关键词： 图像处理   速度   位移   可视化   教学融合  

摘要： 传统的教学方法中速度和位移概念讲解相对枯燥乏味且抽象、给学生的理解带来一定的困难。旨在通过图像处理中的图像增强、图像目标检测、重心提取等方法将抽象的物理模型和数据结果以图像方式直观的展示给学生,帮助学生建立基本的位移与速度概念空间,脱离相对枯燥的理论讲解,同时展示图像处理技术如何在物体实际运动中计算速度和位移,并实时可视化地展现结果,加深学生的理解。图像处理技术与物理位移速度教学相融合,在一定程度上促进了物理课堂教学的发展,丰富了教学手段,优化了教学过程,激发了学生的创新精神,增强了学生的科学探究能力。

关键词： 计算机视觉   视频超分辨率   深度学习   循环神经网络   深度残差网络   红外动态目标  

摘要： 为了提高机载红外成像系统对动态目标的远距离探测与识别能力,提出一种基于循环残差神经网络的红外视频超分辨率重建方法。该方法针对机载红外成像系统的实际退化过程,结合动态目标的运动信息,通过优化网络架构有效提升视频重建质量。首先,分析了包括下采样、运动模糊及噪声干扰在内的红外视频退化过程并基于此构建了低分辨率数据集,介绍了循环残差神经网络,该网络能够有效提取并传递动态目标的运动信息,从而恢复目标的形状、轮廓和细节纹理。采用跳跃级联残差结构改进模型主干,保证流畅信息流的同时使其更适合处理长视频序列,且有效避免了模型在训练过程中梯度消失。进一步,通过调整残差块的数量和各层卷积核的数量,优化了网络的表达能力和计算效率。此外,提出一种结合Charbonnier损失和高频信息损失(HFLoss)的损失函数共同监督,用于提升重建图像中高频细节的恢复效果。实验结果表明:所提出的重建方法在公开和实测红外数据集上均可实现动态目标的2倍超分辨率,PSNR值高于40 dB,SSIM值大于0.92,重建速率不低于45 frame/s。结合分辨率测试靶标与红外变焦成像系统准确标定了系统角分辨率,验证了重建方法在提升系统角分辨率方面的优势,系统角分辨率提升1.43倍。该方法能够满足机载成像系统高实时性和重建质量的要求。

关键词： 疲劳检测   深度学习   图像处理   驾驶员监测   交通安全  

摘要： 随着汽车行业的快速发展,道路安全问题日益受到重视,疲劳驾驶是导致交通事故的主要因素之一。提出了一种基于高精度dlib疲劳检测技术的汽车安全系统模型,利用深度学习和图像处理技术,通过分析驾驶员面部特征来实时监测其疲劳状态。采用dlib库进行面部特征点的检测,通过计算眼睛的闭合程度、打哈欠频率和头部姿态变化,结合驾驶行为分析,准确评估驾驶员的疲劳程度。当检测到驾驶员疲劳时,系统会通过视觉和声音信号进行警告,提醒驾驶员采取措施,如休息或更换驾驶员,以保证行车安全。实验结果表明,该模型能够有效地识别疲劳驾驶行为,对于提高道路交通安全具有重要的意义。

关键词： 目标检测   半监督学习   红外夜视   野生动物保护   师生模型   注意力机制  

摘要： 针对野生动物夜间目标检测精度与效率低且难以人工全面标注的问题,提出了一种基于半监督学习的夜间野生动物端到端识别模型(SAN-YOLO)。基于YOLOv8融合特征注意力机制和像素注意力机制,以提升检测器对于夜间图像的自适应性和特征表征能力。然后,搭建了基于师生学习框架的半监督训练网络,通过生成并合理分配伪标签,让学生模型从大量未标注的原始图像中学习,最后,在所构建的数据集上进行评估。实验结果表明,在使用5%标注的情况下,SAN-YOLO的mAP指标达到69.7%,高于其检测器在全监督训练下的59.6%和基线模型的57.1%。所研究的检测方法在少量标注的夜间动物数据集上展现出良好的性能,且验证了注意力机制在夜间目标检测领域的有效性。

关键词： 有向目标检测   椭圆方程   特征增强   高分辨率遥感影像  

摘要： 遥感有向目标检测是计算机视觉领域内一项具有挑战性的任务,传统的水平框表示法无法精确定位尺度各异、方向任意且密集排列的遥感目标。目前广泛采用的五参数有向框表示法,由于方向角的周期性和边的交换性问题,增加了模型训练的复杂度。为了解决上述问题,本文提出了一种基于椭圆方程的遥感有向目标检测模型EllipticNet (Elliptical Equation-based Remote Sensing Oriented Object Detection Networ)。首先,EllipticNet将方向角的预测问题解耦为两个子问题:定量角度回归和旋转方向分类,从而克服五参数有向框表示法的边界不连续性问题;结合椭圆的长短轴以及中心点预测,实现遥感有向目标的精确表示。其次,本文设计了一种椭圆约束的损失函数,通过增强椭圆参数之间的内在几何关系,提高EllipticNet训练的鲁棒性。此外,本文还提出了一种逐层空洞空间卷积池化金字塔模块,显著提升EllipticNet对多尺度特征的表征能力。最后,在DOTA、HRSC2016和UCAS_AOD等3个常用的公开遥感数据集上的对比实验表明,本文方法在性能和效率方面均具有竞争力,表明本文方法在遥感有向目标检测中具有一定的实用价值。

