基于快速区域卷积神经网络识别变形仪表图像的二次矫正方法

为解决工业中摄像头在俯视、仰视等角度拍摄仪表时导致表盘变形影响读数的问题,提出一种基于Faster R-CNN识别变形仪表图像的二次矫正方法。利用ResNeXt50作为Faster R-CNN的主干网络,结合特征金字塔FPN(Feature Pyramid Network)生成特征层,并融合SENet(Squeeze and Excitation Networks)模块将仪表特征更为突出,便于定位仪表区域并裁减,再由Harris角点检测找到表盘的四个顶点;利用二次矫正方法对变形仪表还原成正视角度仪表;最后计算示数。实验结果表明：该方法使得mAP值由基本模型的75.51%提升至94.45%,且仪表在变形情况下,仍能得到比较好的读数结果,误差率为0.83%。     

基于改进的更快的卷积神经网络特征区域的淡水鱼鱼鳃切口点定位

为了提高鱼产品加工过程中鱼鳃切口点定位的准确度,采用改进的更快的卷积神经网络特征区域(faster convolution-al neural network feature region,Faster RCNN)对淡水鱼的鱼鳃部位进行检测和定位.首先,为了增强主干网络VGG16的特征提取能力,加入批归一化(batch normalization,BN)层对其进行结构优化,提高了网络识别的准确率.其次,当物体处于预设的交叉阈值范围时,非最大值抑制(non-maximum suppression,NMS)算法存在目标漏检的问题.采用Soft-NMS算法替代NMS算法,增强了目标检测的性能.通过在淡水鱼数据集进行的实验结果表明,改进的Faster RCNN网络对鱼鳃切口定位准确率达到了96％,较未改进网络提高了6％,为后续生产线中鱼鳃的精准切割奠定了基础.     

一种试验筛网孔角度的自动检测方法

根据试验筛网的工业检测标准,针对试验筛网孔的矩形特性,结合现代图像处理方法,提出了一种试验筛网经丝和纬丝夹角的自动检测方法。首先采用改进的Harris角点检测算法检测角点,解决了传统的Harris算法漏检和误检、并对非极大值抑制过程中的阈值设定过度依赖的问题,在保证检测精度的前提下,提高了算法整体的检测效率;然后提出了用亚像素边缘结合Canny算法及多项拟合法进行图像角度边缘的提取及夹角边缘拟合,提高了角度检测的精度。实验证明,该方法能在误差范围内较好地满足工业检测的要求。     

一种用于高动态环境的GPS信号跟踪方法

针对全球定位系统（GPS）在高动态环境下信号跟踪精度不高以及容易失锁的问题,提出一种新的跟踪方法.采用锁频环（FLL）和锁相环（PLL）相融合的跟踪方式,利用判决因子对当前的跟踪状态进行判定,根据判决值对FLL和PLL输出赋予相应的权值,调整其相对作用的大小,从而将FLL和PLL在同一跟踪过程中更好地融合.仿真结果表明,该方法在环路噪声带宽较小的情况下能够成功地跟踪加速度为150 g的超高动态GPS信号.     

基于Gabor滤波器的布匹瑕疵自动检测方法

给出一种基于多通道Gabor滤波技术实现高速实时布匹瑕疵检测方法.在多分辨率和多方向上分别对图像进行Gabor滤波,建立金字塔图像表示结构,并对滤波后的多幅图像进行融合与重建,把瑕疵区域从布匹背景中提取出来,从而实现对布匹瑕疵的实时检测.实验表明,这种方法的检测准确率可达到95%,而且具有计算量小、稳定性好等优点.     

有效值多功能数字表的一种实现方法

介绍了一种有效值多功能数字的实现方法，设计采用软件与硬件相结合的方式，并结合模块化设计思想，实现了交流电信号的有效值测量及数字显示。     

一种用于精校机自动检测系统中的实用算法

针对精校机自动检测系统研究中出现的问题,提出一种定点数和浮点数混合算法,并进行浮点数算法与定点数浮点数混合算法之间的对比实验。实验结果表明定点数浮点数混合算法在单片机应用系统中是一种有效的实用算法,应用于精校机自动检测系统中,效果明显。     

一种指纹特征点信息的表示方法

指纹图像经细化后并提取特征点,把特征点的信息构成特征向量作为指纹特征模板.本文提出了一种有效的指纹特征信息的表示方法,把中心点作为参照点,利用中心点和特征点之问的距离和纹线数与图像的旋转和平移无关的特性来标记特征点.通过结果分析,此方法占用的空间相对要小.     

