Image segmentation based on competitive learning

lmage segment is a primat.‘y step in image analysis of unexploded ordnance (UXO) detection by ground penetrating radar (GPR) sensor which is accompanied with a lot of noises and other elements that affect the recognition of real target size. In this paper we bring forward a new theory, that is, we look the weight sets as target vector sets which is the new cues in semi-automatic segmentation to form the final image segmentation. The experiment results show that the measure size of target with our method is much smaller than the size with other methods and close to the real size of target.     

深度学习的车道线检测方法

随着人工智能技术的不断发展,无人驾驶技术已经成为当下社会发展的热门,车道线检测是无人驾驶技术的关键一环,但传统的基于视觉的车道线检测方法处理时间较长、过程繁琐、需要人为干预。基于深度学习的车道线检测可大大减少此类问题。文章设计了一个完成双任务的Enet网络,分别解决目标区域分割问题和不同车道区分问题,以实现端到端的检测。与主流车道线检测网络模型deeplab v3和YOLO v3进行对比。实验验证表明,网络模型的最终训练准确率为99.8%,相对于deeplab v3和YOLO v3网络分别提升1.2%和0.8%。     

Hierarchical Non-linear Image Registration Integrating Deformable Segmentation

IntroductionSegmentation and registration are two impor-tant problems in the field of medical image analy-sis. Traditionally, solutions have been developedfor each of these two problems in relative isolationfrom the other, but with increasing dependence onthe existence of a solution for the other. For exam-ple, model-based segmentation methods[1,2]need toregister individual data sets to a common frame ofreference, so that statistics about the models canbe gathered to guide the evolution of the…     

基于3D点云语义地图表征的智能车定位

为提高智能车节点定位准确率, 研究了基于3D点云语义地图表征的智能车定位方法。该方法分为3个部分: ①基于三维激光点云的语义分割, 包括地面分割, 交通标志牌分割和杆状语义目标分割; ②面向智能车的点云语义地图表征, 利用分割的语义目标投影, 生成带权有向图, 语义路, 语义编码, 再以语义编码和高精度GPS的全局位置组成语义地图表征模型; ③基于语义表征模型的智能车定位, 包括基于GPS匹配的粗定位和基于语义编码渐进匹配的节点定位。实验在3种长度不同、复杂度不同的道路场景下进行, 节点定位准确率分别为98.5%, 97.6%和97.8%, 结果表明所提出的定位方法节点定位准确率高、鲁棒性强且适用于不同的道路场景。      

基于人工智能的高速公路桥梁病害检测研究

研究了人工智能背景下如何将语义分割模型应用于高速公路桥梁病害的检测技术,使用PSPNet语义分割平台对高速公路桥梁裂缝进行模型的检测实验,试验结果表明,PSPNet语义分割模型可以对高速公路桥梁裂缝进行精准的检测,效果良好。     

基于机器视觉及结构光的隧道围岩结构变形测量方法及系统应用

隧道结构和支护体系的稳定性和安全性对隧道施工十分关键,为确保施工质量和安全,避免意外情况发生,需要对隧道施工过程进行监控,以及时采取应对措施。研究基于机器视觉及结构光的隧道围岩结构变形测量方法,采用测量相机实时采集隧道截面的线结构光图像,进行结构光中心提取,形成检测线,通过将检测线与历史检测线（基准线）进行对比分析,同时结合参考结构光源发出的基准轮廓结构光,校正主站自身位移,得到隧道全断面的变形测量结果。基于上述测量技术研制的系统在我国西南地区某隧道进行实测验证,其输出的拱顶沉降、周边收敛等测量值与全站仪测量的变形趋势吻合,测量精度及测量实时性满足要求,可进一步推广应用到更多的建设期隧道中,进行自动实时围岩结构变形监控量测,及时发现结构变形风险,保障隧道施工安全。     

改进卷积神经网络的船舶纹理图形分割方法

船舶从生产到投入使用,在作业中难免会因为焊接节点的设计问题、货物装卸的操作不规范以及诸如线性尺度较大、吃水较多而受风、流等外部环境的影响而对船体结构造成腐蚀,最终导致船体外部出现裂纹,给船舶的航行带来安全隐患。因此加强关于船舶裂纹的排查,是保证船舶安全行驶的关键。本文从改进卷积神经网络入手,以工程船为例,通过对其船舶纹理进行图形分割研究,提升智能检测的精准度,从而为运维检修带来一定的帮助,并为海上作业的安全性检测提供理论支持。     

基于红外热成像技术的近岸船舶位姿获取和识别

为实现对港口船舶的实时监测,采用红外热成像技术对视野内所有运动船舶位姿进行实时获取和识别,考虑到海港与内河港水域背景复杂程度的不同,分别采用改进的Otsu阈值分割技术和混合高斯建模技术,对实时采集的红外图像进行前景提取,实现港口水域内所有运动船舶的图像区域提取和准确定位。该方法显著提高监测系统的精度与效率,为船舶靠泊辅助系统的优化提供可行方案。     

基于MS-RG混合图像分割模型的道路检测研究

道路场景因其结构的多样性、纹理变化的复杂性和自然曝光的不稳定性,使得传统基于道路分割的道路检测方法大多存在信息冗余,并且存在边界丢失、模糊等质量问题.本文首先在道路图像上使用 Meanshift均值漂移算法,通过空间内的概率密度呈梯形上升去寻找局部最优,并搜索属于同一模点的像素然后生成获得超像素块.然后利用 Meanshift算法获得的聚类超像素块进行多种子点区域生长,规范生长规则,克服不能得到封闭边界的缺陷,改进道路图像的分割效果.实验结果表明,本文提出的模型适用性强,相比于传统方法有效地提升了分割准确性和实时性,可准确识别出图像中的道路信息,确保车辆能够行驶在可行驶区域上.     

基于光学遥感影像的船舶目标识别

针对海上船舶目标的识别问题,提出基于光学遥感影像的船舶目标识别方法.利用高分卫星遥感资料为数据源,选取高分遥感影像为对象进行图像增强、裁剪和图像切片等操作.在切片图像中进行局部阈值分割处理,研究最大类间方差法(Otsu)、最大熵值算法(Kapur,Sahoo and Wong,KSW)和基于遗传算法(Genetic A...