基于ACE与YOLOv5的电力遥感图像检测算法

针对电力遥感图像采集时存在大量浓烟以及数据样本少等问题,提出一种基于对数变换的改进型自动色彩均衡与改进后YOLOv5s模型的遥感图像去雾检测算法,旨在通过提高数据集的图像质量进而提高检测网络的检测精度。构建的改进型自动色彩均衡对电力遥感图像去雾增强,并通过图像质量和特征提取两方面进行了实验数据对比,实验结果表明改进的自动色彩均衡算法优于其它算法。其次,通过YOLOv5s检测算法对增强后的数据集进行训练,引入mosaic数据增强算法,并通过构建ghost卷积模块和NAM注意力模块降低了网络参数、提升了网络检测精度。

双选像素点的局部自适应ACE算法

针对自动色彩均衡(ACE)算法不能很好地保持图像原始色彩信息,并且算法复杂度高较难满足实时性应用的缺点,提出双选像素点的局部自适应ACE算法。将获得的图像变换到YCbCr色彩空间中,有利于保持图像的原始色彩信息,利用亮度图像的梯度信息与图像局部的均值方差信息进行双层像素点选择,降低算法的运算复杂度,采用局部自适应滤波调整ACE算法中的亮度控制函数,增强图像的局部对比度。实验结果表明,与传统的ACE算法相比,色彩恢复多尺度Retinex算法MSRCR的视觉效果更好,运行速度提高约150倍,计算复杂度得到了明显改进。

基于人眼侧抑制机制的自动色彩均衡化算法

针对传统自动色彩均衡化(ACE)算法增强后的图像局部效果较差、运算速度较慢等问题,提出一种基于人眼侧抑制机制的ACE算法。ACE算法模拟人眼的侧抑制机制,在目标点周边选取符合侧抑制有效作用范围的二维圆形区域,并在该区域内选取服从高斯分布的采样点,将目标点和采样点进行差分比较,增强对比度。该算法能使运算集中在相关度较高的像素点内,降低算法复杂度。实验结果表明,该算法具有较好的细节增强效果及较快的处理速度。

改进自动色彩均衡快速算法

自动色彩均衡算法模拟人眼视觉特性对图像进行增强,效果突出,但其缺点在于计算负荷较大,速度性能较差。提出了一种改进的自动色彩均衡快速算法,将多层卷积技术与自动色彩均衡算法结合,同时将全局信息与局部信息融合,极大地提高了算法的速度性能。对比实验结果表明,本算法解决了之前自动色彩均衡快速算法的"中性灰"问题,能快速有效地对高动态彩色图像进行增强。

一种改进Faster RCNN的工件检测算法

针对在工业自动化生产过程中,光线不佳,工件尺寸较小等外在因素导致的多种工件检测精度不高以及特征提取困难的问题,提出一种改进更快速区域卷积网络(faster region with convolution neural networks,Faster RCNN)的工件检测算法。在原有网络基础上,结合自动色彩均衡算法增加图像预处理模块,改善光照不均匀问题,获得高质量图像。此外,通过增加锚点个数并修改其尺寸优化网络模型,提高网络的拟合能力。实验结果表明,该算法对多种工件的平均检测精度提高了3.6%,符合工业自动化场景要求。