HourglassNet:一种用于遥感目标检测的改进FCOS算法

针对遥感图像中背景复杂、目标分布密集、目标尺度形态多样等问题,该文在单阶段全卷积(FCOS)目标检测模型的基础上,基于沙漏特征金字塔并且与多尺度上下文场景结合,提出了沙漏网(HourglassNet)。针对卷积神经网络(CNN)中不同深度语义信息和空间信息不均衡的问题,提出了一种沙漏特征金字塔,通过将多尺度特征缩放至中间尺度进行融合和优化以获得全局特征。基于注意力机制将全局特征向不同尺度特征传递,在抑制无关特征的同时增强了有效特征,实现了对多尺度特征的补偿。为了将高层特征的语义信息更加充分地融入不同尺寸的特征图内,设计了多尺度上下文融合模块。利用适当的感受野提取高层特征的上下文信息,提升了特征的鲁棒性和辨识性。分别在DOTA v1.5和NWPU VHR-10公开遥感图像数据集上进行了性能对比与消融实验。结果表明,该文算法的均值平均精度(mAP)相比于FCOS在DOTA v1.5和NWPU VHR-10数据集上分别提升了4.3%和3.4%,且检测性能优于YOLOv3等其它对比方法。     

一种基于特征融合的图像检索方法

特征提取是图像检索的重要步骤,特征提取的好坏对检索结果至关重要．本文融合颜色和纹理特征来表示图像,并分析了单一特征的适用图像类．实验表明,融合特征方法可以得到更好的检索效果．     

一种面向审查的过程内数据流异常自动检测方法

审查是预防代码缺陷的重要手段,但审查耗时,浪费人力,需要自动化工具对其进行辅助.数据流异常是审查中着重检查的缺陷之一,本文提出了一种基于有穷自动机的过程内数据流异常的检测方法.此方法首先对被测过程进行静态分析,得到被测过程的逻辑路径;而后基于有穷自动机和已获得的逻辑路径,通过每个数据项的状态迁移来判断数据流是否存在异常.本文介绍的方法面向审查,并不局限于某种特定的语言,并且一定程度上提高了数据流异常检测和审查的效率.     

一种用于立体匹配的边缘检测方法

图像边缘是立体匹配中应用最广泛的特征基元之一，立体匹配对边缘检测的性能提出了更高的要求．该文针对立体匹配的要求提出了一种结合对称指数滤波与非线性Laplace算子的边缘检测方法，在获得良好边缘图像的同时，获取了边缘像素处的极性．该算法的提出为后续的立体匹配提供了基础．     

一种用于压电陶瓷水听器极性检测的方法

压电陶瓷水听器在水声信号检测应用中有着广泛的应用,其极性直接关系到水声信号的相位信息,决定了水声采集数据的质量。文章提出了一种用于压电陶瓷水听器极性检测的方法,该方法通过计算机控制激励模块(测试盒)产生主动式测试信号源,并配合极性测试算法分析水听器所采集到的波形信息,判断出水听器的极性。测试结果表明,该方法能够快速有效地对待测水听器极性做出准确判断,且简单可靠,可广泛应用于水声信号检测领域中。     

一种新的多特征融合图像检索方法

为解决图像检索中单一特征检索性能不佳、多特征融合耗时的问题,提出了一种新的融合颜色特征和形状特征的图像检索方法。检索过程分为两个阶段:首先对图像进行圆环分块,提取图像整体和各圆环子块颜色特征向量,以特征向量间距离大小为准则对图像库分类;然后在类内提取图像的ART形状描述符作为形状特征进行相似性度量以实现检索。形状特征提取只在某一类内进行,减小了运算量,同时弥补了颜色特征对图像空间信息丢失的不足,提高了检索准确率。仿真实验取得了较好的检索效果。     

一种基于人脸检测的人眼特征定位方法

人脸图像分析中,眼睛的精确定位是非常重要的一个环节。文章提出了一种基于人脸检测的人眼特征定位方法。首先采用AdaBoost人脸检测算法对人脸图像进行人脸检测,确定人脸位置。然后根据人脸面部结构特征估计人眼所在区域,利用该区域内的灰度和梯度特征搜索人眼特征点。实验表明该方法能够快速有效地定位出人眼特征。     

一种检测宽度的线特征提取方法

线特征提取是计算机视觉及图像处理中的低级处理过程,应用广泛。有关的研究大多数关注于线的位置而忽略了线宽。定义了高斯模板作为局部图像区域,考察区域内灰度值的相似性,通过灰度比较函数获得线响应进行线检测,模板半径与检测到的线宽有着密切的联系。实验结果表明该方法有效地提取了线位置及线宽。     

一种基于分层信息融合技术的故障检测方法

针对常规故障检测方法中,传感器本身出现故障将会导致误检或漏检的问题,提出了一种基于分层信息融合技术的故障检测方法,该方法无需关于检测数据以及传感器统计特性的先验知识,可以有效地提高征兆变量的可靠性,从而提高故障检测系统的可靠性.     

一种改进的相机标定方法

以提高相机标定效率和自动化程度为目的,提出一种相机自动标定方法.传统相机标定需要手工标识,工作量大、效率低.使用自制标定模板,应用特征点检测技术代替手工标记,实现自动检测标记点并自动排序,标定精度和原算法基本一致,而且可靠性好,实用性较强,简化了标定过程.     

一种适应负载特征的入侵检测方法

针对网络环境不断变化和规则分类的不均匀问题, 提出一种既考虑规则特点又考虑负载特征的高效检测方法, 该方法能动态生成适应负载特征的规则匹配树, 并在Snort上实现. 实验结果表明, 该方法不仅可解决网络入侵检测系统(NIDS)丢包率高的问题, 而且 能极大减少每个包或事件要检测的规则集, 从而提高了检测效率.