基于像素级估计的视频显著性检测

为了减少背景噪声干扰,准确地从复杂视频中提取显著目标,提出一种具有时空一致性的视频显著区域检测算法。将视频帧划分为超像素,以超像素为基本单元提取光流特征,在时空一致性原则指导下动态融合颜色、边界信息和光流特征,获取视频显著图。在此基础上,借助视频帧的细节和区域特征对视频显著图进行细化增强。实验结果表明,算法的准确率[CD*2]召回率曲线在复杂图像数据库中高于传统经典算法,具有足够高的鲁棒性,能够减少相机运动和背景运动以及突变情况对跟踪检测的影响。所提方法能够在各种运动模式下和外观复杂场景中较为完整地提取显著目标,可作为预处理技术,改善目标跟踪、行为检测、视频压缩等的性能。     

基于正弦波的WORD文档数字水印

通过对WORD页面描述机制的分析,提出了一种适用于WORD文档保护的数字水印算法。修改文本块中不同字符的字体颜色值,将水印以正弦波的特征形式嵌入文本中。检测时通过提取字体颜色特征,重构正弦波来鉴定文档。实验结果表明,该算法实现的水印具有较好的视觉透明性和检错能力。     

基于消除空间冗余和图像修复的图像压缩技术

本文介绍了一种基于图像修复方法的图像压缩算法。首先对能够被精确覆盖的图像区域进行定位;然后将这些区域的信息消除以减少数据量;除了用于恢复被消除区域必要细节的数据外,对其余的数据进行编码以产生输出数据。在解码器中,使用从编码器中提取的信息可以重新获得被消除的图像区域。该修复技术利用偏微分方程（PDE）进行图像信息收集,其目的是达到图像压缩标准中的较高质量。本文还针对各种图像开展该算法的研究。采用这种算法,在图像质量可接受的条件下,压缩比可高达1：40。实验结果表明,与JPEG压缩方法相比,该算法在高压缩比下图像质量明显提高。     

基于纹理分割的视频人体检测

提出一种新的基于图模型纹理分割的视频人体检测方法。首先利用帧间拆分与背景拆分相结合的方式对人体进行粗分割;然后确定目标区域,利用高斯图模型建立纹理模型。通过变量选择和参数估计对纹理特征进行分析,并计算纹理图像的最大后验概率,将纹理后验概率大的归到一类。将基于图模型的纹理分割方法应用到视频检测,实验显示了很好的效果。     

基于滤波和相位拉伸变换的红外图像分割处理

介绍红外热像检测原理,在通过算术运算对热图像进行预处理的基础上,采用中值滤波和高斯滤波相结合的方式来降低图像噪声,最后利用相位拉伸变换检测缺陷区域边缘。结果表明,该算法可有效降低噪声,准确检测缺陷边缘,实现对缺陷区域的分割。     

改进的YOLOv3-Tiny网络在风机叶片损伤检测中的应用

为了解决YOLOv3-Tiny对无人机采集的风机叶片图像损伤检测精度不高的问题,提出一种基于深度学习的风机叶片图像损伤检测方法。首先提出一种跨越式特征联合网络结构,由卷积层和拼接层构成,将不同深度的特征信息进行融合再学习,提取目标多层级特征信息;其次引入Inception模块结构,其中4个平行通道的多个卷积核对输入的特征图进行组合和压缩,在减少网络的学习参数的同时更好地表征图像特征信息,提高小目标的检测精度。实验表明,改进后算法的检测精度提高了2.69%,在自制的数据集中mAP可以达到88.58%,并且模型的参数缩小了4倍。因此,改进的方法比传统的YOLOv3-Tiny网络具有更好的检测效果。研究结果可为基于图像的损伤检测和风机叶片损伤智能识别提供参考。     

