基于深度学习的交通标志图像超分辨率重建技术研究

本研究致力于基于深度学习的交通标志图像超分辨率重建技术,通过构建深度学习模型,实现对低分辨率交通标志图像的重建。优化模型结构和参数,提高重建图像的清晰度和准确性。实验结果表明,该技术能够显著增强交通标志的识别效果,为智能交通系统的应用提供了有力支持。本研究的成果不仅丰富了深度学习在图像处理领域的应用,也为交通标志的识别与检测提供了新的技术手段。

用改进的Hough变换检测交通标志图像的直线特征

直线特征是交通标志图像中稳定而重要的特征,直线特征的正确提取,对于提高交通标志识别率是有意义的。针对已有Hough变换的缺点,如参数空间中的峰值扩散问题、繁重的计算复杂度和空间复杂度等,提出了一种自适应"多对多"Hough映射方式。新算法具有良好的时间计算复杂度、对阈值不敏感且能精确地提取出图像中的直线。实验结果表明,新方法的阈值选择范围是MTO_θ的3倍,而运算时间仅为MTO_ρ方法的10%左右。改进的Hough变换能在可接受的时间内准确地提取交通标志图像中的直线,还可用于其它图像(如票据图像、符号图像)中直线特征的提取。

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。

基于天空分割的单幅交通标志图像去雾算法

针对现有去雾算法应用于交通标志图像时容易产生信息丢失、色彩失真等问题,导致去雾后图像质量较低,不能很好地满足交通标志识别系统(TSRS)的实际应用需求,提出一种基于天空分割的单幅交通标志图像去雾算法。根据大津算法结合图像灰度特征得到自适应阈值实现天空区域和非天空区域的准确分割;非天空区域采取改进的暗通道先验算法去雾,引入自适应中值滤波和快速双边滤波联合的方法优化透射率,天空区域则采取直方图均衡化算法去雾;通过融合得到无雾图像;引入高斯滤波对严重降质图像进行去雾后清晰化处理。实验结果表明,去雾后图像在峰值信噪比等多个客观评价指标上的综合表现优于其他几种去雾方法,所提算法在保证较低的时间复杂度的同时,能有效地保留图像信息,还原出清晰的真实图像,满足TSRS的实际应用需求。

基于视觉传达技术的交通标志图像智能识别

针对当前交通标志图像识别错误率高、识别实时性差等缺陷,以提高交通标志图像识别准确率为主要目标,提出基于视觉传达技术的交通标志图像智能识别方法。首先,采集交通标志图像,并根据视觉传达技术对图像进行预处理,提高交通标志图像质量;然后,从交通标志图像中提取识别特征,并采用机器学习算法中的支持向量机对交通标志图像进行自动分类和智能识别;最后,采用交通标志图像识别的数据集进行仿真模拟实验。结果表明,所提方法提高了交通标志图像智能识别的正确率,识别速度大大提升,交通标志图像智能识别结果明显优于当前其他方法,具有更高的实际应用价值。

利用图像超分辨率提升交通标志分类精度研究

为了解决利用卷积神经网络进行交通标志分类时精度低的问题,通过将图像超分辨率网络与分类网络相连接,提出一种超分级联网络结构。首先使用改进的双重注意力机制超分辨率网络作为级联网络的子网络;然后训练图像分类网络,用于对超分辨率处理后的图像进行分类;最后利用分类准确率衡量超分辨率重构对图像分类任务的有效性。模拟和真实交通标志数据集验证结果表明,经过超分辨率处理的图像在分类模型中均取得了更高的分类准确率,证明了超分辨率技术对于交通标志图像分类准确率的提高具有促进作用。

医学图像标志点提取方法在神经外科手术机器人中的应用分析

手术机器人辅助神经外科手术系统的应用现已成为医疗机器人领域的重要研究方向。医学图像标志点提取是完成患者注册的重要环节,医学二维影像空间与患者三维手术空间匹配的精度直接影响整个手术导航定位系统的精度。其基本原理是:先获取包含预设标记点的目标图像,在目标图像对应的图像坐标系中进行标记点提取,获得预设标记点在图像坐标系中的位置,然后基于标记点在机器人坐标系中的位置和标记点在图像坐标系中的位置,得到两个坐标系之间的转换关系。本文将在介绍医学图像标志点提取方法基础上,以睿米手术机器人为例,分析医学图像标志点提取方法在神经外科手术机器人中的临床应用。

