基于图像处理技术的水面漂浮物检测方法

文章提出一种基于图像处理技术的水面漂浮物检测方法,该方法通过分析和处理水面图像检测水面漂浮物。首先,对原图进行感兴趣区域提取和仿射变换,划分水面区域;其次,使用HSI(色调、饱和度、亮度)颜色空间对水面背景进行提取与去除,减小水面对后期图像处理的影响;最后,经过图像去噪、灰度图像增强、灰度化和阈值化处理、形态学处理、边缘提取和轮廓提取等步骤,实现对漂浮物的检测。其中,灰度增强采用了非线性映射函数提升漂浮物的灰度特征,以便更好地分离漂浮物。使用实际水域采集的图像对检测方法进行验证,结果表明,该检测方法在特定水域能较好地完成水面漂浮物的检测,准确率在90%以上。

基于深度特征提取的红外与可见光图像融合

针对红外与可见光图像融合算法中细节模糊、对比度低等问题,提出一种基于深度特征提取的融合算法。该算法模型具有较好的泛化性,通过迁移学习可应用于水利工程无人机自动巡检系统的安全监测。首先,利用滚动引导滤波对源图像进行多级分解。其次,针对基础层引入PCANet网络指导融合,针对细节层引入显著测量方法和引导滤波指导细节层融合。最后,将各融合部分进行叠加重构,得到融合图像。实验结果表明,该算法在主观视觉上具有细节信息丰富、高对比度的特点,在客观评价指标上也有较好的结果,尤其是标准差指标,较以往大部分方法领先幅度超过40%。