近年来,客观世界和场景三维信息需求量的陡增,促使结构光三维测量技术快速发展。基于条纹投影和相移条纹分析的三维成像技术具有较好的精度和鲁棒性,在众多的技术方法中脱颖而出,被广泛地应用于工业检测、文物数字化、生物医学检测领域。而在人机交互、虚拟现实、在线检测、远程手术等具有时效性要求的应用场景中,实现实时三维测量具有重要意义和明显价值。首先简要介绍了基于相移条纹分析的三维成像技术基本原理,随后分类讨论了实时三维成像的多种优化实现方向,回顾了各类方向中不同的技术方案。最后,总结了基于相移条纹分析的实时三维成像技术所面临的挑战及有潜力的研究方向。

通过疾病的早期筛查,制定针对性治疗方案的精准医疗已成为医学发展的重要趋势。医学影像学检测是实现精准医疗的重要基础。疾病初期无明显表征,采用常规检测方法进行诊断具有一定的局限性,但机体会表现出异常的温度分布,红外热成像技术可以灵敏地检测出温度的变化,因此将其应用于早期疾病检测成为国内外的研究热点。本文首先介绍了当前医学影像学检测手段(如X线检查、超声、磁共振成像)的优缺点,重点介绍了红外热成像技术用于疾病检测的原理;然后对红外热成像技术和先进图像识别技术在早期疾病检测识别领域的国内外现状进行阐述,对比分析了红外热成像技术在早期疾病检测中的优缺点,其优点是无损、快速、准确率高,缺点是所需数据量大、图像处理算法性能差。将红外热成像技术与深度学习相结合对早期疾病进行无损检测,将成为今后的主要研究方向。

长余辉纳米颗粒(PLNPs)因其独特而卓越的发光现象,可实现无损伤、无背景干扰的成像、检测及诊疗。PLNPs的发光中心决定其发射波长。以Cr ³⁺为发光中心的PLNPs由于发出近红外(NIR)光,组织穿透性良好,具有NIR光可激励的超强的持久余辉(PL)等优点,在生物医学研究中得到广泛应用。对Cr-PLNPs在生物检测、成像及多种治疗领域中的应用研究成果进行评述,分析了Cr-PLNPs研究领域存在的问题和挑战,指出了该领域的未来研究方向。

针对低照度图像增强过程中存在的光晕伪影、边缘细节丢失和噪声放大等问题,提出了一种结合双通道先验和光照图引导滤波的图像增强算法。传统去雾物理模型仅基于暗通道先验进行图像增强,局部区域景深不同,进而导致图像过曝和光晕伪影等问题。针对该问题,采取亮暗双通道结合的方法求取大气光值和透射率。对于边缘信息易丢失的问题,采取光照图梯度域引导滤波来改善细化透射率。对于增强过程中噪声放大的问题,采取BM3D滤波进行去噪。实验结果表明,在不同情况下的低照度图像中,该算法相对于其他低照度增强算法,在去噪、光晕消除、亮度调整和边缘保持等方面都有明显的提升。

三维全景给用户提供360°视角的同时给人以强烈的三维立体真实感,虽然近年来研究人员开发了大量的算法来检测二维及三维图像中的显著区域,但针对立体全景图像显著性检测的研究较少。考虑到全景图像的投影特点、立方体投影(CMP)图像有助于消除顶部与底部引起的扭曲及边框效果,利用等矩形投影(ERP)图像中所有可用的上下文信息,以ERP作为全局信息、CMP作为局部信息,融合了全局和局部的视觉显著图。提出的立体全景显著性检测模型由颜色相似度算法和区域对比度算法两部分组成。首先,对图像进行多尺度线性迭代聚类超像素分割,根据像素块的颜色差异得到颜色对比特征图;然后依据空间分布紧凑性计算区域对比度;根据颜色对比特征和区域对比度特征得到图像显著图。通过结合赤道偏移并且融入深度信息得到最终的立体全景显著图。最后,将所得结果在公开的立体全景图像数据库ODI中进行了对比验证,实验结果表明,所提方法得到的显著结果具有较高的准确率、召回率和F-measure值,其综合性能优于6种经典的显著预测算法。所提模型既能够充分利用图像信息,又能有效地抑制复杂的背景区域,可得到更加符合视觉感知的显著图。

