森林灭火航弹智能观瞄投放控制系统设计

研制出一种森林灭火航弹智能观瞄投放控制系统,提高森林灭火航弹的灭火效率。文中以工控机为控制系统核心,通过RS232-CAN转换器向CAN总线分布式通讯节点实时地发布控制命令以及接收反馈数据,实现森林灭火航弹智能观瞄投放控制系统的高效实时可靠运行。文中描述了控制系统的硬件构成以及软件实现流程,并且对控制系统进行了相关功能的调试实验,经过实验验证,设计的森林灭火航弹智能观瞄投放控制系统可以正常运行,完成相应的控制功能。     

基于改进麻雀搜索算法的森林火灾图像多阈值分割

为了减少森林火灾对人们的生活和生态环境带来巨大的损失和破坏,采用图像处理技术对森林火灾进行精准定位和预判,可以有效地降低火灾的扩大和蔓延。针对火灾图像大津法分割算法计算量大、运行时间长和阈值选取不够准确导致分割精度不高等缺点,提出精英反向学习-莱维飞行策略的麻雀搜索算法,并将其有效地应用到指数熵多阈值图像的分割中进行寻优,通过研究最佳阈值对森林火灾图像进行合理的分割,并与其他三种指数熵多阈值图像分割算法进行了对比分析。结果表明:改进麻雀搜索算法的森林火灾图像多阈值分割技术能够及时获得火灾图像分割的最佳阈值,其分割的准确性、实时性和抗噪性均明显优于现有的灰狼算法、粒子群算法和鲸鱼算法,能够为图像处理的工程应用提供一种较好的阈值分割技术。     

基于改进的种子填充算法的混凝土裂缝图像识别系统

为改善传统裂缝识别算法抗干扰能力差、识别精度低等问题，通过改进现有种子填充算法，建立了混凝土表存裂缝图像识别系统，实现了裂缝信息的准确提取。预处理中，提出光照不均匀系数筛选算法对图像进行快速筛选，提高了匀光处理效率；裂缝识别中，对既有种子填充算法进行了改进，使之能自动确定裂缝的生长点，并结合八方向搜索方式和相对阈值法的边界判断实现了裂缝的图像分割，最后利用连通域滤波剔除了一系列复杂背景干扰；在特征提取阶段通过引入形态学处理、毛刺剔除及节点欧式距离等手段，准确获取了裂缝条数、长宽等量化信息。与传统混凝土裂缝图像识别算法相比，该图像识别系统实现了效率和精度更大程度的统一，且裂缝长、宽值的提取误差控制在了10%以内。     

基于视频图像的油田联合站火灾预警系统

研究了基于视频图像的油田联合站火灾预警系统,采用图像型火灾探测传感器获取联合站内火灾点的视频图像,通过改进的BP神经网络图像识别算法进行站内火灾爆炸实时识别及火灾点定位,实现联合站内可视化火灾探测与预警.实际运行表明,系统提高了联合站火灾预报的灵敏度和可靠性,能够有效保障联合站安全生产.     

一种通用的基于图像分割的验证码识别方法

针对粘连、扭曲,且存在干扰噪声的验证码图像识别性能欠佳的问题,结合卷积神经网络提出一种通用的基于图像分割的验证码字符识别方法。首先对传统Otsu阈值分割算法的阈值选取策略进行改进,提出基于局部最优阈值分割的Otsu法对验证码图像进行二值化处理。其次,采用改进的融合字符积分投影特性的复杂验证码字符分割方法对存在粘连情况的字符进行二次分割。最后,将分割得到的单个字符归一化后直接输入到基于卷积神经网络的LeNet-5模型中进行训练和识别,并输出识别结果。大量网站验证码图像的实验测试结果表明,提出的方法对粘连、扭曲,且存在干扰噪声的字符验证码图像有着较高的识别率和适应性,有效克服经典方法对于不同种类验证码识别的针对性和局限性。     

基于分水岭分割和颜色深度特征的眼球图像识别算法研究

为了提高眼球手术的成功率,提出了基于眼球图像分割和深度学习颜色特征的眼球图像识别算法.联合图像分割技术和深度学习技术,建立眼球精准识别机制.首先,采集眼球手术视频和图像,并结合阈值分割、分水岭分割和颜色区域分割,实现眼球目标的分割;然后,基于卷积神经网络,运用Python和pytorch的开源框架,开发深度神经网络识别模型,并结合大数据中医诊疗经验,构建专家检测系统,以准确定位眼球;最后,根据用户软件需求,开发出具有图像采集、视频采集、电子信息履历保存等应用功能的客户端软件.实验测试结果显示:算法有利于眼球图像分割系统的落地,为智能眼球图像分割系统设备提供了算法和软件参考.     

