基于GPR正演技术的路面反射裂缝图像解译研究

为了解决探地雷达图像的病害识别问题,基于有限元法求解三维电磁波波动方程,并编写MATLAB代码进行数值模拟,依托汉十高速路面芯样检测数据建立三维道路真实模型,并建立多种不同损伤程度、形状的反射裂缝,分析电磁波在反射裂缝不同发展阶段的传播规律。结果表明：随着反射裂缝深度的变化,探地雷达图像存在显著的差异,反射电压与裂缝深度存在一定的线性关系,通过实际电压图像可以计算路面反射裂缝的深度。研究结果为分析高速公路路面裂缝病害图像提供理论基础。     

大数据环境下舰船尾迹破碎图像高精度识别技术

针对原有方法在对舰船尾迹破碎图像进行识别的过程中,受破碎图像特征残缺的影响,存在大量难以检测的角点,在图像破碎度为40%～60%时存在特征抽样拟合率较低的问题,提出一种大数据环境下舰船尾迹破碎图像高精度识别技术。在大数据环境下,通过SUSAN角点检测算法这种大数据算法对舰船尾迹破碎图像进行角点检测。构建图像特征检测模型,利用构建模型对舰船尾迹破碎图像角点处实施特征检测,获取舰船尾迹破碎图像特征。通过构建舰船尾迹破碎图像高精度识别模型实现舰船尾迹破碎图像高精度识别。为了证明大数据环境下舰船尾迹破碎图像高精度识别技术实现了特征抽样拟合率的提升,将原有技术作为对比实验技术进行该技术与原有技术的特征抽样拟合率对比实验,实验结果证明该技术实现了特征抽样拟合率的提升,更适用于舰船尾迹破碎图像的识别。     

行李安检禁限带物品识别多标签图像分类算法

有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率。文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象。实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率。     

青藏铁路综合视频监控系统室外摄像机抖动频率特征分析

青藏铁路沿线多处区段常年多风,导致安装在铁塔高处的长焦摄像机产生抖动引起图像模糊,因此使用的长焦摄像机应具有防抖功能.而多个摄像机、镜头等生产厂家,均无法提供其电子防抖性能的具体参数指标,或无法给出光学/机械防抖性能参数指标来源.通过提出采用SURF算法提取匹配图像的特征点,介绍算法原理和算法实现过程,并开展算法验证和...     

基于图像检测的船舶特征分割与提取优化算法

船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。     

基于图像分割与目标提取的舰船遥感影像分析技术

舰船遥感影像分析技术在舰船目标识别、海上航运交通管理、资源探测和军事侦察等领域发挥着重要的作用,是一种快速、高效和准确的海上舰船信息获取方法。遥感技术的理论基础是电磁波原理,该技术利用遥感卫星等设备采集和分析远距离物体辐射和反射的电磁波信号,从而进行地面物体的探测和识别。由于遥感技术存在巨大的优势,因此,基于遥感技术的舰船遥感影像分析和目标提取有重要意义,决定了海上目标识别和海上监察的水平。本文针对舰船的高分辨率遥感影像,详细的介绍了图像分割原理和目标提取原理,在此基础上研究了一种全新的舰船遥感图像分析技术。     

遥感图像融合最新进展及展望

文章综述了遥感图像融合的基本概念,研究了遥感图像融合的分类及常用方法,对遥感图像融合评价进行了探讨,系统深入地分析了遥感图像融合面临的问题,指出了未来的发展趋势及解决问题的方向。     

一种基于特征的全景图拼接算法研究

提出并实现了一种基于特征的全景图拼接算法,该算法应用sobel算子对待拼接的两幅图像分别进行处理,以获取图像边缘及特征点,确定两幅图像重叠部分的灰度差以去除伪特征点并消除外界噪声,选取方差最小的两组特征点作为缝合点,从而确定两图像的相对位置,通过对图像重叠部分进行平滑处理实现了全景图的无缝生成。实验结果证明算法合理,运算速度快,效果良好。     

融合Lite-HRNet的Yolo v5双模态自动驾驶小目标检测方法

针对目前自动驾驶领域的目标检测算法在对道路小目标和密集目标进行检测的时候出现漏检的问题,提出一种融合Lite-HRNet的Yolo v5网络。首先为了获得高分辨率的特征检测图将Lite-HRNet作为Yolo v5的主干网络,以增强对小目标及密集目标的检测。为提升暗光场景下的检测性能,将红外图像与可见光图像进行动态权值融合,充分发挥可见光图像与红外图像的互补优势。由于主干网络进行了充分的特征融合,为加快检测速度取消在检测层中的特征融合结构。其次为了加快收敛速度和提高回归精度采用α-EIoU作为边界框损失函数,同时为选取针对数据集更合适的先验框,使用二分K-means算法进行聚类,并且使用小目标数据增强算法对数据集进行样本扩充。最后在flir数据集上进行对比测试,根据实验结果,提出的算法比Yolo v5在平均精度上提高了7.64%,小目标和密集目标的漏检率明显减少。     

海上船舶目标图像多通道并行传输系统设计

图像多通道并行传输具有数据流以及数据量大的特点,传统的传输系统在图像多通道并行传输中常出现目标图像数据丢失现象,为解决这一问题,对海上船舶目标图像多通道并行传输系统设计。系统硬件主要包括核心处理器、电源模块、传输模块和图像采集模块,其中核心处理器主要调整系统的运行频率,并采集船舶航信信号;电源模块是为海上船舶目标图像多通道并行传输系统提供各个直流电平;传输模块主要实现目标图像数据通信;图像采集模块主要采集海上船舶目标图像数据。系统软件部分主要对硬件采集到的信息滤波处理,对多目标图像分类识别,以此完成海上船舶目标图像多通道并行传输。实验结果表明,传统系统比此次设计系统出现目标图像数据丢失数量多,本文设计有效解决了目标图像数据丢失的现象。