为了检测X光图像中的违禁物品,提出一种基于深度学习的单阶段双网络目标检测算法。在单阶段目标检测网络Yolov3的基础上,结合复合骨干网络的思想,构建了Yolo-C目标检测网络。Yolo-C的骨干网DarkNet-C由辅助骨干网络DarkNet-A和引导骨干网络DarkNet-L组成。DarkNet-A中的各个特征层与DarkNet-L中对应的上一层级进行特征级联,然后向下一层级传播,最终得到表征图像信息的特征图。为提升对小目标的检测性能,引入特征增强模块(FAB)。对级联后的特征图进行特征融合,以增强特征的非线性表达能力,达到特征平滑的目的。此外,采用迁移学习和数据增强的方法训练网络,提升了网络的鲁棒性。该算法在SIXray_OD数据集上平均精度均值(mAP)达到了73.68%,检测速度达40 frame·s ^-1。实验结果表明,Yolo-C在检测X光图像领域,有效提高了对多类违禁物品的检测精度,且满足检测的实时性要求。

针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法。首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对图像重叠区域进行融合,去除拼接痕迹。实验结果表明,相较于传统算法,本文算法不仅在处理速度上具有明显优势,而且匹配准确度更高,能够对高分辨率图像实现快速准确的拼接。

针对现有基于像素损失的超分辨率图像重建算法对纹理等高频细节的重建效果差问题,提出了一种基于改进超分辨率生成对抗网络(SRGAN)的图像重建算法。首先,去除了生成器中的批归一化层,并结合多级残差网络和密集连接,用残差套残差密集块提高了网络提取特征的能力。然后,结合均方误差与感知损失作为指导生成器训练的损失函数,既保留了图像的高频细节,又避免了伪影的出现。最后,去除了判别器的最后一层Sigmoid层,以更好地收敛训练过程,并用相对损失函数指导判别器的训练。在COCO数据集上的实验结果表明,相比原始SRGAN算法,本算法在Set5数据集上的峰值信噪比(PSNR)、结构相似性(SSIM)分别提高了0.86 dB、0.0123;在Set14数据集上的在PSNR、SSIM分别提高了0.69 dB、0.0090,且本算法的平均意见指数和视觉效果远优于其他算法。

针对模糊C均值(FCM)聚类算法在数据集下聚类效果差的情况,以及基于欧氏距离的相似性度量只考虑数据点之间的局部一致性问题,提出了基于Jeffery散度相似性度量加权FCM聚类算法(JW-FCM)。引入源于Jeffery散度的相似性度量,首先,对于FCM算法进行特征加权,对数据的不同特征值赋予适当的权重,再将Jeffery散度与加权FCM算法进行结合得到JW-FCM算法。将JW-FCM算法与几种相关算法在人工数据集和UCI数据集上进行对比实验,通过实验分析与比较,证明了JW-FCM算法具有更好的收敛性、鲁棒性、准确性。实验结果表明,改进算法表现出较好的聚类效果。

针对合成孔径雷达(SAR)图像噪声较高,导致目标识别率较低的问题,选取MSTAR数据作为样本集,首先分析了对网络添加注意力机制的必要性,接着在残差注意力网络中引入残差收缩块,从识别率和参数量的角度进行实验分析。改进残差注意力网络的第一阶段和输出阶段,得到模型S,最终模型S的识别率达99.6%的同时,参数量减少了近1/2。为测试改进模型的鲁棒性,对图像进行了遮挡和加噪处理,结果显示,在图像被遮挡和有椒盐噪声情况下,模型S具有较强的鲁棒性。

针对单一特征无法表征铭文全部信息的问题,提出一种基于全局Hu矩和局部聚类加权加速鲁棒特征(TF-KSURF)的多测度青铜器铭文相似性度量方法。通过提取Hu矩特征描述子与加速鲁棒特征(SURF)矩阵,获取铭文图像的全局与局部特征;利用K-means算法和加权策略对局部SURF进行聚类加权,构建TF-KSURF向量;最后设定两种测度的权重,形成多测度相似性度量,并将其应用于青铜器铭文的图像检索。实验结果表明,与单一特征测度相比,所提多测度相似性度量方法能够准确分析铭文的整体特征,提高了铭文的检索性能。

