基于多模特征的足迹识别算法

基于足迹压力数据提出一种基于多模特征足迹识别算法.该算法采用连通区域滤波法实现足迹压力数据的去噪,对去噪后的数据提取足迹图像的形态特征、压力特征及卷积特征,并基于各特征权重实现足迹多特征的优化融合,最后采用支持向量机(SVM)分类器进行分类识别.实验结果表明:在50人的足迹压力数据上,三类不同模态足迹的识别准确率分别达到了100%,99.925%和94.445%,相较于仅采用形态特征和压力特征的识别,所提出算法的平均识别率提高了10.285%,表明该识别算法能够有效进行足迹识别.     

基于局部多分辨特征的SAR图像自动目标识别

合成孔径雷达(SAR)图像自动目标识别是图像识别领域的一个重要方向。受视觉细胞感受野模型的启发,该文提出了一种从图像局部点出发,对图像进行多分辨分解的图像处理方法。采用一组简单的八邻域正交基对图像进行多级滤波采样处理,得到原图像的多级类Gauss差分图像尺度空间,并将其应用到MSTAR数据集中的SAR图像目标的特征提取;同时,基于多级特征的整合思想,运用基于多尺度核方法的SVM模型,对不同级别图像特征采用不同尺度的核函数分别映射,然后进行合成,实现多类目标的分类。对MSTAR数据集的实验结果表明,该方法具有很高的正确率,并且实现简单快速。此外,该方法还可方便地应用于SAR图像场景中多类、多个目标的分割与自动目标识别,并且对相干斑噪声具有较强的鲁棒性。     

面向鲜食葡萄无损采运的果穗系统振碰复合动力学建模

为了探明鲜食葡萄采运全周期的落粒、伤粒力学机制与规律,研究了鲜食葡萄果穗系统振碰复合动力学模型构建方法.以葡萄果穗振动模型为基础,提出了改进的葡萄果穗振碰复合模型,根据此模型,基于绝对节点坐标法和自然坐标法分别描述了果粒主穗轴和支梗果梗,得到了果穗系统振动动力学方程.基于虚功原理和连续介质力学原理推导得到了果粒主穗轴和果粒的弹性力和应力表达式,同时基于Hertz模型和Kelvin模型得到了果粒碰撞力的表达式,代入振动动力学方程,最终得到鲜食葡萄果穗振碰复合动力学模型,并简介了求解方法.     

基于改进VGG-19的井下视觉指纹匹配定位方法

针对传统矿井电磁波测距定位存在依赖通信链路的问题,提出了一种基于改进的卷积神经网络VGG-19的井下定位方法．根据基于视觉图像进行识别的原理,将基于深度学习的计算机视觉技术应用于井下定位．不同间隔点位置图像的特征不尽相同,所以对井下的场景进行不同间隔的划分,在所取的间隔点处采集数据集,建立图像信息指纹库;将不同间隔位置点图像进行相应的标记分类,然后用迁移学习的方法将获得的数据集用改进的VGG-19网络进行训练,获得识别分类模型;运用识别分类模型可对不同位置实时图像进行识别,获得采集图像的设备位置数据,从而实现定位．所述定位方法得到的识别分类模型可在嵌入式系统设备运行,定位过程无须通信网络支持,极大简化了系统的复杂性,完全适应矿井灾后恶劣条件,可用于救援机器人等移动装置的井下定位,具有实时性、稳定性、抗干扰性,且有很好的定位准确率．     

基于CNN和Bagging集成的交通标志识别

针对直接集成简单分类器对交通标志数据库进行识别出现的类别预测效果较差的问题,提出一种基于卷积神经网络(CNN)和Bagging集成学习的交通标志识别算法,采用爬虫和图像增强技术实现交通标志数据集的扩充,以CNN网络提取交通标志图像的特征,通过采用最大池化层实现图像数据下采样,采用较浅的网络深度以简化整体网络结构。在CNN网络特征提取的基础上,利用软投票机制对多项Logistic、K近邻、SVM个体学习器进行集成,实现较准确的交通标志识别。实验结果表明,该算法在TSRD交通标志识别数据库测试集上的识别准确率达到了93.00%,相对于未改进的卷积神经网络模型识别准确率提高了11.99个百分点,并较高于通过VGG16和ResNet50迁移学习实现的识别准确率,具有较快的收敛速度。     

移动式葡萄田间远程监控系统设计与研制

针对传统作物田间图像采集过程中采集设备布线繁琐和采集范围小等问题,设计开发了一种移动式葡萄远程图像获取系统.本系统以cortex-A8架构处理器S5PV210为核心,选用UVC摄像头为图像获取设备,利用Telent或手机重力感应通过CGI接口向后台程序传递参数,实现对移动式设备以及车载云台机构的远程操控.本研究开发的控制界面可远距离获取图像信息,并通过远程控制移动设备调节摄像头焦距以及调整葡萄田间采集监测区域.本移动采集系统在葡萄园内的测试结果表明,采集系统运行可靠,开发布线简洁,图像传输稳定,在Telnet终端控制时系统响应时间短且实时性好,丢帧率低.本研究为葡萄园信息监测提供了一种智能化装备样机,对农业物联网应用设计与开发具有重要意义.     