棉花异性纤维在线检测系统研究与实现

棉花异性纤维危害大,人工挑拣时效率低下。为了通过机器将其实时的分拣出来,研究并设计了一种异性纤维在线检测系统;其中包括棉流图像的采集、预处理,以及异纤识别等过程。通过两个高速线阵CCD扫描摄像机获取原棉图像,预处理时,针对图像中光照分布不均导致的亮度分布不一致问题,提出了基于行的照度不均修正技术;异纤识别方面,提出了基于四方向绝对差分的边缘提取;并通过阈值分割的方法得到异纤边缘。图像识别前,将图像按照执行机构排列进行均匀分割,使得算法输出指令可以直接对应到相应的执行机构。现场测试表明,该系统能够有效检测出异纤,速度快、精度高、可靠性好,实现了生产自动化。     

一种新的图像模糊散度阈值化分割算法

为提高灰度图像分割的效果,提出了一种新的基于图像间模糊散度的阈值化算法及它在多阈值选择中的推广算法。算法采用模糊集合分别表达分割前后的图像,通过最小模糊散度准则实现图像分割中最优阈值的自动提取。算法针对图像阈值化分割的要求构造了一种新的模糊隶属度函数,克服了传统Ｓ－函数带宽对分割效果的影响。将其与多种经典的阈值化分割算法一起,对不同类型的测试图像进行分割比较的结果表明,新算法有很好的通用性和有效性。     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

智能车路径识别算法研究

基于恩智浦智能车,对路径识别算法进行了研究。首先针对图像的光照不均匀现象,通过直方图判断分类,提高算法对图像的适应性。接下来对分类的图像进行预处理,引入窗口自适应滤波算法代替传统的中值滤波对"椒盐噪声"进行处理,并采用动态阈值算法对图像进行二值化分割。最后对图像分割并应用改进的Canny算法进行图像中线提取及拼接,边缘阈值是以灰度值期望和方差为基础,以正态分布来求取高低阈值,不需人工参与。实验结果表明本文提出的图像预处理算法可以很好地去除噪声,并消除"灰度白"现象准确得到中线信息。     

粗细粒度超像素行人目标分割算法

针对车载视觉行人目标分割由于复杂场景对行人目标的分割结果产生干扰而出现信息冗余以及错误分割的问题,提出一种粗细粒度超像素行人目标分割算法。该算法以Mask R-CNN作为粗粒度一次分割,将所得结果经Slic超像素细粒度二次分割,融合两次输出结果来提高现有图像目标的分割精度,为行人目标识别和跟踪提供有益先验感知信息。经仿真验证,该算法能够对复杂背景情况下的图像进行有效分割,MS COCO标准公开集测试结果与原有Mask R-CNN检测算法相比,mAP提高0.71%,为图像识别和计算机视觉系统完成精准的预处理,具有较强的工程应用价值。     

基于复合超像素技术的肺部CT图像分割算法

基于肺部CT图像灰度不均匀、纹理变化大的特点,文章提出一种超像素与随机森林相结合的肺部CT图像分割算法。该算法首先采用阈值和形态滤波的方法对图像进行预处理;再通过TurboPixels算法将图像分割为超像素;然后运用灰度共生矩阵提取超像素的纹理特征,并融合灰度特征形成特征矩阵;最后基于特征矩阵和随机森林算法获取分割图像。实验结果表明,该文提出的分割算法对肺部CT图像处理具有一定的有效性,健康肺部图像的分割准确率为98.07%,病变图像的准确率为96.23%,且该算法具有全自动、高准确率、鲁棒性好等特点。     

改进遗传算法在雾天图像清晰化中的应用

将改进遗传算法应用于雾天图像的区域分割,从而使图像清晰化.该方法首先用遗传算法求出近景和远景的分割阈值将图像分割出来,然后通过移动模板对整个图像进行相应的清晰化处理,防止区域边界效应的产生,最后对获取的图像进行信息融合,进一步提高图像质量.通过试验证实了该算法能有效改善雾天图像的退化现象,提高图像的清晰度.     

