。提出了一种更有效的AWB算法。首先,根据暗通道先验理论检测白点区域。之后在白点区域和原图中应用二次映射矩阵。最后,结合非先验灰度世界算法得到精确的转换方程,对原图进行色彩还原。实验研究表明,所提出的方法在各种色温光源下均有显著效果,相比其他方法实现了更好的色彩还原,并具有更高的鲁棒性。

一种改进的暗通道先验去雾算法研究

为了解决经典暗通道先验算法颜色偏暗、过饱和,天空区域出现光晕、噪声等问题,提出了一种改进的暗通道先验去雾算法。首先,通过对大气光的物理意义进行分析,将图像天空区域的亮通道值作为估值;然后针对传统去雾方法先验条件改进透射率估计,根据Hue-Saturation-Intensity颜色模型的图像增强结果计算粗透射率;之后使用双边滤波的加速算法递归双边滤波对透射率进行细化;最后根据大气散射模型得到复原图像。实验结果表明,该算法的主观视觉效果与客观评价指标均优于其他对比算法,有效改善了色偏的问题,抑制了光晕效应,可以得到细节丰富,清晰自然的复原图像。

基于暗通道先验的镜面高光图像增强算法

针对现实场景中镜面高光图像信息丢失的问题,文章提出一种基于暗通道先验的镜面高光图像增强算法。该算法首先以暗通道先验算法为基础,重新更新了图像的全局光照分量以及边界约束;然后采用改进的引导滤波算法优化透射率;最后利用CLAHE算法增强图像的局部细节。实验结果表明,该方法可以有效增强镜面反射图像中的信息,其处理结果明显优于其他算法。

融合暗通道先验与粒子群算法的去雾改进算法

为了解决雾霾条件下传统固定值暗通道先验算法导致的去雾图像质量低、颜色失真等问题,提出了一种暗通道先验与粒子群融合的去雾改进算法。利用粒子群优化算法的特性,对每个平均亮度范围内的保留因子进行优化,然后将其代入暗通道先验算法中。同时,在求解大气光值时,采用中值滤波算法替代原有的两次最小值滤波算法。实验结果表明,相较于传统固定值暗通道先验算法,所提算法在图像的去雾处理上既在主观视觉效果上有所提升,也在客观评价标准上具有更好的表现。同时,该算法的运行速度也提升了约14.3%。

基于稀疏表达和暗通道的图像去雾霾算法

目前,雾霾所引起的图像模糊问题,主流的算法主要都侧重于处理雾气,对于霾没有相关的处理.针对此缺陷,提出了一种联合K-SVD(K-singular value decomposition)稀疏算法和暗通道先验算法的全新算法,来克服雾霾引起的图像模糊问题.图像的处理主要分两个步骤:第一步是运用KSVD稀疏算法去除图像中的霾恢复出只含雾气的图像,第二步通过经典的暗通道算法去除图像上的层层雾气.计算机仿真结果表明,该方法对于图像的处理结果要优于FVR(Fast visiblity restoration)算法,暗通道先验算法和直方图均衡化算法.

基于ECA-YOLOv5s的煤矿带式输送机异物检测网络模型

带式输送机是矿山重要的运输设备,但在运输过程中煤流容易混入锚杆、矸石、槽钢等异物,影响矿山安全高效生产。为实现实时、准确的煤矿带式输送机异物检测功能,基于YOLOv5s算法与通道注意力模块,构建出一种融合通道信息的改进ECA-YOLOv5s检测网络模型。该检测网络模型针对矿山煤粉尘干扰、光照昏暗不均的问题,引入暗通道先验算法对图像进行预处理,降低粉尘干扰,提高图像清晰度;其次为解决因矿山环境复杂,异物目标提取度有限的问题,在YOLOv5s算法的主干网络部分添加了3层ECA(Efficient Channel Attention)通道注意力模块,以增强检测网络对异物目标的提取能力;最后,将YOLOv5s算法中原损失函数GIoU替换为EIoU,以提升检测网络的检测精度和检测速度。利用矿山带式输送机监控视频制备训练、测试数据集。在带式输送机异物数据集上进行迭代训练测试,得到该检测网络精确率为95.8%,召回率为88.7%,平均精确率均值为75.4%,检测速率为39帧/s,模型体积为7.49MB。分别对该网络进行消融试验对比、不同注意力机制性能试验对比及不同检测算法试验对比,结果表明,ECA-YOLOv5s检测网络在带式输送机异物检测方面有着显著优势,可以满足快速、准确检测出带式输送机异物的要求。

一种基于改进的暗原色先验图像去雾方法

为了减小雾霾天气对户外视觉系统的影响,本文提出一种基于改进的暗原色先验图像去雾方法。首先,分析雾霾天气图像的成像机理;其次对传统的暗原色先验去雾原理和算法进行简单介绍和客观分析;再次针对传统暗原色先验去雾算法做了部分的优化和改进;最后采用不同的去雾算法对部分有雾图像进行仿真实验。结果表明,该方法可以明显地提高原始图像的清晰度和对比度。