3D医学图像中标志点的自动识别与定位

目的:探索建立一种新的自动识别标志点的方法。方法:本方法主要分成三步:首先,根据标志点的灰度特征在3D图像上搜索标志点,并得到候选点;然后,计算出搜索到的候选点区域的亮度重心,并作为该点的位置坐标;最后,根据标志点大小、相互间位置关系以及标志点周围区域像素的灰度变化等特征,筛选出真正的标志点。结果:利用该算法对三维理想模型和真实CT重建模型上的标志点进行识别,实验的结果表明该算法能准确识别出这两种模型上的标志点,平均误差均小于2个象素。结论:该方法能快速准确地识别出3D医学图像中的标志点。它不需要人为干预,且不受标志点形状的影响。

一种运动图像标志点识别跟踪方法的研究

提出了一种运动跟踪方法。该方法通过对人体目标图像进行差分消影和遗传恢复 ,能够从自由背景中识别出人体运动图像的标志点 ,可以提高基于普通摄像机的人体运动分析系统对环境的适应性。初步的应用结果表明 ,这种方法对实验环境要求低 ,鲁棒性强 ,识别率高 ,不仅可以用于人体运动分析 ,而且对在其它自由背景下运动目标的自动跟踪也有很大的应用潜力。

基于多尺度深度学习的航空影像路面交通标志辨识研究

航空影像路面交通标志辨识准确率过低会导致路标信息接收不及时,进而威胁到驾驶员及乘客的生命安全,因此提出基于多尺度深度学习的航空影像路面交通标志辨识方法。采用12机位摄像机采集路面交通标志图像,利用图像颜色标准化和图像分量阈值化对采集到的路标图像进行预处理。结合DAE网络和EDFCC算法构建多尺度深度学习聚类模型,将预处理后的路面交通标志图像输入该模型中,根据模型输出的结果实现航空影像路面交通标志的辨识。实验结果表明,所提方法采集到的图像信噪比高、清晰度高、召回率高、准确率高。

基于小波变换的数字图像水印

提出了一种基于嵌入式小波编码的水印算法，将标志图像的水印自适应地嵌入到小波分析图像的不同位平面层和不同分辨率区中，嵌入强度由被嵌系数所处的层和区决定．实验结果表明，算法生成的水印具有较好的抗攻击性和不可见性．该算法的实现过程容易同嵌入式小波编码相结合，实现编码过程中的水印嵌入．

脉冲同步发放特性实现彩色交通标志分割

自然场景下道路交通标志自动分割是导航系统的关键环节,为充分利用交通标志特殊的彩色信息,通过模拟人类视觉感知中锥状细胞和杆状细胞感受色彩的过程,利用脉冲耦合神经网络的脉冲捕获特性和同步发放特性,分别计算不同颜色成分在R、G、B 3个色彩分量中神经元点火产生自动波的时间,用最大熵法求解最佳迭代次数,经过逻辑"与"运算得出分割区域。通过GB 5768—1999和自然场景彩色交通标志图像进行实验,对比传统的将彩色图像转化成灰度图像的实验结果,选定合适的参数,都能够完整地将交通标志区域从复杂背景中分割出来。采用视觉感知脉冲同步发放特性能够充分利用图像色彩信息,为脉冲耦合神经网络的彩色图像处理方法提供依据。

基于主成分特征向量系数的交通标志识别方法研究

对交通标志的识别研究一直是模式识别领域的研究热点。提出一种利用主成分特征向量系数和最近邻分类识别交通标志的方法,经验证取得较好的识别效果;同时,还研究探讨了交通标志图像的分辨率大小、主成分特征个数对正确识别率的影响。该方法的特点是交通标志图像来自真实环境,减小了计算量。

基于Pivots选择的有效图像块描述子

设计图像块特征表示是计算机视觉领域内的基本研究内容,优秀的图像块特征表示能够有效地提高图像分类、对象识别等相关算法的性能.SIFT(scale-invariant feature transform)和HOG(histogram of oriented gradient)是人为设计图像块特征表示的优秀代表,然而,人为设计图像块特征间的差异往往不能足够理想地反映图像块间的相似性.核描述子(kernel descriptor,简称KD)方法提供了一种新的方式生成图像块特征,在图像块间匹配核函数基础上,应用核主成分分析(kernel principal component analysis,简称KPCA)方法进行特征表示,且在图像分类应用上获得不错的性能.但是,该方法需要利用所有联合基向量去生成核描述子特征,导致算法时间复杂度较高.为了解决这个问题,提出了一种算法生成图像块特征表示,称为有效图像块描述子(efficient patch-level descriptor,简称EPLd).算法建立在不完整Cholesky分解基础上,自动选择少量的标志性图像块以提高算法效率,且利用MMD(maximum mean discrepancy)距离计算图像间的相似性.实验结果表明,该算法在图像/场景分类应用中获得了优秀的性能.

