基于经验小波变换和Beamlet变换的裂纹检测方法

在材料完整性检测中,基于计算机视觉的光学检测技术在纹理复杂、噪声较大的背景中准确地检测外部裂纹仍然十分困难。针对这一问题,提出了一种检测裂纹的算法。首先,将裂纹图像自适应地分解为频率分量以得到更好的稀疏表示,然后利用多尺度几何分析技术从重构的近似图像中稳健地提取裂纹的线特征。实验表明,该方法比其他方法能够更准确地检测出图像中的裂纹,在抑制背景纹理和保留裂纹信息这两个性能上取得了较好的综合效果。

数字图像相关的多尺度图像子区匹配算法

数字图像相关(DIC)是一种测量固体表面位移和应变的非接触式光学实验方法,其关键步骤是基于图像子区的图像匹配算法,但是图像子区的选择仍然是一个难题,过大或过小的图像子区都会对测量精度不利,为此,本文提出一种基于多尺度图像子区匹配的算法,利用权重函数族调整图像子区内各个像素点对图像子区相关性的贡献,使图像子区的边界完全变得模糊,实现动态调整图像子区大小,更加合适大形变或不连续形变的表面.实验结果表明,本文方法能够得到令人满意的测量效果,模拟实验中测量位移的相对误差仅为1.6%和2.8%;真实实验进一步验证了本文方法在材料表面发生不连续形变时能够有效监测到位移和应变的变化.

融合深度学习目标识别的监控视频摘要浓缩方法

随着视频监控的广泛应用,视频监控数据正在以极快速度增长,传统方法直接存储、传输、浏览原始视频,效率非常低下,因此急需适合监控视频的浓缩技术,能够在保留视频主要内容的前提下压缩监控视频,缩短时长、减少数据量。针对上述问题,提出一种高效的视频摘要算法,从海量监控视频中将感兴趣的对象提取出来并融合成独立的浓缩视频。首先采用视频跟踪方法,框定视频中运动对象前景,然后识别目标并进行分割,抠选出目标图像后根据其在原始视频中的时空轨迹,依次在时间轴上平移重排,以达到浓缩时间短、目标活动轨迹交叠小的目的。实验结果验证该算法能够有效浓缩监控视频,与现有方法对比,该方法在浓缩率和实时性两方面取得更好的综合性能。