直升机桨叶图像中圆形标记点圆心检测及修正方法

视觉测量直升机高速旋转桨叶形变常采用基于圆形标记点的测量方法,但该方法中圆形标记点具有低曝光、小目标和投影不对称等特点,极易产生标记点漏检和圆心坐标误差的问题。为减小漏检、修正圆心坐标误差,提出了一种直升机桨叶图像中圆形标记点圆心检测及修正方法。首先,提取图像中局部极值中心的像素坐标,并依据阵列排布结构滤除干扰,获得所有圆形标记点极值中心的像素坐标;其次,以各极值中心的像素坐标为圆心,与相邻极值的最小距离为直径,建立圆形ROI(region of interest)区域,在ROI区域内并行分水岭变换和最小二乘法圆拟合得到圆心;再次,采用透视变换建立该图像与垂直相机光轴的同相位桨叶图像（正面图像）的投影映射关系,再采用LM(levenberg-marquardt)优化求解投影映射矩阵;最后,将该图像转换为正面图像进行圆心检测,再将该圆心坐标逆变换得到精确圆心坐标。实验结果表明,本文检测方法准确率和精度分别达98.89%和0.191 mm,已应用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量。     

直升机桨叶图像中圆形标记点圆心检测及修正方法

视觉测量直升机高速旋转桨叶形变常采用基于圆形标记点的测量方法,但该方法中圆形标记点具有低曝光、小目标和投影不对称等特点,极易产生标记点漏检和圆心坐标误差的问题。为减小漏检、修正圆心坐标误差,提出了一种直升机桨叶图像中圆形标记点圆心检测及修正方法。首先,提取图像中局部极值中心的像素坐标,并依据阵列排布结构滤除干扰,获得所有圆形标记点极值中心的像素坐标;其次,以各极值中心的像素坐标为圆心,与相邻极值的最小距离为直径,建立圆形ROI （region of interest）区域,在ROI区域内并行分水岭变换和最小二乘法圆拟合得到圆心;再次,采用透视变换建立该图像与垂直相机光轴的同相位桨叶图像（正面图像）的投影映射关系,再采用LM （levenberg-marquardt）优化求解投影映射矩阵;最后,将该图像转换为正面图像进行圆心检测,再将该圆心坐标逆变换得到精确圆心坐标。实验结果表明,本文检测方法准确率和精度分别达98.89%和0.191 mm,已应用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量。     

基于立体视觉的直升机桨叶扭转角模拟测量方法

提出了一种基于立体视觉的直升机桨叶扭转角测量方法.首先,在摄像机坐标系下,采用双目立体视觉技术获取桨叶上圆形标记点的三维坐标;然后,利用在旋翼低速旋转且桨叶处于拉平状态下测量出的标记点的三维坐标建立旋翼坐标系;最后,在旋翼坐标系中利用旋翼高速和低速旋转状态下桨叶上对应标记点的三维坐标来计算桨叶扭转角.多次刚性叶片扭转角测量实验和数据分析说明本文测量方法不仅有效、测量精度高,而且具有非接触式、动态测量和操作简单的优点.     

基于散焦图像的大视场立体视觉标定方法

针对传统大视场立体视觉标定方法存在操作不便、精度不高、稳定性差的问题,提出基于散焦图像的大视场立体视觉标定方法.首先,在立体视觉系统和大视场测量位置之间选定一个位置作为小视场散焦位置,利用在此位置处采集的靶标图像,实现摄像机内参标定;其次,利用大视场测量位置处采集的靶标图像,实现立体视觉外参标定;最后,通过实验室标定实验和直升机桨叶运动参数测量实验进行了验证.结果表明,该方法操作方便、精度高、稳定性好,在4.6 m×2.3 m的视场范围内,测量靶标上特征点间距为505.00 mm的两个点,平均误差为0.647 mm,均方根误差为0.780 mm,能够满足直升机桨叶运动参数测量的现场标定以及测量精度要求.     

一种鲁棒的圆形标记点中心提取方法

圆形标记点中心识别是视觉测量的关键技术之一. 为满足工业现场精确标定和测量的需求,提出了一种鲁棒的标记点中心提取算法. 首先对图像进行预处理和Canny边缘提取;然后用增强的Snake方法对边缘进行全局最优搜索,并以具备积分性质的Zernike算子对图像边缘进行亚像素定位;最后采用鲁棒的椭圆拟合算法迭代定位椭圆中心. 仿真和实测表明,该算法在标记点破损或被污染情况下仍能给出精确的中心定位. 理想情况下定位误差小于0.02像素,在标记点破损或被污染情况下定位误差小于0.03像素.     

