无人机图像的输电线异物检测方法研究

目前无人机进行巡线成为热点,但无人机获取的图片是通过人工复检发现是否有异物的存在,效率很低、误检漏检率高.为了使无人机巡检更加高效和实现智能巡检,本文结合图像处理技术设计了一种根据异物轮廓特征进行异物检测的方法:首先对获取的图像进行灰度化,然后采用迭代阈值法对图像进行分割,用数学形态学结合连通区域管理去除分割后背景的影...     

融合图像边缘和区域特征的道路检测算法

利用图像分割技术对车载视频进行图像处理,提取道路信息,以用于智能车自动驾驶.首先,将彩色通道图像转换成灰度图像,并进行直方图均衡化和滤波预处理;然后,利用自定义差分算子和区域生长法,进一步对处理后的灰度图像进行分割,分别获得图像的边缘和区域特征.最后,结合区域和边缘分割的互补特性,提出一个融合两者信息的分割算法,对不同条件下获得的车载视频进行图像分割,实现道路检测.实验结果表明,所提出的方法能够获得边缘精确平滑、区域均匀的道路分割,而且算法具备较好的实时性和鲁棒性.     

序列图像中运动点源目标检测算法的研究

点源运动目标由于其形状、尺寸特征不明显,使得通过单帧图像处理对其进行识别变得十分困难。因此,通常依靠目标连续运动形成的多帧图像目标轨迹进行识别,其主要方法是搜索所有轨迹中最长的连续轨迹。本文提出最小二乘轨迹预测搜索算法,该算法采用多点航迹进行最小二乘曲线拟合,根据拟合结果预测目标在下一帧的位置,有效地减小了轨迹预测位置误差。     

基于YOLOv5的无人机航拍改进目标检测算法Dy-YOLO

由于无人机航拍具有场景复杂多样，目标尺度变化剧烈，高速低空运动模糊等诸多特性，给目标检测带来了很大的挑战。针对无人机航拍目标检测效果不佳的问题，提出了Dy-YOLO模型，在YOLOv5的基础上引入Dynamic Head注意力，从尺度感知、空间位置、多任务3个角度探索具有注意力机制的预测头潜力；设计了C3-DCN结构和Dynamic Head注意力相互配合增强特征提取能力；此外，还使用SimOTA标签分配方式来弥补小样本的损失，并使用CARAFE(content-aware resssembly of features)上采样算子，有效增强了不同卷积特征图的融合效果。在VisDrone2019测试集上，Dy-YOLO检测的平均均值精度达到了38.2%,较基线方法YOLOv5提高了7.1%,同时与主流的检测方法相比也取得更高的检测精度。结果表明，Dy-YOLO算法对于无人机航拍检测任务具有较好的性能。     

基于参考点的图像可变目标快速检测方法研究

提出一种基于参考点的改进的滑动窗目标检测算法.采用不同的分割方法对图像进行分割,使某一分割接近真实目标位置,并将左上角点标定为参考点,然后将分割区域的模型作为底层检测器,并只在参考点上进行模型的训练和测试,以期缩短检测时间.对来自互联网的图片实验表明,在超过60%的检测类别上,改进的方法检测正确率都优于穷举法.     

基于显著性检测和Grabcut算法的茶叶嫩芽图像分割

人工采茶存在效率低下、人工成本高等问题,机械采茶取代人工采茶成为一种重要的采茶方式,针对机械采茶中自然背景茶叶嫩芽分割效率问题,提出了一种自然背景下的茶叶嫩芽图像分割算法.利用显著性检测算法提取出图像中的突出目标作为显著性图,结合GrabCut算法精确的分割出突出的对象.实验结果表明,该图像分割算法对于背景复杂且目标与背景对比不明显的茶叶图像具有良好的分割效果,这为机械手采茶提供了一种新的方法.     

基于AdaBoost算法的快速人脸检测研究

研究了AdaBoost算法的原理和训练过程,分析了导致算法准确性下降的原因.使用高斯混合模型对人脸肤色建模,将可能存在人脸的区域从彩色图像中分离出来,再使用AdaBoost算法对该区域进行检测能够提高检测速度和准确率.实验结果验证了算法的准确性.     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

一种改进的基于软判决自回归模型图像内插算法

提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分.在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典.在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值.同时,使用EM算法修正估计出的模型参数和图像内插值.实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果.     

基于Otsu理论的灰度图像分割算法研究和改进

Otsu算法是利用最大类间方差准则对图像像素进行阈值分割.二维Otsu算法是在一维Otsu算法的基础上提出的,但是其计算量大,且只有当图像每个类的像素数目接近彼此时才能得到满意的结果.对二维直方图重新划分,改变阈值的求解范围,提高分割准确率和减少阈值计算时间.实验结果表明该方法提高分割效率,对含噪声的图像分割效果较好.     

