多尺度特征融合技术在弱信息图像分割的运用

针对弱信息图像语义分割任务中存在类激活图不完整，细节信息丢失的问题，本文提出了一种基于多尺度特征融合的弱信息语义分割的模型，其中多尺度类激活图学习机制利用多尺度产生的类激活图进行有效结合，得到更完整的前景区域。多尺度注意力学习算法帮助类激活图挖掘到更多前景信息，实现了类激活图互相信息学习。实验上采用了PASCAL VOC 2012[1]数据集，实验结果表明，该模型在不依赖显著性图的情况下具有较好分割效果和精度，验证了模型的有效性。     

Tikhonov非线性算法在ECT图像重建中的应用

传统ECT算法受到分辨率低、边界模糊等问题的限制,文章提出基于有限元正演模型的Tikhonov非线性迭代算法。首先分析了ECT图像重建基本原理,并建立空间模型。然后以线性反投影(LBP)算法的图像重建结果作为初始状态,利用最优正则化参数求解灵敏度逆矩阵,根据正演模型测量极板间电容值,运用Tikhonov正则化算法校正图像。最后根据经典流行进行仿真实验。实验结果表明本文方法重建的图像相关系数平均值为0.8644,可见本文算法是一种有效的ECT算法。     

基于深度学习的遥感图像语义分割技术研究与应用

本研究聚焦于改进的DeepLab v3+网络在遥感图像语义分割中的应用，旨在提高遥感图像的语义分割精度。引入了多尺度融合策略以优化分割性能，并通过改进的网络结构和深度可分离卷积来提高特征提取能力。实验结果表明，这一改进方法在Vaihingen和Potsdam数据集上都显著提高了分割准确度。我们的研究有望对地图制图、环境监测等领域产生积极影响。     

基于区域能量的图像融合

图像融合的目的在于将多幅图像信息加以综合,消除图像信息之间存在的冗余和矛盾,以形成对目标的清晰、完整、准确的信息描述。在小波域图像融合的范畴内,本文提出一种基于区域能量的图像融合方法,在对图像进行小波分解后,低频采用绝对值取大法,而高频采用基于区域能量的融合策略。仿真结果表明本文结果明显优于文中对比实验的结果,其中熵、互信息参数高于对比方法的融合结果。     

基于卷积神经网络的特征描述子学习

随着深度学习的发展,作为图像任务基础的特征描述子开始倾向于通过卷积神经网络学习。目前的卷积神经网络模型大多采用交叉熵损失项进行约束,通过大量的输入数据训练网络。但由于缺乏细节上的约束,因此训练的网络模型特征提取能力并不优秀。针对以上问题,文章提出一种新的浅层神经网络模型,并在此基础上通过改进采样策略以获得更多的训练样本,使用复合的损失项对网络训练过程进行约束。实验表明,提出的神经网络模型能够获得更紧凑的特征描述子,特征提取的能力更强。     

基于改进GoogLeNet的汽车仓储库区障碍物分类识别方法

针对汽车仓储库区的特点，提出了一种基于改进GoogLeNet卷积神经网络的仓储库区障碍物分类识别方法，即对传统GoogLeNet卷积神经网络浅层的Inception模块进行改进，并在此基础上增加四分类全连接层，改进后的卷积池化层作为仓储库区四分类图像数据的特征提取器，对全连接层和输出层进行模型训练。实验结果表明：该障碍物分类识别方法准确率高且识别时间短，大大增加了AGV障碍物检测系统的准确性与鲁棒性。     

基于并行双路卷积神经网络的安全帽识别

文章针对人工监看视频判断是否佩戴安全帽的低效率现状,改进LeNet_5,提出一种并行双路卷积神经网络方法识别安全帽。该方法在输入通道添加图像的HOG特征通道,然后通过两路输入图像尺寸和层次深度不同的卷积神经网络并将所得图像特征进行串接融合,输入SVM识别人体,最后结合目标区域的颜色特征判别安全帽。实验结果表明,文中方法能更有效识别多姿态施工现场人员,并且适应多样的施工场景,达到0.867的安全帽识别率。     

基于扩散张量的图像混合去噪方法

图像去噪过程中,主要目的是有效去除噪声的同时能较好地保存图像的边缘与细节。基于此,本文根据自蛇模型与相干增强扩散的特征,提出了相应的混合去噪方法,并加入了保真项。实验结果表明该方法能有效去除图像噪声,同时对边缘信息的保留也较好。     

基于VTK和ITK的3D医学图像重建系统的设计与实现

三维图像重构是当前数字图像处理领域的一个热点,特别是其在医学图像处理中的应用。VascuView3D是一个基于VTK和ITK的3D医学图像重建系统,该系统实现了体绘制(VR)、表面绘制(SR)和多平面绘制(MPR)等3D视图,以及基于CLUT的三维灰度图像着色。     

基于Keras的图像分类模型的研究与应用

为提高图像识别的准确率，降低模型的损失，以及简化模型构建过程，文章提出一种基于Keras框架的图像分类神经网络模型。通过改进传统神经网络模型中损失函数以及增加DropOut过拟合技术，利用谷歌TensorFlow平台的Keras高级接口进行图像识别模型的搭建和训练，最终将模型应用于Fashion-MNIST多分类数据集，实验结果表明提出的基于Keras图像分类模型极大地简化了模型的复杂度，减少了模型过拟合现象的发生，并提高了图像分类的准确率。     