针对三维卷积网络在训练样本较少时对高光谱图像的分类精度不理想问题,提出了一种高效的基于多特征融合和混合卷积网络的分类模型。首先,对高光谱图像进行降维处理后用三维卷积层提取深层空谱联合特征。然后,引入残差连接并通过特征图连接和逐像素相加进行多特征融合,实现特征重用、增强信息传递。最后,用二维卷积层对提取的特征进行空间信息强化,实现图像分类。实验结果表明,在三个公开高光谱数据集Indian Pines、Salinas和University of Pavia中分别用标记样本的5%、1%、1%作为训练样本时,本模型的分类精度分别为97.09%、99.30%、97.60%,可以有效提升小样本情况下的高光谱图像分类效果。

突发性人群聚集会给人们的人身安全带来隐患,因此,对高风险区域进行有效的人群计数具有重要意义。针对多列神经网络结构臃肿、冗余信息多及耗时长等问题,提出了一种基于单列深度时空卷积神经网络的人群计数模型,并对模型进行改进,以满足视频图像计数的需要。首先,在全卷积神经网络(FCN)中加入空洞卷积和跳级连接特征融合,以提高网络提取特征的能力。然后,为了减少视频监控产生的角度畸变对计数结果的影响,在长短期记忆(LSTM)网络结构中加入空间变换模块;为了提高网络计数结果的精确性,用残差连接方式连接改进的FCN和关联时序的LSTM网络。最后,在UCSD、Mall和自建人群数据集上分别进行测试,结果表明,相比其他模型,本模型的人群计数准确性和鲁棒性更好。

现有的目标检测算法检测X光安检图像中较小尺寸的危险品精度较低,为此提出一种多尺度特征融合检测网络,即MFFNet(Multi-scale Feature Fusion Network),其以SSD检测模型为基础并采用更深的特征提取网络,即ResNet-101。通过跳跃连接的方式将网络的高层语义丰富特征与低层边缘细节特征进行融合,为小尺度危险品的检测添加上下文信息,可以有效提升对小尺度目标的识别与定位精度。将融合得到的新特征层与SSD扩展卷积层一起送入检测。实验结果表明,MFFNet能够使X光安检图像中的危险品特别是较小尺寸的危险品,检测精度得到较大的提升,同时能够保持相对较快的检测速度,满足现代化安检的要求。

针对水下图像存在颜色失真和视觉模糊等问题,提出基于光衰减先验和背景光融合的水下图像复原算法。首先通过最大强度先验计算背景光一,基于图像四叉树的方法估计背景光二,根据水下图像光照的亮暗情况对两个局部背景光进行融合,确定全局背景光;其次根据光衰减先验估计场景的相对深度,进而计算三个通道的透射率;然后逆求解水下光学成像模型以消除后向散射;最后结合限制对比度自适应直方图均衡算法以更好地校正水下图像的颜色畸变,最终得到复原后的水下图像。与4种具有代表性的水下图像复原方法进行主客观评价对比实验。实验结果表明,所提算法可以有效去除水下图像的视觉模糊,视觉效果更接近自然场景中的图像。

针对重叠率低的两片点云配准难度大、精度低等问题,提出了一种将聚类区域分块和凸优化问题相结合的点云配准方法。首先,利用点云的曲率特征进行多尺度描述符的建立,确保点云数据完整并且使冗余数据最小;其次,利用多尺度描述符的角度差异进行对应关系聚类分块,获取源点云与目标点云的重叠区域;最后,将重叠区域的点云以及它们的对应关系代入凸优化问题,进行离群值的去除和对应关系的优化,实现粗配准并利用迭代最近点算法进行细化。实验结果表明,所提算法能够缩小点云配准的有用搜索范围,减少配准计算量,为初始重叠程度较低的点云数据提供更具优势的配准精度和时间效率。

