老年黄斑变性频域光学相干断层图像分割研究

提出了一种分割老年黄斑变性视网膜频域光学相干断层图像的方法.该方法通过如下技术在保持高精度的同时减少计算时间:首先采用费舍尔判别分析方法对视网膜各层分界面进行粗分割,其次采用曲率计算方法对玻璃膜疣进行检测,最后使用卡尔曼滤波优化分割效果.该方法对20卷体数据中220幅老年黄斑变性图像的三层分界面进行分割验证,在平均绝对误差小于3.29μm的同时,每幅平均处理时间小于42ms.与代表当前最好水平的文献相比,本文所提出的算法能在保持精度的基础上将处理时间缩短40倍,因而能更好地适应于临床需求.     

基于决策树的眼底图像渗出自动检测方法

自动视网膜图像渗出检测有助于糖尿病性视网膜病变的早期诊断,提出了彩色眼底图像视网膜渗出检测方法。该方法根据决策树理论,采用Messidor数据库,对视网膜图像进行分类,区分得到含渗出的病变图像和不含渗出的正常眼底图像。实验结果表明,针对不同光照下采集的眼底图像采用光照非均匀性的归一化处理,即使在光照变化的环境中,文中的方法仍然比眼科专家的人工判定表现出色,能很好地分割出渗出区域。     

基于神经网络的带钢表面孔洞检测系统研究

简要介绍了带钢表面孔洞实时检测中的图像处理系统 ,提出了一种应用边缘检测和聚类分析的图像分割算法对带钢表面孔洞进行准确快速的分割 ,同时采用改进的BP神经网络分类器对孔洞进行分类与识别 ,实验结果表明 ,该带钢表面孔洞实时检测系统具有较高的精度和较快的速度 .     

轻量化自适应特征选择目标检测网络

在小目标物体检测、多类别物体检测尤其是轻量化检测模型等关键技术研究方面仍面临较大的挑战,基于此,本文提出一种轻量化自适应特征选择目标检测网络.该网络以特征金字塔为基础,提取多尺度图像特征并从空间维度上对特征图进行滤波,从通道维度上自适应地选择特征图中更重要的通道,降低多通道下噪声和干扰对目标特征的稀释作用,减少特征图在传递过程中的信息丢失.除此之外,构建深度可分离卷积的分类网络,降低后续处理的计算量,加快检测速度,实现网络的轻量化处理.在PASCAL VOC 2007数据集上的检测平均精度为77.7%,检测速度为14.3帧/s.在MS COCO数据集上的测试结果表明,该网络在精度损失小于5%的情况下,检测速度远超FPN,比Mask R-CNN可以更好地兼顾检测速度和检测精度.     

结合波段选择的差分进化高光谱图像分类

高光谱图像具有数据维数高、有标签样本少的特点,影响了现有分类方法的效果。针对这一情况,提出一种结合波段选择的半监督分类算法。该算法首先通过波段选择方法,去除高光谱图像中的冗余信息,进而降低复杂度和提高泛化能力;然后通过差分进化算法交叉变异无标记样本,选取置信度高的样本扩充入标记样本群以提高分类精度。实验结果表明,该算法能够有效地提升在标记样本有限的情况下分类器的分类精度与分类速度。     

基于Faster R-CNN的多尺度高压塔鸟巢检测

为了解决复杂图像背景条件下高压塔上鸟巢检测的问题,提出一种基于Faster R-CNN的多尺度高压塔鸟巢检测方法.在特征提取方面,通过改进基于卷积神经网络的ResNet-50特征提取网络分别完成图像中高压塔和鸟巢的特征提取;在建议区域提取方面,提出在两种不同深度的卷积特征图上采用合理尺度的不同大小滑动窗口方式完成建议区域的提取,增强了对鸟巢的检测能力;在目标检测方面,提出在高分辨卷积特征图上进行上采样操作,并额外增加SENet特征增强模块,有效提高了目标检测效果.最后利用同时检测出的高压塔区域条件剔除了此区域之外的鸟巢检测结果,进一步提升了最终的鸟巢检测精度.该方法在2 000幅无人机实际巡检航拍的含有鸟巢的图像数据集上进行了测试.实验结果表明:本文方法的平均检测精度达到了84.55%.对比已有的基于HOG+SVM的检测方法和基于经典的Faster R-CNN ResNet-50检测方法,本文所提出的方法平均检测精度分别提高了43.5%和15.2%,并加快了检测速度.该方法为无人机电力智能巡检提供了一种新的解决办法.     