基于Apriori多维传感参量沙棘质量监测系统设计

沙棘具有很高的营养价值,常被应用于植物原料提取行业。但由于沙棘品质监测技术的缺失,导致基于沙棘制造的副产品质量难以保证。目前沙棘质量检测主要采用单一的沙棘化学成份含量检测,难以满足对沙棘品质监测的技术需求。从沙棘生长特征出发,利用无线传感网技术和多传感技术对沙棘生长环境的多维度参数进行采集传输,基于改进Apriori(先验原理)对多维传感参量特征关联规则进行数据挖掘,分析标签值,选择出较高的沙棘副产品对应的沙棘生长环境特征数据,挖掘数据特征之间存在的映射关系,作为沙棘溯源质量监测评价的参考规范。基于Spark Streaming实时数据处理技术,构建沙棘质量监测系统。通过映射规则构造条形图直观展示,便于指导沙棘原料的筛选。从沙棘副产品质量监管出发,利用优质沙棘副产品溯源环境数据构建沙棘原料质量监测体系,提高以沙棘为原料的副产品品质监管。

基于轻量化SimAm-YOLOv7的煤矿输送带异物检测

煤矿带式输送机在运行过程中会混入煤矸石、铁器等异物,导致输送带撕裂,严重影响煤矿生产。为实现煤矿输送带异物快速、准确检测,提出一种基于轻量化SimAm-YOLOv7的煤矿输送带异物检测算法。首先通过暗通道先验算法提高煤矿输送带图像对比度,减少煤尘干扰;其次通过在YOLOv7中引入Ghost卷积减少模型参数,提高检测速度;最后通过在YOLOv7中引入SimAm注意力模块提升异物显著度,进而提高检测精度。实验结果表明,该算法相比原始YOLOv7算法mAP@0.5指标提高了3.9%,Time指标减少了1 ms。

MEMS陀螺仪随机序列趋势项提取算法

MEMS陀螺仪目前广泛应用于水下航行器中,但由于在测量数据中含有趋势项,导致序列非平稳,无法应用ARMA模型等时间序列分析方法对其进行分析,因此,需要探究有效的趋势提取方法提取序列趋势项。本文提出了应用平滑先验算法提取MEMS陀螺数据趋势算法,同时介绍了多项式趋势拟合及经验模态分解趋势提取算法,应用三种算法分别对同一实测数据进行趋势提取,选用正态性检验方法,对趋势提取后残余数据的平稳性进行判断,以此判定其趋势提取效果。数据处理结果证明,三种方法均可实现对MEMS陀螺数据的趋势提取,但是各种方法均有其应用的优劣性,需根据其不同应用条件进行优化选择。

基于数据挖掘的暂态电力斜坡均衡聚类算法研究

功率斜坡是由间歇性的风力发电引起的,在电力系统中需要始终保持负载和发电平衡,任何不平衡将会导致价格波动,电网安全等问题。进而造成电力系统稳定性问题,导致经济损失。文中采用Apriori算法的K-均值聚类和关联规则,基于平潭风电场记录的10 min时间数据,分析和预测风电发电中电力斜坡的发生。根据时间数据对5台空间不相似的风电机组进行聚类,通过K-means算法分析功率斜坡数据,并计算其的聚类均值和聚类标签。采用数据挖掘算法的关联规则分析风力涡轮机之间的电力斜坡事件,每个涡轮机对其他涡轮机的影响在每个时间步骤被分析为不同的转换。通过Apriori关联规则算法来发现这些转换间的运行规则,并用于操作室进行决策。

图像增强算法在车牌图像预处理中的研究与应用

雾天场景下摄像头采集到的车牌图像质量较低,在车牌识别系统中对图像预处理产生较大影响,从而造成车牌定位和识别效果较差。以雾天环境下实际采集的车牌图像为例,分别采用带色彩恢复的多尺度Retinex算法和暗原色先验去雾算法对实际图像增强进行仿真实验。实验结果表明,利用暗原色先验去雾算法对图像进行增强处理,能够提高图像的对比度,实现去雾效果,从而使车牌定位和车牌识别达到更好的效果。

基于DMSANet-YOLOv7的雾霾下绝缘子缺陷实时检测方法

针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特征提取能力和识别小目标能力,在主干网络结构后端引入双重多尺度注意力机制(Dual Multi Scale Attention Network,DMSANet);为减小模型尺寸,提高模型识别速度,采用基于SwinTransformer改进的C3模块替代E-ELAN模块;在预测部分使用Wise-IOU损失函数,提高模型收敛效率。实验结果表明,DMSANet-YOLOv7算法相较于原YOLOv7算法平均准确率、准确率以及召回率分别提高6.3%、7.9%、12.3%,单张图片检测速度达到12.3 ms,参数量为37.7 M。在提高检测精度的同时确保检测速度和性能的平衡,能够更好地搭载至无人机及其他平台,满足绝缘子及其缺陷的实时动态检测需求。