现有的解码算法在识别具有复杂3D失真(比如柱面失真)的快速响应(QR)码时会遇到困难,导致数据无法被提取。为此,提出了一种低成本而高效的3D柱面失真QR码的修复算法。所提算法包括三个阶段:首先,通过逆向透视变换还原出3D真实世界的柱面失真QR码;然后,失真的QR码被展开成平面;最后,使用与第一阶段超参数相同的透视变换获得修复QR码。实验结果表明,所提算法可以处理不同柱面失真的QR码,并且仅使用少量的相机内部参数即可工作。

采用一种仿真优化驻留时间分布和修形工艺的方法。通过在离子源出光口处添加光阑来改变离子束的束形,在MATLAB软件上模拟不同光阑尺寸的离子束并按照不同的叠加间距对其进行修形仿真。仿真过程中,引入修正法来获得驻留时间分布和去除面形残差分布并分析其去除规律,从而确定最佳的光阑尺寸、叠加间距和驻留时间分布。融石英平面的初始面形峰谷值为1079.59 nm,方均根值为304.95 nm,直径为120 mm,在模拟仿真的基础上对其进行修形。经13 h修形后,面形的精度峰谷值提高到95.62 nm,方均根值提高到8.99 nm,面形的方均根值收敛比达到33.92。

针对室内小场景下图像采集位置受限、弱纹理物体重建效果不佳的问题,提出了一种只需用手机采集图像的三维重建算法。首先,用一种主动选择式图像匹配策略减少原始运动恢复结构算法中图像两两匹配的次数。然后,将尺度不变特征变换(SIFT)算法改进为Harris-SIFT算法,以提升算法的实时性;通过全卷积神经网络获得预测深度并与多视图立体匹配算法进行融合,以获得更多的稠密点云。最后,用泊松表面重建算法完成物体的重建。实验结果表明,本算法不仅能有效恢复室内场景下的物体细节特征,对弱纹理物体表面的重建效果也较好。相比原始算法,本算法所用的时间减少了21.07%。

高精度的语义分割结果往往依赖于丰富的空间语义信息与细节信息,但这两者的计算量均较大。为了解决该问题,通过分析图像局部像素具有的相似性,提出了一种基于区域自我注意力的实时语义分割网络。该网络可分别通过一个区域级的自我注意力模块和一个局部交互通道注意力模块计算出特征信息的区域级关联性和通道注意力信息,然后以较少的计算量获取丰富的注意力信息。在Cityscapes数据集上的实验结果表明,相比现有的实时分割网络,本网络的分割精度更高、速度更快。

常态化疫情防控形势下,通过口罩佩戴检测可以及时提醒人们正确佩戴口罩,从而降低公共场合人员交叉感染的风险。针对口罩佩戴检测任务中被遮挡目标和小目标检测困难的问题,提出一种YOLO-Mask算法。该算法以YOLOv3为基础,在特征提取网络中引入注意力机制,以提升模型对显著特征的表达能力;然后使用特征金字塔和路径聚合策略进行特征融合,使细节特征信息得到增强,实现不同层次特征信息的充分利用;最后优化了损失函数。实验表明:对不同场景下的口罩佩戴目标进行检测,YOLO-Mask算法的平均精度均值达到93.33%,相比于原始YOLOv3算法提高7.62%;与其他主流算法相比,该算法具有更好的检测效果和鲁棒性。

提出了一种基于深度学习的3D脑肿瘤核磁共振图像(MRI)自动分割方法。为了降低分割难度,采用三级级联网络的策略分割脑肿瘤的三个子区域;为了进一步提高三维分割的精度,采用帧间卷积和帧内卷积,加入额外的多层特征融合机制和空洞卷积;为了进一步细化分割结果,将条件随机场构建的循环神经网络整合到网络结构中。在模型训练中结合了两种损失函数,进一步提高了准确率。该方法在BraTS 2018 数据集上进行验证,对于脑肿瘤整体、肿瘤核以及增强肿瘤,其分割结果的Dice系数分别达到了0.9093、0.8254 和 0.7855,Hausdorff距离达到3.8188、7.8487和4.3264,优于大多数脑肿瘤图像分割方法。