关键词： 合成孔径雷达   飞机检测   复杂背景   全维度特征提取   可变形全局特征融合  

摘要： 合成孔径雷达(SAR)图像飞机目标检测面临背景复杂、飞机目标较为微弱且尺度较小、不同成像条件下目标差异较大、目标结构不连续等挑战,提出一种新的飞机目标检测算法ATDM,用于提高复杂背景下SAR图像飞机目标的检测精度。使用YOLOv8s作为基线模型并改进了损失函数,算法包含三个重要的模块,即卷积注意力模块(CBAM)、全维度特征提取(ODFE)模块和可变形全局特征融合(DGFF)模块。为了增强网络在复杂背景下对飞机目标特征的提取能力,在基线网络的Backbone插入CBAM,从空间和通道两个维度学习飞机目标的特征;ODFE利用卷积核空间四个维度的动态性,通过并行策略沿核空间的四个维度学习不同类型飞机目标的特征,提升复杂背景下对散射特性较弱的飞机目标及小目标的检测能力;DGFF自适应调整卷积核的形状以适应不同成像条件下得到的飞机目标,并进行全局信息特征融合。最后,改进边界框回归损失函数为动态非单调聚焦损失函数WIoU,采用动态非单调聚焦机制,使用离群度评估锚框质量,降低SAR图像中可能存在的错误标注产生的影响。为了评估所提ATDM的性能,在SADD和高分三号SAR飞机数据集上开展实验,在两个数据集上得到的平均准确率(AP)分别达到95.4%和98.2%;消融实验结果与分析验证了所提出的三个模块及损失函数的有效性。此外,在与其他目标检测算法的对比中,所提算法也得到了最高的平均准确率。

关键词： 双模态图像   目标检测   特征融合   深度学习   注意力机制  

摘要： 为了应对复杂动态环境下红外与可见光双模态目标检测的挑战,特别是目标特征表达不足以及红外可见光特征在双模态融合中无法充分利用互补特征导致漏检和误检的问题,提出了一种用于目标检测的双分支特征增强与融合网络(Dual-Branch Feature Enhancement and Fusion,DBEF-Net)。针对模型对红外和可见光特征关注度不足的问题,设计了一种特征交互增强模块,该模块能够有效地关注并增强双模态特征中的有用信息。同时,为了更有效地利用双模态的互补特征,采用基于Transformer的双模态融合网络,并引入交叉注意力机制,以实现模态间的深度融合。实验结果表明,在SYUGV数据集上,与现有双模态目标检测算法相比,本文方法的平均检测精度更高,处理速度也能满足实时检测的需求。

关键词： Mura缺陷   液晶屏   目标检测   深度学习   微弱特征  

摘要： 针对液晶屏Mura缺陷检测中因对比度低和尺度差异多样而导致的检测精度不足的问题,从提升模型对小尺度缺陷和微弱缺陷检测性能的角度,提出了一种基于改进YOLOv8n的液晶屏Mura缺陷检测模型YOLO-D3MNet。首先,通过引入ConvNeXtv2模块重构模型的主干网络和颈部网络,提高模型在复杂纹理背景下的微弱特征提取能力;其次,针对检测头模块特征信息跨通道交流不足的问题,提出了一种结合通道混洗策略和深度可分离卷积的高效解耦头,促进不同特征通道之间的信息流动,降低模型的算力需求;最后,针对基于预测框和真值框的交并比度量对小尺度缺陷的位置偏差敏感的问题,引入归一化高斯Wasserstein距离损失函数,提供更多的正样本候选框,从而提高模型对Mura缺陷的检测性能。改进后的YOLO-D3MNet模型的准确率、召回率和mAP_(50)分别为92.9%、88.8%和94.8%。相较于基础模型YOLOv8n,YOLO-D3MNet模型的准确率、召回率和mAP_(50)分别提高了3.4%、2.7%和3.6%,同时模型的GFLOPs降低了24.7%。与YOLOv5n等主流目标检测模型相比,本文提出的YOLO-D3MNet模型在液晶屏Mura缺陷检测方面具有更好的性能。

关键词： 机器视觉   压力表   自动检测   机器学习   误差分析   质量控制   图像处理  

摘要： 本文介绍了一种基于机器视觉技术的智能压力表自动检定系统,通过集合精密的机械结构设计、高灵敏度传感器、高效的数据采集和控制模块,运用先进的图像处理技术和机器学习算法,实现压力表的自动识别、自动采集数据及精确的误差分析。经测试,该系统不仅具有良好的精度、工作效率和运行稳定性,而且大大降低了人为误差。

关键词： 风景园林   城市蓝绿空间   景观要素   景观感知   健康行为   计算机视觉  

摘要： 【目的】城市滨水绿地内部空间景观要素与健康行为之间的复杂关联亟待深入剖析,恢复性感知作为自然环境中影响个体行为决策的关键因素,为探究二者关系提供了新视角。【方法】以武汉市沙湖公园93个景观节点为研究对象,结合计算机视觉技术、问卷调查和行为观测等方法,深入探究滨水绿地景观要素、恢复性感知对公众健康行为(恢复、体力及社交活动)的影响。【结果】自然景观有助于提升公众的恢复性感知,而高比例的人工要素则产生相反效果;不同健康行为存在空间分布差异且显著影响要素各不相同;恢复性感知与恢复活动、社交活动呈显著正相关。【结论】揭示了3类健康行为对节点景观要素的偏好差异,并证实了恢复性感知对促进健康行为的积极作用。未来可通过强化自然景观建设、合理规划空间色彩及实施节点差异化设计等措施,有效促进公众健康行为开展,进而提升滨水绿地健康效益。