基于深度学习的建筑表面裂缝缺陷识别

针对传统建筑表面裂缝缺陷中存在识别效率低下、且识别精度较低的问题,为此,提出了基于深度学习的建筑表面裂缝缺陷识别方法。首先采集建筑表面裂缝缺陷的图像数据,然后将采集图像采样与量化,以实现缺陷图像的数字化处理。将上述数字化后的图像数据进行阈值分割、滤波以及以及增强等,完成建筑表面图像的预处理;构建R-CNN深度学习模型,模型结构分为四部分,包括输入图像模块、生成模块、提取卷积特征模块以及分类和边框回归模块。将建筑表面裂缝图像输入构建的深度学习模型中,完成建筑表面裂缝缺陷的识别。实验结果表明,采用所提方法识别建筑表面裂缝缺陷的效率较高,且识别的精度较好。     

深度残差网络和LSTM结合的图像序列表情识别

为了改善图像表情和图像序列表情识别效果,针对传统表情识别特征提取复杂和效果不理想问题,提出了一种深度残差网络和局部二值模式(local binary patterns,LBP)相结合的特征提取方法,利用深度残差网络提取数据集的空域特征,长短期记忆网络(long short-term memory,LSTM)处理时域特征,实现空域与时域特征的结合。研究了不同层数的残差网络、不同形式的LBP算子以及其他网络结构对人脸表情识别的影响,对比了支持向量机和随机森林实现的序列表情识别算法。在Cohn-Kanade数据集和AFEW6.0数据集上进行了验证,实验结果表明,算法在验证集上的准确率分别为73.1%和58.4%,相比其他算法有一定程度的提升。     

光线传播方式对田间图像分割效果影响的研究

光线按传播方式分直射光和漫射光。在田间图像中,光线传播方式与背景土壤干湿程度一同影响叶片镜面反射现象的形成。针对这一现象,在自然光照条件下按太阳光直射和漫射、背景土壤干湿分为4种情况采集图像。采用常用的超绿特征(2G-R-B)和H特征作为分割特征,分别使用Otsu阈值分割、全局阈值分割两种方法分割田间图像进行对比实验。在田间实验中,每组田间图像包括4幅原始图像,按不同分割特征、不同分割方法进行4次图像分割。在7组田间图像的分割实验中,分割结果表明背景土壤潮湿环境下太阳光漫射条件下田间图像的分割误差小于其它三种情况。这为相关田间机器视觉设备的开发提供了理论基础。     

喷施赤霉酸对葡萄品系10-7果穗的影响

为了确定赤霉酸处理葡萄果穗最适合的时间及浓度,以达到拉长果穗及疏花疏果的作用,以10-7葡萄优系为实验材料,分别在果穗抽穗初期及开花前2~3 d,用4,5,6 mg/L赤霉酸对果穗进行喷施处理。结果表明,抽穗初期进行处理比开花前2~3 d处理,果穗拉长效果明显;喷施6 mg/L的高浓度赤霉酸处理比喷施低浓度赤霉酸处理的果穗拉长效果明显,但坐果率较低,穗型不好;喷施4 mg/L赤霉酸处理对果穗也起到了拉长作用,但坐果率相对较高,果穗穗型略紧。在葡萄抽穗初期喷施5 mg/L的赤霉酸,在果穗拉长及疏花疏果方面起到的作用较好,可以使穗型和坐果率都得到保障。     

基于云计算的汽车车牌自动识别系统

采用云计算的方法将汉字的笔画引入汽车车牌识别系统中,通过提取运动汽车的车牌图像,对车牌字符进行准确识别与输出.该识别系统识别准确、效率高,不仅可以准确有效识别汽车车牌,而且可以通过云计算进行数据的后期处理并实现输出结果资源共享,为实现交通智能化管理提供帮助.     

基于机器学习的Cortex-M监控视频车型识别

为了解决高速公路环境下监控视频图像车型识别需要将海量视频数据上传计算机服务器中心,对所有的视频流图像进行结构化处理和车型识别,造成服务器中心数据压力大、计算任务重,对服务器性能要求高的问题。对此,提出一种基于机器学习的Cortex-M监控视频车型识别的方法。首先,将训练机训练好的六种车型的权值矩阵文件移植到前端Cortex-M核系列开发板上,采用开发板内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构;同时采用开发板内嵌的CMSIS-DSP库加快图像处理速度,并对选择处理监控视频图像实现车型识别;实验结果表明,该方法平均识别率达到94.6%以上,与采用计算机进行识别相同,可见该方法能够缓解大量视频上传给服务器中心造成的压力,为高速公路环境下监控视频图像车型识别研究提供了一种可选择的方案。     