一种新的基于二值图像的边缘检测算法

边缘检测是数字图像处理中常用的一种技术,可以捕获图像中物体的重要特征.介绍了几种经典的边缘检测算子,提出了一种基于二值图像的边缘检测方法.该方法不用对图像求导,仅统计每个像素点的8邻域值的情况,即可确定该像素点是否为边缘点.实验表明,该方法用于二值图像时,检测效果较理想.     

基于数学形态学二值图像分割算法的研究

用数学形态学方法进行数字图像的分析和处理是一种新兴的图像处理技术。图像分割在图像分析、模拟识别目标中将会直接影响到处理的结果。通过讨论数字图像中最基本的二值图像的分割算法,用数学形态算子的序结构和级联的数学形态学算法结合的方法完成对二值图像的分割。     

基于相似用户索引和ALS矩阵分解的推荐算法研究

针对交替最小二乘法(ALS)在处理大数据集时所面临的处理速度和计算资源问题,提出了基于相似用户索引的分布式矩阵分解推荐算法。首先算法基于用户的评分行为找到用户之间的最近邻,然后使用Spark平台运行提出的算法,并产生推荐。在GroupLens网站上提供的MovieLens数据集上进行仿真实验,实验结果表明,提出的算法能够有效解决ALS对于大数据集运行效率低及在云环境中可扩展性较差的问题。     

基于Java的有噪图像边缘检测算法的研究

为解决提取图像后的图像显示质量问题,利用基于模糊隶属度的加权均值滤波器抑制各种噪声,根据Pal的区域对比模糊增强边界检测算法实现图像边缘的提取,并对图像处理过程进行了分析和讨论,实验结果表明,所提出的方法是可行的和有效的。     

基于支持向量机的人脸图像检测

人脸检测(FaceDetection)是指对任意一幅给定的图像,采用一定的策略对其进行搜索以确定其中人脸位置.目前学术界具有代表性的人脸检测算法包括基于肤色分割的方法、基于启发式规则的方法、基于特征脸的方法、基于聚类学习的方法和基于人工神经网(ANN)的方法[1]等,特别ViolaP通过综合Adaboost和Cascade算法[2],采用若干个弱分类器组合为强分类器的策略,检测速度得以明显提高.支持向量机(SVM)是Vapnik等提出的基于结构风险最小化原理的统计学习理论[3].它比基于经验风险最小化(EmpiricalRiskMinimizationPrinciple,ERM)的人工神经网方…     

基于RSS无源被动定位算法的WSN研究

在节点通信能力和能量有限的WSN中,针对基于无需额外硬件成本的RSS定位方法基础上保证高精度的无源被动定位问题,首先,对全网进行分簇,以簇为单位采用最小二乘法估计目标源位置,然后通过簇头节点将估计结果上传到sink节点;其次,在sink节点处对各单位簇的估计结果进行簇间数据融合以求得最终的定位解算.仿真结果表明,该方法能够实现使用少数节点参与定位却可达到使用全部节点时的定位精度.     

基于肤色的人脸检测算法研究

文章提出了一种基于肤色的彩色图像人脸检测算法。该算法会对输入图像进行尺寸归一化及光线补偿,综合利用2种色彩空间对预处理后的图像进行二值化操作。在肤色分割的基础上去除噪声,并结合多种有用信息,对肤色区域进行了判定,最终识别出人脸区域。它的主要优点有对人脸的姿态不敏感、检测速度快等。在多人脸检测方面,该算法运用区域分割的方法对多个人脸进行有效检测。实验结果表明,该算法是可行有效的。     

基于最小信息准则和BP算法的网络入侵检测

针对网络入侵检测中BP(back propagation)神经网络只能根据经验公式确定隐层神经元个数的问题, 提出一种利用统计学中最小信息准则计算最优的网络结构, 并推导出网络结构的评价公式. 仿真实验结果表明, 经过结构优化后的BP神经网络对于网络入侵检测的准确率明显提高, 平均分类准确率达到90%以上, 算法的整体性能表现优良.     

基于多尺度超像素融合的RGB-D单幅图像阴影检测算法

针对单幅复杂环境图像阴影检测问题, 提出一种基于多尺度超像素融合的自动阴影检测快速算法. 首先利用深度图像计算各点的法向量及空间坐标, 同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割; 然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度; 最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合, 得到最终的判决结果. 实验结果表明, 该算法的准确度明显高于原阴影置信度算法, 运行时间约为原阴影置信度算法的10%, 对于小块阴影、 大面积阴影及边缘不清晰的软阴影检测表现较突出, 适合对光线复杂环境下的图像进行前期预处理.