1 中国科学院福建物质结构研究所泉州装备制造研究所, 福建 泉州 362200
2 福州大学电气工程与自动化学院, 福建 福州 350108
针对织物瑕疵数据集搜集和织物瑕疵检测困难的问题, 提出了一种使用深度学习与传统算法相结合的织物瑕疵检测算法。首先提出特征金字塔结构的自编码网络, 对正常样本进行学习。其次检测过程中提出同一尺度下进行多模型融合, 在降低漏检率的同时移除纹理噪声的干扰。实验结果表明, 所提出的学习方法对织物中线状瑕疵检测率高达98%以上, 对织物中的面状瑕疵的检测率也达到了84%以上。对于实际生产过程中的瑕疵检测具有应用价值。
光照归一化 卷积神经网络 图像重构 残差图融合 瑕疵检测 illumination normalization convolutional neural network image reconstruction residual graph fusion defect detection
火箭军工程大学核工程学院, 陕西 西安 710025
针对高光谱遥感图像中存在的条带噪声,提出了一种基于低通滤波残差图的条带噪声去除算法。算法首先使用高斯低通滤波器对图像进行滤波,得到低通滤波残差图;然后借助条带噪声秩为1以及残差图中的细节与条带噪声正交的先验信息,使用正交子空间投影技术将低通滤波残差图中的条带噪声和图像细节进行分离;最后将分离出的细节信息加入滤波后的图像中。通过对上述三步不断迭代,算法能够有效地去除图像中的条带噪声,并且能够解决低通滤波法去条带造成图像模糊的问题。实验结果表明,与现有前沿的去条带算法相比,该方法能在有效去除条带噪声的同时很好地保持图像的信息。
遥感 高光谱遥感 条带噪声 低通滤波 残差图 正交子空间投影 光学学报
2018, 38(12): 1228002
1 西北工业大学自动控制系,西安,710072
2 中国科学院西安光学精密机械研究所,西安,710068
3 中国科学院研究生院,北京,100039
为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量.结合中值滤波和图像二值化,实现了运动目标的快速定位.通过对目标实测图像序列的实验,结果证明:该算法具有快速、稳定、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位?囊?
电视经纬仪 跟踪测量 运动目标 残差图 TV theodolite Tracking measurement Moving targets Difference image
