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。

基于全局感知和高斯分布的钢材缺陷检测

针对钢材表面缺陷检测易受背景干扰且尺度信息差距大等问题,提出一种改进的钢材表面缺陷检测算法MN-Yolo。引入全局感知GC模块,能够有效利用上下文信息,增强特征提取能力;设计一种多尺度融合模块MSF,以便更深层次整合多种尺度的特征信息,提高网络检测性能;引入WDloss,通过使用NWD度量BBox的相似性,改善对小目标缺陷的误检和漏检问题。在NEU-DET上验证可知,改进算法与原Yolov7-tiny算法比较,mAP、Precision、F1分别提升4.7%、5%、5.5%,FPS可达141,结果验证了改进算法的有效性。

基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法

针对复杂场景中的密集人群尺度变化、分布不均匀、背景遮挡等问题,提出一种基于多尺度特征融合与背景抑制的MFFBSNet人群计数算法。以视觉几何组网络VGG-16的前13层作为网络前端部分,引入空洞空间卷积池化金字塔(ASPP)和基于轻量级金字塔切分注意力机制(PSA)构建多尺度特征融合模块,以解决密集人群尺度变化问题;在网络的中间部分加入空间注意力机制以及通道注意力机制对特征图进行校准,突出图像人头区域;网络后端部分使用可加大感受野且不丢失图像分辨率的空洞卷积生成背景分割注意力图,抑制图像中背景噪声,提升人群分布密度图的质量。在ShanghaiTech、UCF_CC_50及NWPU-Crowd 3个公开数据集上的实验结果表明,相较于MCNN、SwitchCNN、CSRNet等算法,提出的基于MFFBSNet的人群计数算法的计数准确度较高。

基于复杂背景的多尺度特征融合手-物交互检测方法

针对手与物体在交互过程中不同场景的背景噪声、光照变化等复杂背景,以及手-物相互遮挡、分辨率低等问题对手-物交互检测精度的影响,提出采用一种两阶段的多尺度特征融合手-物交互检测方法。首先,引入基于特征金字塔的残差网络Resnet50作为特征提取主干网络,实现深层语义信息和浅层细节特征的多尺度融合,提高小目标检测的精度;然后,利用检测到的手部区域与物体区域的几何信息来判断是否交互,过滤非交互的物体;最后,在大规模的室内外包括11个类别的手接触物体的人类互动视频帧数据集进行实验,提高网络的泛化性能。实验结果表明,本文所提方法和两阶检测方法相比,在提高检测精度的同时没有增加网络模型复杂度,同时在数据集不同类别的检测精度相对稳定,有效提升了网络的泛化性能。

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。

基于背景感知与响应自适应融合的相关滤波跟踪算法

针对采用固定权重融合响应的互补学习跟踪算法存在的背景信息不足,训练特征单一以及模型更新策略差所导致的跟踪性能不佳的问题,提出一种背景感知与响应自适应融合的相关滤波跟踪算法。融合HOG和CN特征,将目标周围背景信息块作为正则项学习至相关滤波器中;提出一种相对峰值能量置信度方法,用于自适应调整相关滤波器和颜色直方图分类器的融合系数;根据平均峰值相关能量和响应峰值协同判断跟踪结果的准确性,决定模型是否更新。在OTB2013数据集上的实验结果表明,该算法具有实时性,OPE精确度和成功率相较基准算法(Staple)分别提升4.6%和3.7%,在复杂跟踪场景下,表现出了更加优秀的跟踪性能。

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。

近色背景果实识别的多源图像融合

为提高在近色背景下果实识别的准确性,减少非结构化因素对识别的影响,提出了基于近红外像机和可见光像机组合捕获多源图像进行融合的方法。首先对已配准的多源图像分别进行非下采样轮廓波变换(NSCT),得到高频系数与低频系数;对高频系数采用压缩融合,并通过CoSaMp恢复融合的高频系数;对低频系数进行小波分解,对分解的高频子带采用绝对值最大法进行融合;低频子带则采用基于几何距离和能量距离加权的融合方法,再通过小波逆变换得到融合的低频系数;最后对融合后的高、低频系数进行NSCT重构得到融合图像。试验结果表明,所设计方法有效地保留了图像的边缘轮廓,突出了图像的细节信息,在客观定量评价指标上均优于其他传统方法,其中与小波变换-非下采样轮廓波变换(DWT-NSCT)方法相比,最大提升达到15.59%。

雨夜条件下的红外可见光视频融合目标跟踪

针对雨夜条件下目标外观特性衰退,造成目标搜索与跟踪过程中难以适应混杂背景干扰及雨滴突变干扰的问题,提出了一种基于背景抑制的红外可见光融合目标跟踪方法。该方法考虑了目标跟踪时间和空间两方面的外观分布特性,采用了多通道成像数据对前景目标进行特征表示,有效抑制了夜间条件下的混杂背景干扰。在目标模型更新过程中,本文通过分析雨滴突变造成的目标表示变化规律,采用突变检测模型,降低了雨滴突变对模型更新的干扰。实验采用了真实环境采集的雨夜条件的红外可见光视频,实验结果说明,本文方法优于现有目标跟踪方法,能够有效提高雨夜条件下的目标跟踪精度。

融合动态-静态图像特征的运动目标检测方法

运动目标检测易受到多种静态、动态混叠噪声的影响。针对该问题,提出一种多级特征融合方法。采用运动显著性模型融合多种运动特征,检测运动目标的候选图像区域;以静态色彩特征建立目标区域和背景区域的混合高斯模型对候选区域进行二次检测,获得精确的运动目标图像区域。实验结果表明,该方法能够抑制复杂的混叠噪声,较为准确地检测出运动目标的真实区域。