基于改进YOLOv5s的车辆检测研究

【目的】针对目标检测算法在车辆检测领域中应用时存在模型复杂、检测精度较低的问题,基于改进YOLOv5s算法开展车辆检测研究。【方法】以Ghost模块来替换YOLOv5s中的主干网络,以达到模型剪枝的目的,改进后的网络模型复杂度有所降低,从而解决了网络模型较大的问题。同时,可引入挤压—激励注意力机制来提取更重要的特征信息,达到提高检测精度的目的。本研究所用到的数据集均为汽车图像,车辆检测数据集共有12 786张图片,将该数据集按照8∶1∶1的比例进行划分。其中,训练集为10 228张,测试集和验证集均为1 279张,采用对比试验法进行研究。【结果】试验结果表明,与原有的YOLOv5s相比,改进后的网络模型在车辆检测数据集上的平均准确率均值提升3%,查准率和召回率分别提升1.9%和3.2%,模型大小下降42%。【结论】改进后的网络模型有效降低了模型的复杂度,提高了检测精度,并节约成本。     

基于深度学习的金属表面缺陷检测

由于金属产品生产过程中各种因素的影响,金属工件可能会存在一些表面缺陷．这会降低材料强度,缩短工件寿命,并且增加安全风险．因此,需要对金属产品表面进行质量检测,这也是保证工业生产质量的关键环节．与传统人工检测相比,基于机器视觉的表面缺陷检测方法具有速度快、精度高等优点．提出了一种改进的YOLOv5算法,用于金属表面缺陷检测研究,在原YOLOv5算法的基础上将空间金字塔池化结构SPP替换成SPPCSPC,提高模型对金属表面缺陷的检测能力．为了验证算法的有效性,分别采用YOLOv3,YOLOv4,YOLOv5及改进的YOLOv5算法对1 800张金属表面缺陷样本图像进行对比测试．结果表明,与YOLOv3,YOLOv4,YOLOv5原算法相比,改进的YOLOv5算法平均目标检测精度均值分别提高了4.3%,3.3%,2%．通过大量图片的学习,可以获得更好的精确率．     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

基于工程环境背景下安全帽佩戴检测算法研究

针对当前安全帽佩戴检测算法存在结构复杂、鲁棒性差等问题,提出一种借助改进后的YOLOv3算法进行安全帽佩戴检测.利用包含通道注意力机制的SE-ResNeXt残差结构,替换YOLOv3模型中Darknet53网络的残差结构,在不加深网络结构的情况下,利用通道注意力机制,捕获特征有用信息,达到提高特征表示能力的目的.再利用...     

基于FPGA+DSP多目标质心定位系统的研究与实现

提出了适用于多目标的FPGA+DSP质心定位改进算法.该算法首先采用连通域标记算法在FPGA中标记出目标,解出各目标点的质心坐标,再由DSP根据统计结果进行自适应阈值计算.实验结果表明:多目标质心定位系统的检测结果与理论分析基本一致,可满足最高70fps的图像速率,该速率远高于基于单个DSP芯片或者普通计算机的处理速率.     

注意力引导的三维卷积网络用于遥感场景变化检测

场景级变化检测策略可以容忍高分遥感影像的大量噪声,进而从语义层级更准确地描述遥感图像在前后时相的变化,为高分辨率影像变化检测提供了可能.本文提出了一种注意力引导的三维卷积神经网络用于高分遥感影像场景变化检测的方法.首先构建一个在AlexNet基础上进行简化的三维卷积网络,然后加入一个语义注意力模块来进一步提取地表覆盖变...     

