基于YOLOv5的复杂背景下植物叶片检测研究

对植物叶片进行检测是研究植物表型性状的基础,但真实环境下叶片间相互遮挡、叶片边缘特征不明显、幼叶目标过小以及外部环境如光照条件等因素影响会对叶片检测效果造成很大的障碍。针对复杂背景下的叶片检测,该研究提出了一种基于改进YOLOv5模型植物叶片检测方法。通过在骨干网络中引入空洞卷积,使得网络可以捕获到更广阔范围的上下文信息;利用双向连接的加权特征金字塔网络,以增强目标叶片特征提取并更好地融合特征信息;利用注意力机制,通过动态地调整注意力分布,以提高边缘特征表达能力。测试结果表明,在Plant Village数据集筛选的葡萄叶片图像以及自拍摄葡萄生长叶片上测试改进算法的可行性,改进的YOLOv5模型其叶片检测mAP比原生模型提高了5.8%,遮挡叶片检测精度提高了7.09%。叶片检测效果有显著提升。该研究提出的方法可以有效解决复杂背景下植物叶片检测效果不佳的问题,为植物表型研究提供技术支撑。

融合暗通道与Retinex算法的水下图像复原研究

针对水下图像存在细节模糊和色彩失真等问题,基于水下光学成像模型,提出了一种融合暗通道先验和Retinex的方法。首先为避免场景中亮白区域影响,提出一种基于四叉树分解方法改进对背景光的估计,进一步分通道对透射率进行估计,引入自适应容差补偿机制,根据图像区域的明亮程度自适应修正透射率,并利用改进的导向滤波细化透射率,消除了图像块效应,利用优化的暗通道先验算法对图像进行清晰化处理得到复原图像;其次用Retinex算法提高水下图像对比度以及校正颜色畸变;然后依据复原图像与Retinex算法增强图像的特点进行像素级融合,最终得到复原后的水下图像。为定量评价复原算法,选取了信息熵、平均梯度和UIQM定量化评价因子。实验结果表明,所提算法在主观及客观评价方面均优于对比算法,为后续水下目标探测提供了研究基础。

结合色彩补偿与双背景光融合的水下图像复原

针对复杂成像环境下,水下图像存在颜色失真、细节模糊以及对比度低的问题,提出结合色彩补偿与双背景光融合的水下图像复原方法。通过分析光在水中的吸收衰减特性,提出改进的水下成像模型,基于Retinex理论与白平衡算法引入色彩补偿分量,降低水体背景颜色影响;根据背景光强度和颜色分布特性,提出双候选背景光融合方法,准确估计全局背景光;不依赖任何水体环境参数,根据背景颜色与散射系数的内在关系,采用引导-高通滤波,优化并增强各通道透射率;最后,逆求解成像模型复原水下图像。实验结果表明,在4个不同的水下数据集上与经典及新颖方法对比,所提方法恢复的图像颜色更自然,纹理细节更丰富清晰;色差值改善幅度达5.4%,UCIQE及FDUM指标提升幅度分别达8.3%和4.5%。所提方法在定性和定量实验中更具优势,能够显著提高水下图像质量。

基于固定背景的视频浓缩算法设计与实现

视频浓缩是通过图像处理和机器视觉等手段来完成从长时间的监控视频中提取到有价值的内容信息。在视频监控领域中,仅通过人力进行视频的筛查会造成效率低下以及漏报和误报的问题。文章通过相邻帧内容检测方法,运动片段检测方法配合Harris特征点提取算法和SIFT特征点提取算法实现图像特征点配准。提出双模融合的背景建模与内容检测方法,并且采用基于2D距离的运动内容跟踪方法以及GrabCut抠图算法进行了对视频浓缩算法的设计与实现。

抠像技术在电视节目制作中的实践探讨

实时抠像技术作为一种创新的视觉特效技术,在电视节目制作中得到广泛应用。分析传统抠像技术的原理和局限性,重点介绍实时抠像的关键技术,在此基础上,深入探讨实时抠像技术在虚拟演播室、体育赛事转播、综艺节目制作和新闻报道等典型电视节目场景中的应用实践,分析实时抠像技术如何提高节目制作的效率、灵活性和视觉呈现效果,展现其在提升节目质量、创新节目形态等方面的重要价值。