基于卷积神经网络的图像大数据识别应用

目前现有的图像大数据识别方法的收敛速度较慢以及识别进度较低,为了能够解决这一问题,在计算机技术中提出了一种基于卷积神经网络的图像大数据识别方法。本文即针对卷积神经网络进行概述,阐述几点基于卷积神经网络的网络大数据识别方法,并分别对卷积神经网络的图像大数据识别在图像型火灾、农作物病害图像、交通标志图像识别中的应用进行举例说明。

图像处理和特征分析在评估乳腺癌近期发病风险中的应用（英文）

图像处理和特征分析在乳腺癌早期诊断中发挥着重要作用。为了将一个基于左右乳腺X光片图像密度特征不对称性的图像特征分析方法应用于乳腺癌近期发病风险的预测,训练开发了一个以多图像特征相融合的人工智能分辨模型来预测每个妇女在近期(比如,在最近一次的良性检测以后2年之内)由医学影像检测出来的早期癌症的风险程度。介绍这一个新癌症风险预测模型的基本原理,演示一个新型的人机交互式的计算机辅助图像特征分析和计算的工作平台。初步实验证明,应用这一个基于医学图像特征定量分析的模型能够取得比采用现行其他已知的乳腺癌风险因子有着显著提高的对于近期乳腺癌发病风险的预测精度,这将为建立更有效的个性化乳腺癌普查提供依据和帮助。

基于自监督学习的变电站缺陷检测

为了在使用少量标注样本情况下提升变电站设备缺陷检测精度,提出一种基于自监督模型SimSiam的改进缺陷检测算法.不同于原始SimSiam,改进后的算法无需使用标志性图像(iconic images),如ImageNet数据集,而是直接利用非标志性图像(non-iconic images)如COCO数据集进行对比学习,并在下游的缺陷检测任务上获得可媲美有监督方法的性能.通过在投影层(projection head)和预测层(prediction head)中使用全卷积网络和空间注意力模块来代替MLP,保留高维特征的空间结构及局部信息;同时在计算相似度前先对特征图进行均值池化以得到特征向量,并对特征向量进行归一化以计算欧氏距离,从而改进了自监督对比学习的损失函数.实验结果表明该算法能充分利用非标志性图像进行对比学习,并在只标注少量样本的条件下提升变电站设备缺陷检测的精度,在表计表盘破损、挂空悬浮物、鸟巢、呼吸器硅胶变色及箱门闭合异常等5类缺陷检测任务上mAP达到83.84%.

基于机器视觉的工件状态校正装置(英文)

针对一种特种工件的生产环节,提出了一种采集工件状态的视频信号,利用数字图像相似率算法校正工件状态的完整方法和装置.研究了该工件生产环节的特殊性,通过对图像相似率算法的分析,设计了一种利用数字图像相似率算法进行工件定位和偏移角度计算的实用化方法,并结合该方法设计了校正装置的结构和工作流程.实验表明该装置可以有效完成工件状态校正的功能,比以往使用纯机械方式在结构和原理上简单,算法运算更加灵活,整套装置更容易实现,而且通过简单改造就可以适应多种生产环境的需要,有比较好的应用前景.

Research on detection of lane based on machine vision

To prevent a vehicle from departing the lane in assistant or automatic steering, real-time vision-based detection of lane is studied. The system architecture, detecting principle and lane model are described. Then the detecting algorithm of the lane image is discussed in detail. In this algorithm, several proper sub-windows in one image are first selected as the processing regions. To every sub-window, by means of such steps as appropriate pre-processing, edge detection and Hough transform, etc., the lane description features are extracted. Experimental results reveal that this detection method is of good real-time, high recognition reliability and strong robustness, etc., which can provide the decision-making foundation for the following automatic or assistant steering to some extent.

“南方丝绸之路”上发现的“立杆测影”文物

"立杆测影"是最古老的天文观测仪器之一,古代"南方丝绸之路"地区诸多遗址中出土了若干可能是"立杆测影"文物的遗物。其中包括三星堆遗址出土的青铜神树、羊首龙柱、公鸡杖首、太阳神鸟、牙璋等;盐源县出土的青铜树、羊首虎杖、青铜鸡杖等;云南石寨山出土贮贝器上的"表柱"、贵州汉墓出土的青铜树连枝灯、伏羲女娲石刻、广西苗族的"盘龙表柱等。这些"立杆测影"文物都与"树、龙、鸟、虎、羊"等动物标志性图像有密切关系。