基于改进YOLOv2的动车组裙板螺栓检测

目前,动车组运行故障图像检测系统(TEDS)采集的动车组关键部位图像主要由人工判别,为提高裙板螺栓检测效率,提出一种基于改进YOLOv2的运行动车组裙板螺栓丢失检测方法.首先,通过K-Means聚类分析待检测螺栓区域目标框尺寸;其次,针对目标区域尺寸相似且较小的情况,在单尺度检测的YOLOv2模型中增加Spa-tial...     

基于金字塔多尺度融合的交通标志检测算法

为了解决传统交通标志检测算法针对小目标交通标志检测时存在误检与漏检的问题,提出了一个基于金字塔多尺度融合的交通标志检测算法;为了提高算法对交通标志的特征提取能力,引入ResNet残差结构搭建算法的主干网络,并增加网络浅层卷积层数,以提取较小尺度交通标志目标更准确的语义信息;基于特征金字塔结构的思想,在检测结构中引入4个不同预测尺度,增强深层和浅层特征融合;为了进一步提高算法检测精度,引入GIoU损失函数定位交通标志的锚点框,利用k-means算法对交通标志标签信息进行聚类分析并生成更精准的先验框;为了验证算法的泛化性与解决试验所用数据集TT100K的类间不平衡问题,增强与扩充了数据集。试验结果表明：本文算法的精确率、召回率与平均精度均值分别达到了86.7%、89.4%与87.9%,与传统目标检测算法相比有显著提高;多尺度融合检测机制、GIoU损失函数与k-means的引入能够不同程度提高算法的检测性能,使算法检测精确率分别提升4.7%、1.8%与1.2%;提出算法针对不同尺度交通标志检测时均有更优越的性能表现,在TT100K数据集中的(0, 32]、(32, 96]与(96, 400]尺度下的检测召回率分别达到90%、93%与88%;与YOLOv3相比,提出算法在不同天气、噪声与几何变换等干扰下均能实现对交通标志的正确定位与分类,证明了提出算法具有良好的鲁棒性与泛化性,适用于道路交通标志检测。     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

Solidworks环境下正多面体三维建模研究

分析了正多面体结构的特点,通过研究正多面体外接球与特征基本体———棱锥的参数关系,应用特征复制原理,介绍了在Solidworks环境下进行正多面体三维建模的方法。     

基于图像分割的金字塔Lucas-Kanade光流法提取深度信息

在2D到3D视频的转换过程中,深度信息的提取是最关键的问题。本文利用图像分割的金字塔LucasKanade光流法提取2D视频中的深度信息,主要做了如下工作:1是通过计算当前帧的最大运动矢量来决定所需构建的金字塔层数,通过自适应的方式决定金字塔层数可以弥补因金字塔层数过多造成的信息丢失或者因金字塔层数过少而无法满足Lucas-Kanade光流算法的不足;2是在每层金字塔中,利用Mean Shift图像分割后的信息,去除本次迭代计算得到的运动矢量中的坏点,使得深度提取更加准确;3是自适应地调整每层金字塔的迭代次数,使得在实验结果的质量几乎不变的情况下,达到降低时间复杂度的目的;最后通过统计图像分割每类中的深度值对所得到的深度图进行优化,使得最终得到的深度图中物体边缘信息更加清晰。实验结果表明,利用本文算法所得到的场景深度的边缘信息更加清晰,深度图中的坏点明显减少,在降低时间复杂度的同时,得到了较高质量的深度图。     

基于可控金字塔的轮廓波变换构造及其应用

针对轮廓波变换存在频谱混淆现象等缺陷,利用满足精确重构条件的可控塔式分解替代轮廓波变换中的拉普拉斯分解,提出一种由非抽样可控金字塔和方向滤波器组实现的可控金字塔轮廓波变换SPCT(Steerable Pyramid Contourlet Transform).在该变换中,可控金字塔将图像分解为多个不同分辨率的细节子带和一个低频子带,方向滤波器组再将各细节子带分解为方向子带.该变换去掉了可控金字塔的抽样环节,方向分解具有高度灵活性,因而具有平移不变性.利用可控金字塔轮廓波变换SPCT 对Lena图像进行自适应图像去噪,并与基于小波变换和轮廓波变换的去噪算法进行比较.实验结果表明,利用本文提出的算法能有效地抑制频谱混淆现象,并且更有效地保持了细节和纹理,其峰值信噪比和视觉效果均有较大改善.     

基于金字塔分解的分层光学相关匹配策略

在光电混合相关识别系统中,由于光电和电光转换的限制,相关运算不能以光速来进行,降低了系统实际的处理速度。该文将金字塔分解用于光学相关匹配,以实现分层光学相关,来提高海量图像的处理速度。首先分析了构建图像金字塔过程中的滤波方法和目标尺寸对相关结果的影响,从而选定了合适的图像金字塔类型,确定了系统所容许的目标尺寸,然后阐述了分层相关匹配的实现方法。利用该方法处理速度至少可提高约4倍。     

计算机求解两任意位置棱锥和棱柱相贯线的一种方法

本文提出了计算机求解两任意位置棱锥和棱柱相贯线的的一种方法,其中对于真假交点和重复交点的判断简便而有效。应用BASIC语言编制了一个通用程序,且已在APPLE-Ⅱ型微机上运行,取得了满意的结果。     

基于视频深度学习的铁路周界入侵检测算法研究

基于视频智能分析的铁路周界入侵检测算法相比于雷达、振动光纤,具有成本低、误报率低的优点. 针对视频中存在不同分辨率目标的问题,提出一种改进的Cascade Mask RCNN( CMR)模型,使用级联结构获得目标的准确定位. 为增强模型对小目标的检测能力,在原始模型的基础上,增加基于特征金字塔网络(FPN)的多尺度特征提取模块和基于空洞金字塔汇聚(ASPP)子网络的空间上下文增强模块. 在实际铁路周界入侵场景视频中验证了模型的有效性. 结果表明,该模型可实现不同场景下的铁路周界入侵检测,相较于原始模型,新模型对小目标检测的F-measure 提高了0.24. 模型既解决了不同场景下铁路周界入侵检测问题,又有效地提高了视频智能分析对小目标检测的准确率.     

Technique based on image pyramid and bayes rule for noise reduction in unsupervised change detection

In this paper, a technique based on image pyramid and Bayes rule for reducing noise effects in unsupervised change detection is proposed. By using Gaussian pyramid to process two multitemporal images respectively, two image pyramids are constructed. The difference pyramid images are obtained by point-by-point subtraction between the same level images of the two image pyramids. By resizing all difference pyramid images to the size of the original multitemporal image and then making product operator among them, a map being similar to the difference image is obtained. The difference image is generated by point-by-point subtraction between the two multitemporal images directly. At last, the Bayes rule is used to distinguish the changed pixels. Both synthetic and real data sets are used to evaluate the performance of the proposed technique. Experimental results show that the map from the proposed technique is more robust to noise than the difference image.