一种基于支持向量机和主成分分析的多光谱图像的分类方法

多光谱图像分类方面,由于普通的SVM方法没有考虑多光谱图像具有高维度和冗余的特点,因此难以实现令人满意的分类精度.本文提出了一种基于SVM和主成分分析相结合的多光谱的图像分类方法.并用5幅6波段两类地形的多光谱图像进行实验.实验结果表明,这种分类方法与普通的SVM方法相比提高了多光谱图像的分类精度.     

一种基于支持向量机和主成分分析的多光谱图像的分类方法

多光谱图像分类方面,由于普通的SVM方法没有考虑多光谱图像具有高维度和冗余的特点,因此难以实现令人满意的分类精度．本文提出了一种基于SVM和主成分分析相结合的多光谱的图像分类方法．并用5幅6波段两类地形的多光谱图像进行实验．实验结果表明,这种分类方法与普通的SVM方法相比提高了多光谱图像的分类精度．     

基于深度学习的图像语义分割研究进展

图像语义分割是对图像中的每个像素点进行分类,将图像中的前景和背景区分并且识别出每个前景的类别。随着深度学习技术的发展,传统图像语义分割方法在分割精度和分割速度上已经彻底被超越。针对深度学习图像语义分割方法研究现状进行综述,对近年来国内外基于深度学习图像语义分割方法主要思想、优缺点进行了分析和总结。提出了该领域目前存在的问题,对将来的发展进行总结和展望。     

基于分水岭的高光谱图像分类方法

近年来,高光谱图像的分类受到了广泛的关注,许多机器学习的方法都在高光谱图像上得到了应用,如SVM、神经网络、决策树等.为了提高分类精度,通常将图像的光谱信息与空间信息结合起来进行分类.本文提出了如何利用分水岭分割得到的空间信息来得到更精确的分类结果.首先利用分水岭得到图像区域信息,然后根据一个区域中是否含有训练样本而采取不同的策略得到该区域中所有点的类别.本文在两幅图像上分别用SVM和联合稀疏表示对该方法的有效性进行验证,实验结果表明该方法优于其他一些同类方法.     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

基于深度学习One-stage方法的焊缝缺陷智能识别研究

目前基于深度学习的卷积神经网络在对焊缝缺陷射线图像进行智能识别时,多采用基于候选区域的two-stage方法,检测速度难以满足实时性要求。针对该问题,提出基于深度卷积神经网络的one-stage焊缝缺陷识别定位算法,将整张图像输入网络,并直接在输出图像上标定目标缺陷位置及类别。通过采用特征金字塔、减小网络深度、引入跳跃连接卷积块和K-means算法等方法对YOLO网络进行改进,提高了网络对焊缝缺陷识别定位的准确率和速度。实验结果表明:该方法比two-stage识别定位算法和YOLO原网络在检测速度和检测精度方面都有所提升,单个图像的平均识别准确率为94.9%,召回率为94.1%,处理时间为19.58 ms,具备焊缝缺陷在线实时识别的工程应用价值。     

一种提高视频车速检测精度的方法

通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.     

基于改进RetinaNet的行人检测算法

为提高实际应用场景中行人的检测精度,提出使用高分辨率特征提取网络HRNet（High-Resolution Representation Network）并引入Guided Anchoring机制对RetinaNet算法进行改进,维持了特征图在特征提取过程中的高分辨率信息,同时使网络中的锚框自适应生成,提高了算法的检测精度。结果表明：该改进算法在Caltech行人数据集上取得了0.905的平均精度均值（mean average precision,简称mAP）,相比于标准的RetinaNet算法提高了6.0%,在每帧图像尺寸为1280×720像素的视频上检测速度达到了19FPS（每秒检测帧数） ,达到了检测精度与检测速度的均衡。     

