一种评价自动目标检测算法性能的方法

提出一种自动目标检测算法性能的评价方法，设计了一种实景目标背景图像合成方法，由此可以得到满足测试目标检测算法性能的要求且度量参数调整方便的测试图像集，确定了１６个图像质量度量指标，建立了性能评价的响应函数模型，采用因子分析，多元相关回归分析和Ｌｏｇｉｓｔｉｃ回归分析方法，研究算法性能与图像度量的统计关系。实验表明，所提出的目标检测算法性能评价方法是合理的。     

基于试验设计的ATR算法的性能评价

在试验设计方法学的基础上，提出了一种定量评价自动目标识别算法性能的方法；给出了几种刻划场景变化的图像质量指标的定义和度量方法；提出了用响应曲面模型方法建立算法性能模型和描述图像度量与算法性能之间统计关系的方法．实验结果表明，仅需要少量的测试图像就可得到可靠的算法性能模型和可信的评价结果．     

基于试验设计的ATR算法的性能评价

在试验设计方法学的基础上，提出了一种定量评价自动目标识别算法性能的方法；给出了几种刻划场景变化的图像质量指标的定义和度量方法；提出了用响应曲面模型方法建立算法性能模型和描述图像度量与算法性能之间统计关系的方法。实验结果表明，仅需要少量的测试图像就可得到的可靠的算法性能模型和可信的评价结果。     

遗传算法在PCB板元件检测中的应用

介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法．从实际应用出发，找到了一种合适的图像相似性度量方法．提出利用代间差分遗传算法优化其搜索匹配速度，给出了算法实现的全过程．用实际拍摄的PCB板元件进行了性能测试，验证了代间差分遗传算法能提高检测速度．     

几种典型红外弱小目标检测算法的性能评估

对基于中值相减滤波、最大中值相减滤波、最大均值相减滤波和推广的结构张量的红外弱小目标检测算法的性能进行了评估.针对传统评估方法的不足,提出了一种基于支持向量回归的红外弱小目标检测算法性能评估方法.利用该方法分别从图像背景特性和目标特性2方面对4种检测算法性能的影响进行定量分析和比较.实验结果表明,图像背景特性和目标特性对4种算法的检测性能都有较大的影响,而目标特性与4种算法的检测性能的依赖关系更明显;在4种评估算法中,基于推广的结构张量算法比其他3种传统红外弱小目标检测算法具有更好的鲁棒性.     

基于奇异值分解的无参考立体图像质量评价

针对非对称失真立体图像,提出了一种基于奇异值分解的无参考评价算法.该方法首先考虑人眼对空间频率变化敏感的特性和双目融合特性,对立体图像进行Gabor滤波,基于奇异值分解的融合策略生成融合图.然后,采用亮度加权直方图的局部二值模式算法分别对融合图、左右子图像提取特征,并将左右子图像的特征向量融合、采用欧几里得距离和夹角余弦进行向量之间的比较;为度量非对称失真差异,利用图像相似度算法计算左右子图像之间的相似性.最后,将融合图的特征向量、子图像的融合及比较特征向量、子图像的相似度特征向量级联,利用支持向量回归(SVR)算法完成特征到主观质量分数的回归映射.在LIVE3DⅡ、Waterloo-IVCⅠ和Waterloo-IVCⅡ立体图像库上对本算法进行测试.实验结果表明,本算法性能良好,优于目前主流的立体图像质量评价算法.     

基于峰谷点特征的红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法．真实场景下长波红外目标图像实验证明了该算法的正确性和有效性．     

基于峰谷点特征和红外目标自动识别方法

研究了红外目标图像峰谷点特征提取的方法,提出了一种目标识别相似性度量准则,证明了这种相似性度量在尺度和小角度旋转等变化情况下的不变性,并在此基础上提出了一种基于目标峰谷点特征的自动目标识别算法,真实场景下长波红外目标图像实验证明了该算法的正确性和有效性。     

基于JointBoost I2C距离度量的图像分类方法

基于图像到类(I2C)距离度量的图像分类是一种新颖的方法,但其分类性能仍有待提高.为此,文中提出了一种基于JointBoost I2C距离度量的图像分类方法.首先生成原型特征集,该集合中的样本具有代表性,故计算测试图像到该原型特征集的距离更有效;然后根据JointBoost算法的思想,联合多个I2C距离度量生成一个强分类器,并将空间信息融合到强分类器中.实验结果表明,该方法在图像分类实验中具有更高的分类性能.     

基于清晰度评价的自适应阈值图像分割法

阈值法是一种被广泛使用的图像分割方法.本文从图像中信息的变化情况出发,提出一种基于图像清晰度评价的新颖的自适应阈值分割方法.该方法采用清晰度评价函数作为阈值化后图像内灰度相似性变化的度量方法,通过反复迭代并结合皮尔逊相关性直至找到最佳的分割阈值.通过多组图像数据尤其低对比度图像,包括钢板表面轻微缺陷等图像进行了测试对比.结果表明:相比传统阈值分割方法及其改进算法,在低对比度图像的处理上,本文方法能够自适应地准确找到合理阈值,具有优异的图像分割性能.     

多模型融合的输电线路绝缘子自爆故障检测

针对输电线路巡检图像中绝缘子自爆区域小、背景复杂与故障绝缘子类型复杂多样的特点,提出一种多模型融合计算的绝缘子自爆故障检测方法.通过分析现有绝缘子自爆故障检测算法差异性,选取检测性能差异较为明显的三个目标检测算法(Mask rcnn、 Retinanet、 Yolov3),计算得到巡检图像中绝缘子自爆区域坐标及置信度.再利用多模型融合计算,融合各模型检测结果.最后实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,得到绝缘子自爆故障检测综合评价值为94.81%.所提方法在平均准确率、召回率、准确率方面均高于单一模型检测结果.实验结果表明,本方法能有效实现架空输电线路无人机巡检图像中绝缘子自爆故障检测,对输电线路智能化巡检故障诊断具有一定参考价值.     