光线传播方式对田间图像分割效果的影响

光线按传播方式分直射光和漫射光。在田间图像中,光线传播方式与背景土壤干湿程度一同影响叶片镜面反射现象的形成。针对这一现象,在自然光照条件下,按太阳光直射和漫射、背景土壤干湿分为4种情况采集图像。采用常用的超绿特征(2G-R-B)和H特征作为分割特征,分别使用Otsu阈值分割、全局阈值分割两种方法分割田间图像进行对比实验。在田间实验中,每组田间图像包括4幅原始图像,按不同分割特征、不同分割方法进行4次图像分割。在7组田间图像的分割实验中,分割结果表明背景土壤潮湿环境下,太阳光漫射条件下田间图像的分割误差小于其他三种情况。这为相关田间机器视觉设备的开发提供了理论基础。     

基于深度学习的葡萄果穗检测

果穗检测是农业自动化采摘作业的热门关键技术。针对成熟期葡萄易腐烂、成熟状况不一,以及葡萄果园背景复杂、光照条件多变的问题,基于YOLO v5s算法提出一种轻量化改进的检测识别方法。首先,采用Efficientnet-v2网络作为特征提取主干并在其中融合了不降维局部跨信道交互模块,在保障精度的前提下大幅度缩减模型大小以及参数量,加快模型推理速度;其次,为了进一步弥补模型简化造成的精度损失,在模型特征融合关键位置引入坐标注意力模块,强化对目标的关注度,提升模型应对密集目标检测以及对抗复杂背景干扰的能力,保障算法的综合性能及可靠性。实验结果表明：改进后的算法平均准确率达98.7%,平均检测速度为0.028 s,模型大小仅为12.01 MB,相较于改进前的算法准确率提升了0.41%,检测速度快了22%,模型减小了13.2%。在果园场景图像检测测试中,所提出算法能够良好地检测出葡萄果穗并辨别其状况,对不同环境影响也具有较强适应能力,为自动化采摘技术的发展提供了参考。     

基于改进型残差网络烟雾图像识别

摘 要：当前在深度学习上对烟雾图像和视频识别较少,目前存在的问题是烟雾视频图像第一帧识别率低,覆盖范围小,自适应较差的情况。本文算法改变了ResNet结构,实现精确的烟雾区域检测。在实验中经过5000张不同烟雾图像的数据集学习,实验结果准确地识别了烟雾图片,为大范围的火灾烟雾报警提供了一种有效方案。     

基于两层迁移卷积神经网络的抽象图像情感识别

为弥合抽象图像底层视觉特征与高层情感语义间的鸿沟,同时缓解抽象图像情感识别所固有的小样本缺陷,将两层迁移学习策略引入传统的卷积神经网络,提出一种基于两层迁移卷积神经网络的抽象图像情感识别模型.该模型利用深度特征的层次性,首先通过大规模通用图像数据集来学习提取普适的底层图像特征;然后利用抽象图像风格分类数据集来学习提取抽象图像的专有高层语义特征;最后采用抽象图像情感识别数据集来微调整个网络.MART数据集上的实验结果表明,与传统的抽象图像情感识别方法相比,所提出的模型能够有效地提高识别精度.     

自动机运动规律图像特征点的提取方法研究

本文通过分析高速图像非接触法自动机运动参数测试系统采集图像的数据特点,利用光斑区域预测法,预测光斑在图像序列中的区域,确定处理的矩阵范围,实现了数据的快速处理;研究了针对自动机运动规律的反射光斑图像特征点的处理算法,图像经中值滤波后,采用算子边缘检测及生长、填充后,用亚像素识别技术中灰度重心法,进行了光斑中心定位。     

基于小波变换的失真电子科技档案的融合算法

科技档案数字化过程中出现文字图像失真现象，严重影响到文字图像的识别、检索等后续操作，对此，提出基于小波变换的融合算法，通过组合不同的信息源来得到清晰完整的目标图像，实现了失真文字图像识别的数字化处理，为科技档案管理的信息化奠定了良好的数据基础。     

显微图像分析技术在赤潮生物识别中的应用

为克服人工识别赤潮生物种类和数量时的困难，基于图像分析法对赤潮生物图像进行自动分析，针对赤潮生物显微图像的特点。研究图像的预处理、分割、特征提取和分类的处理过程，结合理论分析和实验结果。与其他自动分割方法进行比较，证明采用类别方差法可以有效进行赤潮生物图像的自动阈值分割，解决了赤湖生物显微图像自动分割的难题，采用形态学的方法，解决相连赤潮生物的分割问题，对获得的轮廓和灰度特征进行选择，作为分类器的测试和学习数据使用，建立分类树结构，采用树状判别机制实现几类赤潮生物的识别分类。实验结果表明，与人工识别相比，其识别正确率大于90％。     

星际争霸图像序列的群体行为识别研究

以星际争霸游戏图像数据的群体目标行为识别为研究目标,构建游戏中群体目标典型行为的数据集,并应用当前主流的行为识别方法对游戏图像序列进行了群体行为识别.群体目标典型行为的数据集共包含战斗、移动、静止这3类典型行为,每个行为样本中包含不同数量、不同背景和不同行为表示形式的目标单元,充分保证了数据样本的多样性.分别使用时间段...