视神经损伤的修复与保护机制研究年度报告

该研究计划通过分子生物学技术、神经电生理技术、组织化学与免疫组化方法以及视觉行为学检测方法,研究视神经损伤的病理及修复机制,探讨纳米材料、神经营养因子、新型Nogo受体抑制剂及抗炎因子等对视神经损伤的修复与保护机制,防治视神经及节细胞的损伤,为视神经假体的成功应用奠定基础。该年度主要在以下几个方面开展了研究:(1)探索微电极刺激视神经的安全电流强度范围、刺激时间时程;(2)测试电极假体插入视神经后的缺血状态以及缺血对视网膜的影响;(3)探索3,4-二羟基苯甲酸甲酯(MDHB)对氧化应激所致RGC-5细胞凋亡的拮抗作用及其作用机制;(4)探索原花青素对视网膜节细胞的保护作用及其作用机制;(5)探索Eph A2基因在视网膜神经节细胞损伤中的作用。     

基于三摄像系统的苹果缺陷快速判别

水果缺陷识别一直是计算机视觉水果实时分级中的研究热点，文中提出一种基于三摄像系统的逻辑判别缺陷的新方法．首先利用三摄像系统获取苹果在三个连续不同位置的9幅图像，然后对图像进行去背景、滤噪等预处理操作，再对图像进行缺陷的分割并加以标记，接着根据分割标记后的可疑区个数，对苹果缺陷的有无进行逻辑判别，即当这9幅图像中只要有一幅图像被分割出两个以上的可疑区，则判断该苹果有缺陷．试验结果表明，缺陷识别精度达到89．4％，另外由于该方法避免了缺陷和果梗或果萼直接识别，处理速度和正确率都得到了很大的提高，能够满足在线5—10个／秒的检测速度要求．     

一种基于图像处理的测量人眼屈光度的方法

针对验光仪在测量人眼屈光度时,特别是在测量高度近视或远视患者时,出现视网膜图像边缘模糊的问题,提出了一种针对模糊图像轮廓提取的方法,从而实现对视网膜图像几何参数的精准测量.该方法通过视网膜区域测量系统对反射环形图像进行采集,利用高斯曲线拟合的方法将环形图像与背景图像分离,求得亚像素边缘点的坐标,并运用曲率滤波方法对边缘点中的噪声点进行检测和剔除,进而由最小二乘法拟合椭圆轨迹,求出视网膜图像的几何参数,从而计算得到人眼屈光度.用此方法对中国计量院标准模拟眼进行测量,测量结果表明,其定位精度和抑制噪声能力可有效提高眼睛屈光度的测量精度.     

基于改进卷积神经网络的非合作无人机检测应用

针对“黑飞”无人机侵犯公民隐私、危害个人及公共安全,现有的无人机检测算法难以平衡检测速度和精度且对小目标的检测精度较低等不足,本文在YOLOv3的基础上进行改进,提出MS-Net (Multi-Scale Object Detection Network) 对低空中的无人机进行快速高效地检测,为实现后续的防护压制提供依据。针对锚点框,通过 K-means聚类方法得出更准确预测目标区域的位置。在特征提取部分,使用SSP (Spatial Pyramid Pooling) 提取更丰富的特征信息,提升分类精度。在检测部分,提出ESE (Enhanced Sequeeze and Excitation) 通道注意力机制在基本不影响检测速度的同时实现更加精确的多尺度目标检测。实验结果表明：该方法在由无人机、风筝、鸟等组成的数据集上的检测速度为51FPS,平均准确率(mean average precision, mAP)为91.39%,比 YOLOv3 网络提高了6.42%;特别地,在无人机目标上的平均精度（average precision, AP）提升了7.42%。     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题,本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法.算法考虑到人的视觉感官特性,首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初步识别和标定,然后再按照高精度图像检测要求采用分层检测的方法进行搜索,解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题.经过在高精度印刷图像的质量自动化检测系统中的应用,算法的速度和效果得到验证.     

基于差异图组合的遥感图像变化检测

针对传统差异图抗噪性差、检测精度低的缺点,文章提出了一种基于差异图组合的遥感图像变化检测算法。该方法通过傅里叶变换得到差值图的相位和对数比值图的幅值,对其组合后进行傅里叶反变换生成新差异图,最后用模糊C均值(fuzzy C-means,FCM)进行聚类。该文采用全色图像和合成孔径雷达(synthe tic aperture radar,SAR)图像进行验证,并与使用单一类型的差异图对比,结果表明,该方法由于利用差值图相位保留了图像中的弱变化信息,提高了检测准确率,且由于利用对数比值图幅值抑制了图像中的噪声,具有一定的抗噪性能。