融合两帧差分法的改进视觉背景提取算法

针对视觉背景提取(visual background extractor,ViBe)算法在运动目标检测过程中容易受到噪声干扰的问题,将两帧差分法融入ViBe的前景检测阶段,提出一种融合两帧差分信息的改进ViBe算法(ViBe with two-frame differencing,ViBe-TD)。首先,设计单阈值形ViBe(single-threshold form of ViBe,S-ViBe)检测,为信息融合做准备;其次,基于逻辑斯蒂(logistic)回归模型,实现像素点上两帧差分和S-ViBe检测信息的融合;最后,综合两类检测信息完成前景像素点的判定。实验结果表明,ViBe-TD算法在4种不同场景视频上的检测效果达到了0.932的平均精确率,0.785的平均召回率以及0.842的平均F 1值。与原算法相比,ViBe-TD算法的各项指标平均有0.158的提高,具有良好的检测效果。

基于背景分割法的数码迷彩设计及伪装性能评估

针对自然环境中作战人员及军事设备的伪装隐蔽性问题,提出了一种基于背景分割法的数码迷彩设计方法。首先,通过分析环境场景的特征,采用特征提取技术,确定最佳的迷彩图案元素。其次,利用背景分割法进一步细化数码迷彩图案的色彩分布占比,使数码迷彩图案置于环境场景的任意位置都能保持良好的伪装隐蔽效果。最后,运用ResNet-50深度神经网络模型和Mask R-CNN迷彩目标分割模型对基于背景分割法设计得到的数码迷彩图案进行伪装隐蔽性能评价。结果表明,相比于传统迷彩设计方法,此方法得到的数码迷彩图案的伪装隐蔽性能显著提升,隐蔽融合度均值提高至99.00%以上,环境场景的相似度提高20.41%,平均分割识出率降低82.21%。

基于多特征无量纲向量的图像型管廊火灾探测技术研究

针对管廊火灾检测中背景干扰与小目标检测困难的问题,提出采用无量纲特征参数描述图像型火焰动静态特征的火灾检测方法。利用背景差分法分割火焰目标区域,分析火焰发展特性,提取、计算角二阶矩变化率(A^(*)_(ASM))、对比度变化率(C^(*)_(CON))、自相关度变化率(C^(*)_(COR))、面积变化率(S^(*))等无量纲特征参数;拟合无量纲特征融合向量T^(*)并在SVM模型中检验其可靠性。研究结果表明:通过对不同可燃物在不同空间环境下的燃烧视频随机200帧序列进行检测,发现提出的无量纲特征参数具有“稳定”的变化范围,对火灾火焰与一般火焰的识别率最高可达97.5%,98.0%,受监测空间环境的影响较小。研究结果可为图像型火焰特征提取提供借鉴。

基于注意力机制与编解码结构的人群计数网络

针对人群计数任务中背景干扰和尺度变化影响计数精度的问题,提出一种基于注意力机制与编解码结构的人群计数网络CAENet。网络以编解码结构为骨干,基于特征金字塔设计多尺度融合(MF)模块,使编码器中具有不同尺度语义信息的特征进行融合。引入通道注意力机制,使用一条单独的解码通道设计注意力模块(AM),将模块生成的注意力图反馈到解码器的各个阶段用于抑制背景干扰。网络通过逐级监督的方式完成训练,并将最后一层输出的密度图作为最终的预测结果。在多个公开数据集的测试结果表明:该网络在固定场景中的人群计数任务中具有较高的准确性,且鲁棒性强,泛化性能良好。

基于多通道融合和组稀疏编码的视频去雪算法

大雪天气严重降低成像设备所采集视频的能见度,视频去雪算法可以恢复降雪视频的质量.为了去除降雪视频中的雪花,提出一种新的多通道融合和组稀疏编码去雪算法.针对视频的每一个色彩通道中存在的雪花成分进行去除,提出了一种全新的基于低秩矩阵分解的多通道融合背景建模方法,用于恢复干净的背景.为了检测雪花和运动前景,将运动成分中的雪花和运动前景分离以保留运动前景部分,提出了一种基于L0正则化的阈值化方法检测运动物体并分离雪花像素.最后,对被细小雪花遮挡的前景物体采用基于空间适应奇异值阈值的组稀疏编码进行去雪花处理,得到干净的前景.将干净的背景视频和干净的前景视频合成为一段完整的去雪后的视频.

融媒体背景下云计算在智能媒资系统中的应用

常规的智能媒资系统设定的分类指令集群一般为单向目标式,对媒体资料的分类效果不佳,甚至存在信息无法对应的风险,导致系统执行响应时间增加,为此提出对融媒体背景下云计算在智能媒资系统中的应用与分析。针对实际的需求及标准,通过需求分析、资料整理业务与应用服务需求以及实录,审片需求进行系统设计需求分析。随后,进行系统硬件框架的设计,以此为基础,关联媒体资料分类功能模块,并综合云计算技术,构建多层级的分类指令集群,明确具体的覆盖范围,进而提升信息的保护程度,实现多层级云计算分类指令集群设计,最终接入云计算资料分类数据库,完成系统软件的设计。系统测试结果表明:通过三组测试的对比,系统的响应时间得到了进一步控制,均在0.5s以下,这说明该系统在云计算技术的优化下,媒体资料的分类效果以及速率得到了明显的提升,且误差可控,针对性较强,具有实际的应用价值。