针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换 (NSCT)域边缘检测方法。该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增强;最后将NSCT域各频域和方向的尺度图像进行融合,得到完整的边缘图像。对不同类型的原始图像和噪声图像进行实验,本文方法检测到的平均连续边缘像素比分别为0.931和0.861,相比Canny算子、分数阶微分检测方法和现有的多尺度域边缘检测方法,本文方法具有更好的边缘检测效果。随着图像噪声水平的增加,本文方法得到的平均连续边缘像素比较高,抗噪性强,边缘准确、完整、连续。

针对小样本条件下遥感图像目标的检测精度受到卷积神经网络过拟合影响的问题,提出一种基于生成对抗网络的数据增强方法,利用判别模型为生成模型同时提供图像的局部决策与全局决策,以提高生成模型生成图像的质量,并将生成的目标与训练集图像进行融合得到新的样本,且新生成的样本不需人工标注。实验结果表明,在原始数据中加入生成数据后,检测识别精度有所提高,且本文方法与基于图像仿射变换的数据增强方法的叠加使用进一步提高了数据增强的效果。

由于我国野生菌分布不均,种类多样,一般人群难以辨别野生菌是否可食用,中毒事件时有发生,亟需一种高效的识别野生菌种类的方法。提出了一种新型野生菌种类图片识别模型(Dis-Xception-CBAM),以Xception结构为基准,结合网络权重的迁移学习方法进行特征学习,加入了注意力机制以进一步提取野生菌显式特征,同时引入特征图扰动结构,增加了模型的泛化性能。基于国内常见的野生菌,构建了33种野生菌的图片数据集并进行实验,当初始学习率为0.001,训练迭代次数为300时,Top 1达到96.32%,Top 5达到99.61%。相较于传统图像识别模型,所提模型取得了较好的结果,为野生菌识别研究提供了理论依据。

两步相移法是均衡栅线投影技术的高速与高精度的重要方法。但是目前的求解算法的精度较低或算法复杂度较高。提出一种基于变量分组优化的两步相移求解方法。该方法将原始迭代变量分组为线性组变量和非线性组变量,针对确定的非线性组变量,通过最小二乘法获得线性组变量显式的最优解。通过对非线性组进行参数优化,获得全局的最优解。利用数值模拟与实验对本文方法进行了验证。结果表明本文方法有效地降低了多元非线性优化的相位值陷入局部最优的可能性,且降低了算法的复杂度。

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点。当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分正确匹配点的情况。针对当前存在的问题,提出了一种基于Pearson相关系数,对长度和夹角进行双约束的误匹配点剔除算法。所提算法首先粗剔除误差较大的误匹配点,进而通过迭代的方式对误差较小的误匹配点进行精细剔除。多幅图像的实验结果证明,所提算法能在剔除全部误匹配点的基础上保留绝大部分正确匹配点,与对比组算法相比,保留正确匹配点的比例更高,有效地降低了误剔除率,对提升图像匹配的准确度具有重要意义。

利用光度立体成像法,重建签名笔迹立体形态样本集,基于样本图灰度数据进行量化分析,提出区域灰度差异度D和相邻区域灰度均值变化趋势V'两个特征指标,研究签名笔迹立体形态图灰度指标与签名者书写特征的相关性。实验中共采集5名志愿者1000枚签名共计2600个单字样本集,500枚临摹签名共计1300个单字样本集,在Lib-SVM分类器的基础上利用Canny算子提取边缘特征,通过膨胀腐蚀处理进行特征区域定位,并使用局部二值模式(LBP)算子提取特征区域纹理信息作为分类的特征向量。实验结果表明,经过图像处理后的特征区域二分类模型,可以有效区分真实和临摹签名笔迹的立体形态图,相比特征区域未处理的样本有较高的准确率,由此证明人工智能结合立体成像检测签名笔迹立体形态的方法具有科学性和可行性,能为签名笔迹鉴定提供技术支持。