基于L1-L2混合噪声模型的图像超分辨率重建方法

文章提出了一种基于L1-L2混合噪声模型(HNM)方法用于图像、视频的超分辨重建,该方法有效利用L1范数在突变区域较好保持图像边缘信息的特点,同时兼顾了L2范数对图像平坦区域的噪声抑制特性。针对求解过程中噪声分布的改变,L1、L2范数的选择问题,提出一种自适应隶属度(AMD)方法,该方法不仅能达到理想的实验效果,而且大大地减少了迭代次数与运算时间。     

滴灌工程施工及管理要点探讨

滴管工程项目是一种节能高效的新型灌溉技术，基于其具有显著的节水性能优势，目前我国多地开展了滴灌工程建设。虽然滴灌工程施工难度不是很大，但涉及大量的管材，细节处理比较多，施工过程中如果工程管理不到位，就容易埋下隐患，影响滴灌工程质量。基于此，以下首先探讨了滴灌工程施工的主要内容，在此基础上针对滴灌工程各环节的施工内容，提出相应的管理要点，希望能为相关领域工作者提供一定参考。     

多帧超分辨率图像重建迭代小波算法研究

为了解决由于物体的运动和拍摄环境等因素,造成拍摄后多帧图像分辨率低和细节丢失的问题。本文对现有超分辨图像处理算法查阅研究,提出超分辨率图像重建迭代小波算法。最终对比迭代小波算法运算后最终的图像和参考帧图像,并比较图像信噪比的变化得出迭代小波算法的优越性。     

基于卷积神经网络的管道井缺陷识别研究

管道井与人类社会生活息息相关,而由于管道井盖丢失、破损造成交通事故频发,危害人类财产生命安全。本文提出利用计算机视觉技术检测识别管道井缺陷,然后通过标记报警功能来实时抢修,可以避免更多事故的发生。本文通过构建深度神经网络模型,利用卷积神经网络模型自动提取图像中每种管道井缺陷的特征,通过对管道井的六种缺陷现象进行训练、测试,得到最终识别结果。实验结果表明,卷积神经网络对管道井缺陷图像的识别达到来预期的效果,并在缺陷检测中优于传统的分类模型。     

一种基于色彩变换的伪彩色图像融合新算法

伪彩色处理对目标的识别与跟踪十分有意义。图像融合是伪彩色处理的非常有效的方法之一。本文提出了一种基于伪彩色的图像融合新方法。用小波变换得到灰度融合图像,求出灰度融合图像与原图像的差异图,利用IHS变换,得到彩色融合图像,再经过色彩变换,得到最终的伪彩色融合图像。结果表明,融合图像色彩更逼真,更符合人眼的视觉特征。     

基于改进的同态滤波方法在光测灰度图像增强中的应用

文章基于光测灰度图像的特点,提出了一种基于改进型的高斯型高通滤波器的同态滤波方法。与常用的光测灰度图像增强的直方图均衡化方法相比,文章方法较好的保留了光测灰度图像中目标的梯度细节与边缘信息,所得到的图像定位精度、图像细节、画面效果等方面与直方图均衡化方法相比表现更好,更适宜于灰度图像的增强处理过程的应用。     

基于深度学习的低信息量图片物体检测算法研究

本文探讨了物体检测模型在一些领域的应用困难,比如基于热像图的物体检测,基于x射线图的物体检测,由于这类图像信息量低,传统物体检测模型难以应用。本文提出了一种统一化的解决方案,利用pix2pix模型将信息含量较低的图片转化为常规图片,再利用SSD模型侦测图像中的物体。通过实验,验证了算法的可行性。     

基于小波变换的图像融合方法及其性能评价

近年来,图像融合已成为图像理解和计算机视觉领域一项重要的新技术。把小波变换技术应用到图像融合之中是该研究领域的重大突破。文章以小波变换为工具,描述了基于小波变换的多传感器图像融合算法的实现,提出了多种融合规则和融合算子,并对融合结果进行了深入分析和性能评价。     

基于小波变换的图像融合方法及其性能评价

近年来,图像融合已成为图像理解和计算机视觉领域一项重要的新技术。把小波变换技术应用到图像融合之中是该研究领域的重大突破。文章以小波变换为工具,描述了基于小波变换的多传感器图像融合算法的实现,提出了多种融合规则和融合算子,并对融合结果进行了深入分析和性能评价。     

基于深度学习的MSSD目标检测方法

文章提出了一种基于深度学习的MSSD(Modified Single Shot multibox Detector)目标检测方法。文章阐述了SSD方法的模型与工作原理,SSD方法采用多尺度的特征图预测物体,使用具有较大感受野的高层特征图预测大物体,具有较小感受野的低层特征图预测小物体。使用的低层网络的特征图预测小物体时,由于缺乏高层语义特征,所以导致SSD对小物体的检测效果较差。文章提出了一种MSSD模型,把原有的VGG网络替换为深度残差网络,采用了特征金字塔网络模块对高层语意信息和低层细节信息融合,并通过1 000张图像数据集测试,对比MSSD方法与SSD方法在目标检测上的物体检索能力与检测精度。结果表明,MSSD方法比SSD方法准确率高、速度快。