基于彩色空间转换与Hough变换的直线检测

根据图像在HSV色彩空间中,阴影在色度和饱和度通道中都与非阴影区域有明显的区别的特性。利用连续两次的HSV彩色空间变换,可以在图像中有效地区分出阴影与非阴影区域。Hough变换被广泛地应用于计算机视觉、图像处理、模式识别等领域。利用Hough变换来检测直线,其突出优点是鲁棒性较好。所以论文采用这两种方法相结合的算法对图像中的直线进行检测,并做了相应的实验,结果表明这种算法不仅可以检测背景比较复杂的情况,还可以提高检测的准确性。

一种基于CA-Net的面部口罩分割方法

佩戴不同材质、型号的口罩对病毒传播的防控效果各不相同,对图像数据集中的口罩进行分割,将有助分析不同类型的口罩在防控效果上的差异。当前,面部口罩检测算法较多,但缺乏进一步的分割,为此文中提出一种基于图像处理和深度学习的面部口罩分割方法。文中所提方法是一种改进的对比度自适应直方图均衡化预处理方法,其通过亮度自适应调整减少因部分图像过暗导致的传统预处理效果不佳的影响。以SSD(Single Shot MultiBox Detector)进行口罩预检测,对结果以CA-Net(Comprehensive Attention Convolutional Neural Networks)进行口罩分割。CA-Net以U-Net为骨干网络,增加了空间注意模块、通道注意模块和尺度注意模块以便同时实现关于特征地图的空间、通道和比例的综合注意力引导,突出空间位置、通道和尺度。使用该方法初步分割结果的Dice系数评价指标可以达到79.18%±3.44%;增加预处理和后处理操作后,Dice系数可提升至84.03%±2.81%,表明文中所提方法能够明显改善视觉分割结果。