关键词： 畸变补偿   图像处理   目标检测   导航雷达  

摘要： 针对雷达载体船运动导致的图像畸变问题,分别分析高速直航运动和回转运动情况下目标成像畸变的原因;仿真分析相关参数对图像畸变带来的影响,并计算与运动参数相关的目标图像畸变补偿公式;提出目标雷达图像畸变补偿的应用算法。该算法包括目标检测、运动补偿和目标图像校正。通过湖上试验,采用目标图像畸变补偿后的目标定位精度指标按直航和回转运动分别提升了33.13%和47.38%,进而提升水面舰艇的感知能力。

关键词： 光流法   最优估计   机器视觉   图像处理   出钢模型  

摘要： 自动出钢系统相较手动出钢具有明显的优势,该项技术正在逐步取代传统的操作人员手动出钢模式,而目前使用较多的自动出钢系统有的对外部数据过于依赖,有的大量使用经验数据导致时效性差、容错率低。而通过光流法得到的自动出钢模型准确性高、时效性好、抗干扰能力强,并且摆脱了外部数据的束缚,具有更广阔的应用空间。此法是在出钢区域安置一台高清摄像头,通过光流法对采集到的图像序列中的两帧进行处理计算,得到光流分布图,判断出钢位置,将此算法应用到整个图像序列中,即可得到连续的出钢位置,进而控制出钢车做出相应移动,达到自动出钢的目的。

关键词： 遥感   旋转目标检测   目标检测   弱监督   深度学习   旋转一致性   图像级标注   匈牙利损失   DOTA数据集  

摘要： 为了减轻旋转目标检测的标注负担、提高遥感旋转目标检测数据集的可用性和丰富性,本文提出了一种仅使用图像级别标注的旋转目标检测模型。该模型的核心在于利用3个一致性约束:图像级别标注的一致性、旋转检测框位置的一致性和聚类中心分布的一致性,来设计目标检测网络。首先,本文引入了遥感场景下的弱监督旋转目标检测范式,通过逐阶段优化预测结果,利用图像级别标注的一致性来训练模型。其次,为了提高旋转角度的预测准确性,模型通过利用不同旋转视图下的旋转检测框的空间位置一致性约束来调整角度预测。最后,为了保持不同旋转视图下聚类中心节点的分布一致性,设计了匈牙利损失来度量聚类中心的分布一致性。通过这些一致性约束,模型可以更好地利用不同旋转视图下的旋转等变性,提高检测性能。为了验证该模型的有效性,本文在两个主流的遥感目标检测数据集DIOR和DOTA-v1.0上进行了实验。实验结果显示,模型在DIOR数据集上取得37.7%mAP,相较于水平弱监督最先进模型提升了9.4%mAP;在DOTA数据集上取得28.1%mAP,在多个检测类别上优于难度更小的、基于水平框标注的旋转弱监督的最先进模型。这表明该模型在解决标注困难和提高遥感目标检测性能方面具有良好的潜力。未来,研究者可以进一步拓展这种基于图像级别标注的旋转目标检测模型,结合更先进的技术和不同数据源,探索其在遥感、地理空间分析和其他相关领域的更广泛应用。

关键词： 数字图像处理   项目驱动   翻转教学   科研答辩  

摘要： 针对传统数字图像处理教学模式存在重理论、轻实践,学生参与度不足,技术更新滞后,教学资源单一等问题,在科教融合背景下,该文探索了一种“答辩式”翻转教学模式。该模式融合项目驱动、翻转教学和课题答辩等理念,以精选高质量案例驱动主动学习和个性化学习,实现课程教学内容和教学模式的优化。学生选择教师提供的案例进行研究,并在课堂上进行陈述和答辩,这一方式有效强化了实践操作环节,丰富了教学资源,充分调动了学生的学习主动性,提高了学生的课堂参与度。问卷调查和课程达成度对比结果显示,“答辩式”翻转教学模式在提高学生学习效率、促进团队合作、增强实践能力和创新思维等方面取得了良好效果。

关键词： 雷达目标检测   孤立森林算法   主成分分析算法   多特征联合   海杂波  

摘要： 针对海杂波背景下的雷达弱目标检测问题以及孤立森林(isolation Forest, iForest)算法在处理高维数据时未充分利用雷达回波信号特征信息的问题,提出了一种基于改进多特征联合的孤立森林弱目标检测方法。该方法通过分析实测海杂波数据在时域、频域和时频域的特性构建了丰富的高维特征矩阵,在iForest算法中融合主成分分析算法进行数据降维,引入平均相关度构成双参数降维准则,以平衡主成分与原始特征之间的相关性。仿真结果表明,所提改进方法在不同海况以及极化方式下均能够有效提升海杂波背景下雷达弱目标检测的性能,且在虚警概率较低的情况下仍有较高的检测概率。