基于语义信息引导的图像协调化

图像协调化在图像处理中占据着一个重要的地位,它旨在调整前景外观(如光照、颜色、纹理等)使其与背景在视觉上保持一致.然而,现有的基于深度学习方法通常将图像整体背景的特征分布作为线索来调整前景,没有注重语义信息对前景调整的关键作用,导致前景的局部区域与背景在视觉上出现差异.为此,本文基于多分辨率选择融合模块(Multi-Resolution Selective Fusion Module,MRSFM)和轻量级的卷积块注意力模块(Convolutional Block Attention Module,CBAM),设计了一个基于双注意力机制的多分辨率选择融合模块(Multi-Resolution Selective Fusion module based on Dual Attention Mechanism,MRSF-DAM),使得最后输出的特征图具有丰富的语义信息,从而引导网络更好地理解图像前景与它周围场景之间的相关性,使网络更加充分地从背景中获取协调前景所需的各种信息,最终缩小图像前景区域和背景区域在视觉上的外观差异.此外,本文设计了一个新的网络架构来选择融合浅层和深层的特征信息,通过对解码器前6层网络层与MRSF-DAM的输出特征图进行多尺度融合和增强,将产生的增强特征图送入解码器的最后层,能够缓解由跳跃连接引入的与前景内容的特征不相关的问题,且减少了由于解码器经过多次下采样带来的空间特征信息损失,进一步提高生成协调图像的真实性.在广泛使用的iHarmony4基准数据集上进行了大量的实验验证了本文方法的有效性.相比于目前最新的方法 SCS-Co(Self-Consistent Style Contrastive learning for image harmonization),本文方法在整个数据集的均方误差(Mean Squared Error,MSE)、前景均方误差(foreground Mean Squared Error,fMSE)和峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)上分别提升了4.28,61.97和1 dB.

一种基于STI-YOLO的锌花背景干扰下带钢表面缺陷检测方法

针对有花镀层钢板表面缺陷检测过程中由于锌花底纹干扰导致缺陷识别率低的问题,提出一种以目标检测算法YOLOv5s为基础并通过引入通道注意力机制和金字塔卷积网络的Spangles Texture Interference-YOLO(STI-YOLO)算法模型.根据缺陷数据集重新聚类,优化先验框;在特征融合网络PANet之前引入通道注意力机制SENet,抑制锌花背景的干扰;在预测网络之前添加金字塔卷积网络,取得更加丰富的上下文特征.实验结果表明,STI-YOLO模型提升了带钢表面缺陷的检测精度,平均精度均值mAP达到了95.79%,较YOLOv3、YOLOv4和YOLOv5s算法分别提高了13.13个百分点、14.59个百分点和2.07个百分点.检测速度为54.14 frame/s,满足实时性要求,可见STI-YOLO模型具有较好的检测性能.

SMARCA4融合相关肉瘤的临床病理学及分子遗传学特征

目的探讨SMARCA4融合相关肉瘤的临床病理学及分子遗传学特征。方法回顾性分析2例SMARCA4融合相关肉瘤的临床病理学及免疫表型特征,采用二代测序技术分析分子遗传学特征。结果2例男童年龄分别为7岁(例1)及12岁(例2),病变部位为右侧睾丸及右侧腘窝,临床表现为右侧睾丸及右侧腘窝的无痛性占位,肿瘤最大径4.5~7.0 cm。镜检:低倍镜下2例瘤细胞均呈弥漫片状及交织束状排列,瘤细胞疏密不等,呈圆细胞样、上皮样及梭形,肿瘤性间质为黏液性及胶原样基质,均可见凝固性坏死,核分裂象均易见。例1以黏液样间质为主;例2以胶原化背景为主。免疫表型:2例具有肌源性分化,表达desmin和SMA;部分表达CD99;SMARCA2、SMARCA4(BRG1)、SMARCAB1(INI-1)、ARID1A、H3K27ME3表达均无缺失,Ki-67增殖指数分别为60%、20%。2例随访时间8~22个月,例1未见复发及转移,例2复发,出现可疑肺转移。2例均检测到SMARCA4融合,分别为SMARCA4-DOCK6融合及SMARCA4-VEZF1融合。结论SMARCA4融合相关肉瘤是一种罕见的恶性软组织肿瘤,分子特点为SMARCA4融合。

