基于卷积-轮廓恒星图像算法的自由空间光通信系统调制方法

针对现有信号调制技术存在计算复杂、操作不便等缺点,该文提出了一种基于卷积-轮廓恒星图像算法的信号调制方法。传统轮廓恒星图像算法未能考虑单个样本点与全局样本点联系的缺陷,所提算法对其进行了增强;为解决增强后的方法计算量过大,引入了卷积运算和正交振幅调制方法。相关实验结果表明,所提方法在信号符长度为14000 bit时和图片分辨率大小为600 px×600 px时所需的运行时间分别为19 s和24 s,综合性能优于对比算法。因此,所提方法能够满足对自由空间光通信系统的信号调制性能需求。

基于STGCN算法的视频图像人体动作轮廓动态识别

人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(STGCN)算法,提出一种视频图像人体动作轮廓动态识别方法。文中采用OpenPose模型从视频图像中提取描述关节点位置的置信图和描述人体关节间连接情况的二维矢量场,构建人体动作骨架图。结合视频帧时间序列组建人体动作骨架时空图,将其作为STGCN模型的输入,通过时空图卷积操作充分捕捉人体动作的时空特征后,采用Softmax层获取动态识别到的视频图像人体动作轮廓;并在STGCN模型中引入两种注意力模块,强化网络特征提取能力,提高动作轮廓识别精度。实验结果表明,所提方法可以有效实现视频图像人体动作轮廓的动态识别,引入的两种注意力模块对STGCN模型进行改进,可提升其动作轮廓识别效果。

基于光照感知和特征增强的可见光-热红外图像语义分割

在智能光电设备中,基于人工智能的可见光-热红外(Red Greed Blue-Thermal, RGB-T)图像语义分割任务可以广泛应用于自动驾驶、无人机航拍、视频监控等。图像的光照信息能在一定程度上反映场景中图像局部区域信息的可靠性,利用光照先验信息有助于进一步提高语义分割的性能。基于此,提出一种基于光照感知和特征增强的RGB-T图像语义分割模型,通过挖掘光照先验信息并结合注意力机制,引导网络在多模态图像特征融合过程中更加关注可靠信息的提取,同时抑制干扰信息的引入。实验在MFNet数据集上与最新的12种方法进行了比较,相比于性能第2的模型,mAcc提高了5.4%,mIoU提高了1.0%。所提网络模型能够获得更准确的分割结果,并通过定性定量实验验证所提模型及各个模块的有效性。

结合Faster R-CNN与Grabcut算法的服装图像自动分割

为了实现服装图像自动分割处理,本文提出基于Faster R-CNN模型结合GrabCut的图像分割方法。利用快速区域卷积神经网络的基本框架,将街拍图的待检测任务分为上衣、裙子、包等六个类别,对原有的基本框架模型的全连接层参数进行调整,得到前景目标框作为GrabCut分割算法的初始框,再使用GrabCut算法进行服装区域提取,从复杂背景的图片中定位服装位置,去除复杂背景,实现服装区域分割。实验结果显示,本文方法能够很好的实现服装自然轮廓检测和提取,适用于图像局部弱轮廓边缘的检测及大批量服装图像分割处理,并且可供大批量处理图片时选择性自动款式类别提取,提高了服装图像分割处理的效率。

菌群细胞图像分离算法研究

颗粒图像分析中聚堆目标的分离对目标的计数及特征的提取非常重要.现有分离算法都要求聚堆目标粘连处凹陷比较明显,并且/或者存在灰度局部最小边缘.菌群聚堆细胞大小不一、聚堆形态各异,多数聚堆细胞并不具备上述条件.文中提出了一种基于聚堆区域轮廓跟踪、删除的分离算法,依据跟踪“虫”在跟踪过程中遇到已跟踪过轮廓点的情况判断分离的进行.实验结果表明算法对菌群聚堆细胞分离的成功率要高于现有算法10%以上.

联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。

医学影像技术发展及分割特点

医学影像技术发展到越来越先进成熟,但医学图像分割仍然是个难题。文章着重介绍医学影像的发展历程和医学图像分割技术的特点:在已有算法中加入新概念或新方法的同时,重视多种分割算法的有效结合。文章最后以主动轮廓模型(Active Shape Mode,ASM)算法、图割(Graph Cut,GC)算法以及图割-主动轮廓模型迭代(Iterative Graph-Cut-ASM,IGCASM)算法为例,进一步说明医学图像分割算法的共同特点。

基于改进3RDP算法的法线估计散乱点云轮廓提取

为解决通过法线估计利用角度阈值判断点云轮廓时提取的点云轮廓线不完整和不准确的问题,提出基于改进的三维道格拉斯-普克(3RDP)算法,并对法线估计法进行了优化。首先利用传统的法线估计方法在低阈值下获取轮廓特征候选点,通过3RDP算法对候选点进行抽稀,并对算法进行了改进。然后提出了利用主成分分析选取点集的基面,在主方向中找到原点和终点的方法,用以最小距离选取方式将点集进行排序。最后根据点到基面的距离判断点是否属于轮廓线上的点,同时去除内部点,提取目标物轮廓特征。实验证明了该算法可以很好地剔除法线估计方法中不属于轮廓线上的点,与传统法线估计算法相比,提取出的目标物轮廓线更加完整和准确。

带式输送机上散状物料堆积视频实时检测

针对非接触式散状物料堆积检测方法存在检测速度慢、在图像模糊场景下检测精度低、深度学习模型内存需求大等问题,提出了一种基于轻量化Mask-RCNN(掩码-区域卷积神经网络)的带式输送机上散状物料堆积视频实时检测方法。首先,通过暗通道先验算法对采集的图像进行预处理,以减少运输装载过程中粉尘造成的图像雾化现象,提高图像边缘特征。针对传统的Mask-RCNN的主干网络ResNet无法满足在嵌入式平台上对散状物料堆积进行实时检测的需求问题,将去雾预处理后的图像输入到基于MobileNetV2+特征金字塔网络(FPN)的主干网络中进行特征提取,生成特征图,并对主干网络进行轻量化设计,以部署在嵌入式平台上,对实时采集图像数据进行实例分割。为更精确地找到分割物体的边缘,提出了在传统Mask-RCNN的掩码分支中添加边缘损失的方法,利用全卷积网络层生成掩码,结合Scharr算子构造边缘损失函数,融合目标分类、边界框回归、语义信息得到实例分割图像。最后,通过判断散状物料堆积掩码内的像素值是否超过预设阈值实现散状物料堆积检测。实验结果表明:所提方法的模型内存需求降低到以ResNet101为主干网络的模型的1/5,经图像去雾预处理后的平均精度均值提高了8%,单张图像平均检测时间为0.56 s,检测精度可达91.8%。