关键词： 事件相机   目标检测   噪声标记   跨模态   联合优化  

摘要： 事件相机具有高时间分辨率、高动态范围和低功耗等特性,通常被用于传统相机应用受限场景(高速度、强光、弱光等)下的目标检测任务中。然而由于事件相机的像素异步性,其输出的事件序列难以进行人工标注,为此现有方法通过RGB图像标记迁移得到事件序列标记。然而,迁移标记中存在大量噪声标记和事件序列中部分目标纹理模糊,导致难以取得理想的模型性能。为了解决此问题,提出了一种跨模态噪声过滤的事件相机目标检测算法。算法利用预训练后的事件相机检测器对开源RGB目标检测数据集进行筛选,得到对训练事件相机检测器最具价值的RGB图像和事件图像一起构成跨模态混合图像,帮助检测器更准确地识别、定位事件图像目标;为了缓解噪声标记对检测器性能的影响,设计了一种多阶段目标检测联合优化策略,单个阶段训练完成时,在全局标记中识别噪声标记,并对噪声标记进行修正后在下一阶段使用。实验结果表明,在1Mpx Detection Dataset上,与基准模型相比,跨模态噪声过滤的事件相机目标检测算法提供了8.35%的模型增益,远优于Co-teaching,O2U-net等噪声标签学习方法,具体地,跨模态混合图像训练、联合优化框架分别提供了6.44%,4.77%的模型增益。

关键词： 机器视觉   PCB检测   图像处理  

摘要： 随着电子信息产业的快速发展,PCB作为电子设备的核心组件,其制造质量对产品的性能和可靠性起着关键作用。传统的人工检测方法效率低下,无法满足现代制造业对高精度和高效检测的需求。研究提出了一种基于机器视觉技术的PCB漏膜和漏铜自动检测装置,对PCB板表面的缺陷进行精确识别和分类。研究为PCB制造业,特别是中小型企业提供了一种成本低、效率高的自动化质量控制解决方案。

关键词： 计算机视觉   目标检测   施工管理   退火算法   无人机技术  

摘要： 为满足现代施工场地对数字化发展的需要,基于已有的建筑施工现场研究,提出基于计算机视觉的施工现场多目标检测方法。通过SODA(Simple Ocean Data Assimilation)数据集在检测程序中训练,利用学习率改进算法优化训练模型,在多次训练的模型中筛选比对得到最优训练模型;基于无人机自动飞航拍摄的实际施工场地,利用最优的训练模型在不同的施工阶段检测影响施工进度与施工安全的目标,获取检测数据;最后通过创建轻量化的进度安全管理平台,将检测数据创建并导入数据库,在Web平台上实现数据可视化。结果表明:在无人机飞航视角下的目标检测,能够有效统计施工目标与安全情况;与人工方式相比,基于计算机视觉的检测更具理性且效率更高,对于施工现场智能化进度监测与安全管控具备一定的参考价值。

关键词： 人工智能   目标检测   卫星识别   深度学习  

摘要： 针对航天活动频繁导致空间物体数量激增及安全管理问题日益凸显的现状,本文提出了基于深度学习的卫星识别方法。通过改进YOLOv8模型,增加了全局注意力机制模块,提升了模型深度挖掘和提取图像中的细微特征的能力,能够较好地实现对卫星和其部件的识别与分类。实验结果表明,改进后的模型在识别精度上有较大的提升,优化了卫星识别过程,帮助地面人员减少了信息解读的误差,为航天领域的安全管理提供了更加可靠的技术支持。

关键词： 金属带钢   缺陷识别   图像处理   特征融合   主成分分析法  

摘要： 带钢是现代制造业的重要原材料,其表面缺陷严重影响了最终产品的性能。为实现热轧带钢表面缺陷的准确识别分类,本文提出了一种基于特征加权融合的带钢表面缺陷识别方法。针对6种类间差异小、类内差异大的热轧带钢表面缺陷,分别从特征提取、特征融合、特征降维三个方面改进机器学习算法,获取低维度、高信息度的缺陷特征。通过支持向量机(SVM)训练特征,实现缺陷分类。实验结果表明,融合特征较单一特征具有更强的表征能力,本文方法的缺陷识别率达到了98.33%,具有较强的实用性。