基于SVM的直升机飞行状态识别

针对直升机飞行状态识别训练样本数据少而导致识别率不高的问题,提出一种基于支持向量机(support vector machine,SVM)的直升机飞行状态识别方法.首先利用限幅、去野点和均值滤波对飞行数据进行去噪,用最小二乘法对飞行数据进行直线拟合获取变化率,并根据线性相关性提取状态特征参数,以减少数据冗余;然后根据特征参数将飞行状态分为10小类,对每一小类进行SVM分类器设计以提高识别效率;最后利用训练样本训练每个SVM分类器,用训练好的SVM分类器识别直升机全起落飞行状态.通过某型直升机实飞数据进行飞行状态识别实验,并将所提出的方法与RBF神经网络法进行对比,所得结果表明该方法在小样本情况下的识别率有明显提高,可为直升机故障诊断和寿命预测提供依据.     

近景摄影测量中标记点的自动检测

近景摄影测量中,可以在待测物体表面分布一些易于识别的标记点,以提高特征识别的准确性和精度,保证多幅图象间特征点对应匹配的可靠性。文中采用圆形目标及编码元素作为标记点,并提出一种标记点自动检测算法。该算法首先根据标记点的尺寸、形状、灰度变化及位置分布等特征提取目标;然后利用非编码元与编码元的不同形状与灰度特征,提出一种改进的编码元自动身份识别方法,同时实现非编码元与编码元的分类;最后采用质心法进行标记点的精确定位,达到亚象素精度。实验结果表明,该方法受投影角度、噪声等因素影响小,具有很强的鲁棒性,可以实现标记点的准确识别和精确定位,实用性好。     

基于深度学习的竹笛吹奏技巧自动分类

提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breath1d和Breath2d，并针对此数据集的不同分类任务给出了最佳方法。将Breath数据集划分成子集，以多层感知机为性能评价基准方法，先用Breath1d和Breath2d模型对子集进行训练和预测，再用长短期记忆网络模型进行辅助测试，最后得出了最适合子任务的分类参考模型。对全数据集进行分类时，将Breath2d与Breath1d模型进行融合，并采用数据增强方法使全集分类准确率达到0.913。与传统音频分类任务相比，该工作扩展了音乐分类的研究领域，对民族音乐现代化发展有着良好的推动作用。     

高分辨率遥感影像阴影检测与补偿的主成分分析方法

根据高分辨率遥感影像中阴影区的性质,提出一种基于主成分分析的阴影检测和补偿方法. 首先对第1主分量与原始的蓝色分量进行比值运算,采用直方图阈值法分割阴影区和非阴影区,并进行形态学处理,得到较完整的阴影区. 采用膨胀方法确定各独立阴影区中的同质区域,根据阴影同质区特性对阴影区进行线性相关拉伸,并对补偿后的阴影区进行平滑处理和主成分逆变换. 实验结果表明该方法简单有效.     

基于卷积神经网络和投票机制的轨道板裂缝检测

现有的检测方法对轨道板细微裂缝和夜间拍摄的裂缝图像存在误检和漏检的现象,为此提出了一种基于卷积神经网络的改进方法.将特征图分组后用注意力机制强化各组向量的特征表达,以动态聚合弱分类器预测结果的方式得到最终的裂缝置信度.借助投票机制有效降低最终的预测偏差,提升模型的鲁棒性.实验结果表明:该改进方法在减少模型参数的情况下,...     

基于CycleGAN的图像隐私保护

社交媒体和云平台为图像的传播和存储带来了便利,但同时也引起了人们对于图像隐私的担忧。因此,需要采取一定的措施去保护图像的隐私,以防止隐私被窃取和非法使用。基于上述目标,本文提出了基于循环对抗网络（cycle-consistent generative adversarial networks, CycleGAN）的图像隐私保护。为了在图像隐私保护中兼顾可用性,该方法先用图像分割和CycleGAN组合,选择出不同的分割系数来辅助生成不同程度的隐私保护图像。然后利用可逆信息隐藏对生成的隐私保护图像进行信息的嵌入,从而阻止非法使用者在图像重构中提取隐私信息,进而保证了整个过程图像隐私保护和可用性的平衡。本文用PIPA数据集对该方法进行训练和测试,采用峰值信噪比和结构相似性指数作为客观指标对隐私保护的图像进行评估。实验结果表明,本方案在图像隐私保护和可用性两方面都优于其他对比方案。     

基于Mask-YOLO的复杂场景口罩佩戴检测

针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题,以实时目标检测算法YOLOv3为基础提出一种Mask-YOLO算法.首先在特征融合过程中引入通道注意力机制以突出重要特征,减少了融合后冗余特征的影响,有效提高了特征利用率;然后以完全交并比(complete intersection over...