基于机器视觉的铁路信号灯检测技术

为解决铁路安全运输问题,对基于机器视觉的铁路信号灯检测方法进行仿真图像和视频检测实验研究。阐述了铁路信号灯图像在不同颜色空间下的特性及其对铁路信号灯识别的影响,将其由RGB颜色空间转换为HSV颜色空间。通过Canny算子、腐蚀膨胀以及开闭运算等技术提取铁路信号灯图像的几何特征,通过Hough检测,对图像中铁路信号灯进行定位。对定位的信号灯进行颜色提取,从而识别出信号灯的类别。根据多种天气情况下的铁路信号灯图像进行仿真实验分析,进一步对采集的列车行驶视频进行实验分析,优化检测方法。研究结果表明,提出的铁路信号灯检测模型,能够支持复杂背景下的铁路信号灯类别的有效识别。通过机器视觉技术实现铁路信号灯的检测和识别,是提高铁路运输安全性的一种有效方法。     

一种基于机器视觉技术的城市轨道交通客流量检测方法

为了准确识别并检测城市轨道交通客流量变化,研究轨道交通客流量的变化规律,以客观图像为研究对象,以机器视觉技术为研究手段,提出了一种新的交通客流检测方法。在对交通客流视频图像进行滤波与增强后,利用Canny边缘帧差法从预处理图像中获取完整的运动目标轮廓。同时,利用AdaBoost检测算法构建的强分类器完成乘客头部的检测,并通过双线差值算法消除视频图像中不同位置尺寸所产生的误检框,实现对目标的跟踪与记载,完成客流量的统计。结果表明,该方法在交通客流量的检测中准确率高于90%。检测方法对提高城市轨道交通客流量的检测准确性具有一定的借鉴意义。     

基于特征脸的人脸识别及实现

人脸识别技术是通过分析人脸图像,并从人脸图像中提取有效的识别信息,来辨认身份的一门技术。阐述了基于特征脸的人脸识别基本算法,给出了特征脸的解释,并用OpenCV编程实现对ORL人脸库进行识别仿真实验。该方法主要通过创建给定图像库中的特征脸和人脸图像的空间距离来进行人脸检测,顺利实现和验证了特征脸算法。     

形状数理论及其在安全印刷中的应用

本文提出了一种基于防复印底纹的文档保护方法。其中,防复印底纹包括背景图案区域和标记图形单元区域,标记图形单元的形状和位置关系代表了安全标识信息。同时提出了一种快速的安全标识信息识别算法。实验表明,该算法效率较高,实现简单,占用资源较少,适于嵌入到图像复制设备的硬件芯片中,从而达到对安全文档实时保护的目的。     

基于明亮区域和天空识别的图像去雾算法

针对去雾算法对存在大面积明亮区域的图像去雾效果不佳的问题,根据暗原色先验原理提出了一种基于明亮区域和天空区域识别的图像去雾算法。根据天空区域和明亮区域的特点,建立了明亮区域和天空区域的判别机制,对不同类型的图像采用不同方法求取大气光值;基于点暗原色原理,采用中值滤波和双边滤波对点透射率进行细化,与块透射率相比,采用点透射率可以保留更多的图像细节。结果显示,采用均方误差、峰值信噪比、可见边梯度和结构相似性4个参数作为图像去雾效果的客观评价指标,优化后算法的综合评价指标均优于其他算法。所提出的算法对不同类型图像均可取得较好的去雾效果,消除了去雾图像的光晕、块效应和天空区域过饱和现象。     

基于DLNS-DSVDD的故障检测方法

为了解决支持向量数据描述方法对多模态动态过程故障检测率低的问题,提出了基于双局部近邻标准化的动态支持向量数据描述的故障检测方法。首先,应用DLNS方法标准化样本生成标准数据集;其次,利用动态方法将标准数据集构造成动态矩阵;最后,使用SVDD方法建立基于空间距离的统计量进行故障检测,应用DLNS-DSVDD方法对一个数值例子和田纳西-伊斯曼过程(TE过程)进行仿真测试,并与传统方法对比分析。结果表明,DLNS-DSVDD方法在具有更低的误报率的前提下拥有更高的故障检测率,平均误报率为2.2%,相比于SVDD方法降低了2.1%,平均故障检测率为88.2%,相比于SVDD方法提高了38.5%,证明了所提出的方法可以有效地监控具有多模态动态特征的化工生产过程。DLNS-DSVDD方法可以有效地剔除数据的多模态结构并且准确地捕获样本中的动态信息,为提高SVDD方法在多模态动态过程中的故障检测性能提供了参考。     