基于颜色信息的水稻稻曲病图像分割算法研究

提出一种从颜色空间进行稻曲病图像的稻曲球分割算法,通过研究稻曲病图像颜色空间的各颜色分量对应坐标值的比值,分析颜色分量的色差模型,找到稻曲球、稻穗和叶片之间颜色信息的不同分布区域,采用动态阈值法有效分割稻曲球。图像分割实验结果表明所提算法的有效性,为后续进一步研究稻曲病的图像特征提取与图像识别等提供研究基础。     

基于多阈值算法和分水岭算法的图像分割

图像分割是图像处理中的关键技术,有利于目标的定位和识别,为了提高图像分割的精度,针对单一分割方法存在的不足,提出一种基于多阈值算法和改进分水岭算法的图像分割方法.首先采用多阈值算法分割图像,得到图像的初步分割轮廓,然后采用分水岭算法实现再一次图像分割,最后选择多种类型的图像对分割方法的精度进行验证.实验结果表明,该方法可以将用户感兴趣的目标准确地分割出来,图像分割精度和速度优于单一的多阈值算法或改进分水岭算法,更有利于图像的后期处理.     

基于遗传算法的阈值图像分割研究

图像阈值分割技术在图像分析和图像识别中具有重要的意义，最大熵方法具有很多优点，但同时也存在弱点：需要大量的运算时间，因此需要引入优化算法，文中将遗传算法用于最大熵阈值的图像分割方法中，提出了一种基于遗传算法的最大熵阈值图像分割方法。仿真实验表明，该方法可以有效地提高最大熵图像分割的计算速度，提高图像处理的实时性。     

一种改进的火焰图像分割方法

在火灾图像识别算法中,将火焰图像从背景中分离出来是识别过程的前提条件和必要环节。从目前应用情况来看,最大类间方差法（也称Otsu法）是比较简洁有效的方法。该方法属于阈值选取方法,其特点是算法比较简单,适于实时处理,其局限性在于对图像的＂双峰直方图＂过于依赖。针对该方法上述的缺点和不足,提出了一种新型的基于灰度积分投影法的火焰图像分割及定位方法。实验证明,该算法不但能正确地将火焰图像从背景中快速分离出来,而且可迅速定位火焰的中心位置,可以为动态识别火焰图像提供重要的判别依据。     

基于深度学习的白光-热成像双通道图像识别系统设计

为解决无人机图像自动识别系统对大视场角下小目标的识别准确率及实时性问题,利用深度学习卷积神经网络对热成像-白光联合图像进行目标识别。设计了一种针对具有温度特征的目标物识别系统以及双通道目标候选提名图像识别算法。充分利用热成像图中目标热源特征的HSV值,将目标物从热成像图中进行筛选、分割。通过Canny算子勾勒目标物轮廓,并标记出目标物大致区域,导入白光图像提取含有目标物的有效图像信息。利用YOLO V2算法对候选图像内目标物进行识别。通过实验表明,提出的双通道目标候选提名图像识别算法具有可行性与实用性,能够在大视场环境下对小目标进行精准快速识别,满足无人机机载系统简易、实时和准确性要求。     

基于阈值分割与数学形态学的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中快速,有效的提取道路信息,一直是遥感学界研究的热点和难点问题。本文研究了一种基于阈值分割与数学形态学的高分辨率遥感影像道路提取算法,该算法不需人工给出道路种子点,方向等信息,在某种意义上提高了道路提取的自动化程度。提取过程是:首先利用阈值分割将遥感影像分割成包含道路信息的二值图像,然后利用数学形态学运算对二值图像进行处理,根据道路形态特征提取出道路区域。     

两种火灾烟雾识别方法的研究

接触式火灾探测器在大空间和室外场景存在局限性,结合视频监控系统和数字图像处理技术,进行探测和预警成为火灾探测领域里的新研究方向。针对不同场景下烟雾识别算法的选择问题,研究颜色统计特征和小波变换两种方法在烟雾图像识别中的应用,分析算法的具体过程及其适用性。火灾烟雾图像包含丰富的颜色、纹理等特征参数,将烟雾图像转换为二值图像,采用数字图像处理的方法对烟雾的RGB颜色特征进行统计,分析其颜色距离与人类视觉的关系,提取图像中的烟雾点特征,识别是否有火灾烟雾生成以达到预警的目的。小波变换方法利用烟雾背景图像纹理模糊即信号衰弱的特点,对目标前景进行提取。利用连续目标图像计算均值背景,通过与均值背景的对比,捕捉图像信号衰减的连通区域,获取烟雾图像。通过实验,从图像要求、烟雾对象、时间复杂度、适合场所几方面得出颜色统计特征和小波变换方法在火灾烟雾识别中的性能比较。结果对不同场景下烟雾图像识别方法的选择有指导作用。