基于模糊增强的图像边缘检测的研究

对图像处理时的边缘检测算法作了分析和研究,介绍了基于模糊增强的图像边缘检测算法,详细研究了单层次模糊增强和多层次模糊增强的算法,并结合实验说明,该智能图像处理方法不仅能够明显的增强图像,而且可以检测到良好的图像边缘.最后,展望了这一新的研究应用领域的发展前景.     

不同Alpha-Beta滤波算法的精度分析及改进

机动目标跟踪是雷达应用系统的一个重要组成部分,在机动目标跟踪中,目标的跟踪精度作为一项能够反映跟踪算法好坏的指标,是大部分人所关注的重点内容.通过对四种传统的Alpha-Beta滤波算法进行精度分析和比较,总结出四种算法的滤波特点,根据这些特点,改进得出了一种自适应Alpha-Beta滤波算法.该算法相对于传统的Alpha-Beta滤波算法来说,整体滤波效果是最优的,精度也是整体最高的.     

改进RetinaNet的无人机小目标检测

无人机技术的不断成熟,使得搭载高效视觉系统的无人机应用也更加广泛。针对无人机航拍图像中小目标较多、分辨率低等原因导致的检测精度不高的问题,提出了一种改进RetinaNet的无人机航拍目标检测算法。算法针对特征图中小目标信息提取不足的问题,设计了多阶段特征融合方法,并将其与注意力机制串联设计了特征挖掘模块,可以在浅层特征图中融入深层的语义信息,丰富小目标特征;设计了基于中心点检测的无锚框(Anchor-free)方法,网络通过对中心点的回归来定位目标,而不是通过固定大小的锚框去匹配,这样做可以使网络对小目标的回归更加灵活,提高了算法的整体性能;且通过深度可分离卷积方法对网络进行轻量化设计,以压缩模型大小并提高检测速度。实验结果表明,改进算法较原RetinaNet算法平均精度提升了8.5%,检测速度提升了6帧/s,且与其他先进算法相比也具有性能优势,达到了检测精度与检测速度的均衡。     

基于深度学习与图像处理的废弃物分类与定位方法

针对现有人工垃圾分类工作环境恶劣、自动化程度差等问题,提出基于深度学习与图像处理的废弃物分类与定位方法,为智能分拣提供理论依据.建立基于Inception模块与残差单元,搭建改进的卷积神经网络废弃物分类模型,预测目标物体种类.针对复杂环境采集到的图像,利用图像处理算法对图像降噪、阈值分割、边缘检测,有效提取目标轮廓信息,并结合质心定位算法实现废弃物准确定位.实验结果表明:该方法中废弃物分类模型预测准确率可达88.8％,基于轮廓信息的质心定位算法可以准确定位目标,具备较强的废弃物分类与定位能力.     

视频运动目标检测方法的对比分析

针对视频运动目标检测领域的研究现状,对帧间差分法、背景建模法、图像分割法、聚类分析法、运动矢量场法等视频运动目标检测方法的算法适应性、复杂度等性能进行了对比分析.辅以典型的视频运动目标检测实例,比较了各种方法的适用范围与优劣特点,可为不同应用场合下视频运动目标检测方法的选择提供参考依据.指出了现阶段视频运动目标检测技术研发的瓶颈所在,以及在新的应用需求背景下所面临的挑战,并对进一步的发展趋势作了预测和评估.     

前方车辆图像识别与纵向安全域控制方法研究

提出一种基于单目视觉的前方目标车辆图像识别与纵向安全域控制方法。利用目标车辆视频图像的小波分形特征进行图像识别,并采用粒子滤波对检测结果进行实时动态跟踪,在此基础上,结合单目机器视觉感知技术测量纵向车间距,并建立纵向安全域控制模型,最后进行了仿真分析。实验结果表明,该方法有效缓和了目标车辆图像检测准确性与实时性之间的矛盾,在保证行车安全的同时,兼顾了道路通行能力。     

Sentinel-1双极化数据舰船目标几何特性提取

 舰船目标几何特性提取是合成孔径雷达（SAR）图像海上目标检测识别的重要基础。在具有几何真值样本的基础上,通过参数寻优和拟合回归,能够提高几何特性提取的精度,这在TerraSAR-X数据上已有研究。本文考虑Sentinel-1大部分情况下均能提供双极化数据这一特点,探索双极化信息能否进一步提升几何特性提取的精度。基于OpenSARShip测试库,首先使用二维度滤波进行图像处理,该图像处理过程中的关键参数使用交叉熵方法进行寻优,在大样本基础上,得到最优参数;之后,在目标几何特性的图像处理提取结果上,综合传感器、环境、目标3方面信息,特别是融合双极化信息,使用多元线性回归模型进行拟合,得到比仅用单极化信息更高的几何特性提取精度,证实了双极化信息的可用性。     

图像融合研究新进展

数字图像融合是对多幅源图像的信息进行综合,以获得对某一地区或目标更准确、更全面和更可靠的描述,从而有利于图像后续的分析和理解,如图像分割,分类和目标的检测,识别.该文给出了数字图像融合的形成及其发展过程,比较了不同层次图像融合的特点,重点阐述了图像融合方法的新进展,总结了目前被研究者广泛采用的图像融合效果评价指标,提出了把图像融合机理和融合目的考虑在内的融合模型,并对图像融合目前存在问题以及未来的发展进行了展望.