公共色域映射算法的原理与实施

在颜色复制过程中媒介之间色域大小和形状的差异将会对颜色的传递效果产生极大的影响，国内外提出了多种色域映射算法（GMA）来解决色域匹配问题。为了对新色域映射算法进行评价，国际照明委员会（CIE）发布了用于跨设备图像复制的色域映射算法评价准则，推荐由Jan Morovic提出的PGMA（公共色域映射算法）作为算法评价标准。本文分析了PGMA的原理，并在Visual C＋＋6．0环境中重新编译，采用新的源色域和目标色域对测试图像进行色域映射转换，对评价色域映射算法具有重要的作用。     

多投影拼接显示系统颜色调整技术比较研究

多投影拼接显示系统越来越广泛地应用于科学计算可视化、工业设计、虚拟仿真等领域。该系统要解决的一个关键问题就是颜色匹配,导致颜色不匹配的主要原因可以归结为投影仪自身颜色特性的变化和投影环境与投影设备的不同两个方面。国内外提出了多种颜色调整技术,根据调整原理和实现路径的不同,可分为：基于光学系统的硬件调整技术、基于投影仪颜色属性测量的反馈调整技术、基于模型和算法的图像预处理调整技术。本文针对这三种类型的调整方案进行比较分析,并对该技术的发展进行展望。     

基于二维Gabor小波与AR-LGC的人脸特征提取算法研究

针对Gabor小波提取的特征信息不够全面以及维数灾难问题,提出了一种基于二维Gabor小波与AR-LGC人脸特征提取的改进算法。首先利用二维Gabor小波提取归一化人脸图像的特征信息,使用AR-LGC算子对提取的Gabor特征进行编码;然后对编码后的Gabor特征图谱进行划分,对每个子块进行直方图统计,将其串联形成人脸表情特征向量并利用PCA进行数据压缩,最后利用C-SVM进行分类识别。实验结果表明,平均识别率为93.33%的比AR-LGC+SVM,Gabor+PCA+SVM提取特征算法的平均识别率分别高6.19%,3.33%。因此所提出的算法在人脸图像的特征信息提取方面有一定的参考价值。     

基于轻量级卷积神经网络的苹果表面缺陷检测方法

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法。首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连接层,从而将卷积层输出的多个特征图以自身为单位进行映射得到特征点。实验结果表明:改进后网络对苹果缺陷识别精度达到了98.57%,较改进前提升1.55%;较改进前模型参数量减少99.3%、训练速度提高32.67%、FPS提高33.28%,改进后的轻量级卷积神经网络不仅减少了模型参数量和训练时间,而且提高了检测精度和速度。因此,新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,具有较强的工程实用性,可为苹果缺陷分类提供理论参考。     

基于骨干度与网络编码的链路预测模型研究

为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE)。在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数。实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验。实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好。因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考。     

基于时间序列分析的输变电工程变压器价格短期预测研究

变压器价格是影响输变电工程投资的重要因素,但是由于影响变压器价格因素众多,因此对变压器价格进行科学预测有一定的难度,而输变电工程投资管控又迫切需要对变压器价格进行准确地预测。鉴于此,文章以2010~2018年输变电工程变压器价格为研究样本,在描述变压器价格变动轨迹的基础上,分别以移动平均法、单指数平滑法、双指数平滑法、非周期的Holt-Winter法、AR模型和MA模型对变压器价格进行预测,给出2019年和2020年变压器价格的预测值并进行优劣判断。研究结果表明:双指数平滑法预测精度相对较高,而引入多种时间序列模型进行变压器价格预测,能够给出投资决策者多种选择,可以提高决策的精确性和柔性,对输变电工程实现精准投资和良性投资控制具有一定的积极意义。