基于自适应混合高斯模型的时空背景建模

提出了一种基于自适应混合高斯模型的时空背景建模方法,有效地融合了像素在时空域上的分布信息,改善了传统的混合高斯背景建模方法对非平稳场景较为敏感的缺点.首先利用混合高斯模型学习每个像素在时间域上的分布,构造了基于像素的时间域背景模型,在在此基础上,通过非参数密度估计方法统计每个像素邻域内表示背景的高斯成分在空间上的分布,构造了基于像素的空间域背景模型;在决策层融合了基于时空背景模型的背景减除结果.为了提高本文时空背景建模的效率,提出一种新的混合高斯模型高斯成分个数的自适应选择策略,并利用积分图实现了空间域背景模型的快速计算.通过在不同的场景下与多个背景建模方法比较,实验结果验证了本文算法的有效性.

基于两种扫描方式的雷达探鸟系统

介绍了雷达探鸟系统的研究现状,包括以鸟击危害咨询系统为代表的大型雷达探鸟系统和以Accipiter为代表的机场雷达探鸟系统.基于X波段海事雷达搭建了"雷达探鸟实验系统",分别验证了其在水平和垂直两种扫描方式下探鸟的可行性.本系统在两种扫描方式下采集的两组探鸟雷达图像序列,分别由飞鸟目标提取算法进行处理.经过背景差分、噪声抑制、目标信息提取和数据融合,将鸟情信息从原始雷达图像中提取出来,并将其与卫星地图或高度坐标系相融合,融合图像直观地反映了探测区域内飞鸟目标的分布情况.最后,对国内外雷达探鸟系统的性能作了比较分析.

灰度融合图像目标与背景感知对比度客观评价模型

目标与背景感知对比度是影响可见光与红外灰度融合图像质量的主要因素之一。现有的对比度评价模型未能充分考虑人眼视觉特性。因此,基于韦伯对比度模型的形式,结合人眼亮度掩盖特性,提出了一种简单有效的融合图像目标与背景感知对比度评价模型。利用模拟图像和现实场景灰度融合图像的主观评价分数来检验客观评价模型。结果表明,与现有的5种图像对比度评价模型相比,所提出的目标与背景感知对比度客观评价模型能够给出更接近人眼主观感受的评价结果,有效地实现灰度融合图像目标与背景感知对比度的客观评价。

复杂背景下基于图像融合的运动目标轮廓提取算法

运动目标轮廓的有效提取对于目标识别、跟踪和行为的理解等后期的处理是非常重要的。受背景复杂性的影响,当背景灰度和运动目标的灰度相近时,提取的运动目标易产生空洞,某些部位无法完全恢复。根据帧差法的基本原理,提出了一种针对复杂背景的运动目标检测、轮廓提取方法。首先,对图像进行滤波处理,采用最大方差比阈值法消除了剩余部分噪声和背景,然后在三帧时间差分法基础上,利用序列中多帧图像融合运动信息,并确定参考区域,通过对原图像进行回扫描,最终提取出完整的运动目标轮廓。实验结果验证了算法的稳健性和有效性。

目标跟踪中辅助目标的选择、跟踪与更新

在目标的动态背景中存在有利于目标跟踪的信息.使用辅助目标来描述目标的动态背景,在跟踪目标的同时建立辅助目标与目标之间的运动依赖关系.用多个辅助目标预测目标的位置,将辅助目标预测结果与目标跟踪器预测结果融合得到目标位置.方法包括,利用辅助目标与目标之间的运动依赖关系和辅助目标自身跟踪精度的辅助目标选择方法;使用多个低精度辅助目标跟踪器获得良好的目标预测结果的辅助目标跟踪和目标预测方法;以及根据目标跟踪结果更新辅助目标跟踪参数的方法.辅助目标具有多样性和独立性.基于辅助目标的目标跟踪方法可以与其他目标跟踪器结合,具有推广泛化能力.实验结果表明,辅助目标在目标跟踪中发挥重要作用,与其他目标跟踪方法对比结果表明,有更好的鲁棒性和目标跟踪精度.

基于图像多特征识别的空闲车位检测

车位空闲状态检测与识别是停车场自动泊车引导的关键技术,目前虽有多种检测识别方法,但就某一种方法而言,很难达到快速、准确的检测目的.原因在于每种识别算法各有所长,既有优势,又有不足,因而实际中需要结合采用两种或两种以上的方法才有可能达到满意的检测效果。基于图像多特征识别检测方案,提出一种融合边缘检测、封闭轮廓检测以及前景与背景的像素差异的联合检测方法,对每一个停车位进行综合检测,判断车位上是否有停泊车辆.实验表明,这种融合算法不仅十分有效,且具有较强的识别能力和较高的准确性。