针对SSD等算法在合成孔径雷达(SAR)图像舰船小目标以及复杂场景下目标的检测效果不佳问题,提出了一种基于多重连接特征金字塔的舰船目标检测方法。首先,针对图像中小目标舰船的特点,构建了全新的特征提取网络I-VGGNet,以解决小尺寸舰船特征信息的丢失问题;其次,增加了多重连接特征金字塔网络模块,加强舰船高层语义特征与低层定位特征的融合,从而提高网络对于中小尺寸舰船的检测性能;最后,为了解决复杂场景对于舰船目标检测的干扰,在广义交并比损失和焦点损失基础上,构造了一个新的损失函数,从而降低网络对于舰船尺度的敏感性,加速模型的收敛。本文方法在中国科学院SAR图像舰船目标数据集上进行了相关实验,实验结果表明,平均精度达到了94.79%,优于现存的主流检测算法,帧率达到了22 frame/s,满足实时检测的需求,所提方法对复杂场景下不同尺寸的舰船目标的检测展现出了良好的适应性。

菲佐激光干涉仪使用的标准球面镜头通常只能在特定波长下使用。提出了一种通过调整镜头内部透镜间隔来改变其工作波长的方法,利用该方法设计了两款可变波长标准球面镜头,口径为19.05 mm,镜头光圈系数分别为5.6和8。镜头在各目标波长下的参考波前质量均满足设计要求,并分析了公差容限以确保镜头具有可实际加工性。根据可变波长标准镜头的装调和工作原理设计了机械结构,并研制出光圈系数为8的实验镜头,测得其透射波前峰谷值在标准632.8 nm激光干涉仪下小于λ/10(λ为入射光的波长),镜头的实际加工误差在容限范围内。使用多波长激光干涉装置和实验镜头测量了同一球面元件的面形,在5种波长下测量结果基本一致,实验结果表明,可变波长标准镜头可以用于实际检测。该类镜头的研发节约了检测成本,提高了标准镜头在激光干涉测量中的利用率,该镜头具有较高的工程应用价值。

针对室内定位技术精度较低及数据量过大影响运算时间等问题,提出基于OCAE-SOM(Optimized Convolutional Autoencoder-Self Organizing Map)的室内指纹定位算法。离线阶段,先将信道状态信息的幅值相位预处理矩阵作为原始输入数据,并调整为RGB(Red, Green, Blue)格式训练卷积自编码器,使其可深度挖掘参考点的指纹特征,采用Adam算法优化CAE算法的参数,既降低数据维度又能提升训练效率;然后采用OCAE-SOM算法训练模型,可以缩短单独训练模型的时间;最后采用Adam算法优化SOM的权重,可较好地保留输出特征间的相关性,避免权重参数出现局部最优。在线阶段,将调整后的测试数据输入到OCAE-SOM算法中,经匹配后可得到输出位置点。实验结果表明,该算法模型在定位时间与精度上显著优于已有算法,具有一定的应用价值。

提出一种分区间曲线拟合方法来准确获取干涉条纹的中心点。该方法根据干涉条纹图灰度值分布规律, 首先对干涉条纹R值图进行高斯低通滤波, 在保留原始条纹信息的基础上去除噪声;然后,在滤波后的图像中选取法线方向的一列像素值,得出灰度分布曲线;最后,截取邻近峰值的一段图像,对增、减两个区间进行分段曲线拟合,求得两段曲线拟合函数的交点即为干涉条纹中心。实验证明,该方法具有较好的曲线拟合效果,其速度相对于Steger算法提高了近10倍。该算法能有效地根据干涉条纹灰度分布规律得到干涉条纹中心点,具有运算简便、精度高、抗干扰的特点。

针对传统除锈工艺在桥梁养护中的一些问题,进行了激光智能除锈的工艺及设备研究。为实现智能识别工件表面锈迹及除锈,采用Python及OpenCV视觉库对16Mn钢表面锈迹进行识别,通过一系列图像处理算法识别出生锈区域,得到生锈区域的位置信息、生锈等级、尺寸信息等,随后使用100 W激光除锈系统对识别出的锈迹进行清除,并对除锈后的工件再次进行识别检测。应用机器视觉辅助的激光去除锈蚀系统后,16Mn表面C、O元素的质量分数下降至5%以下。机器视觉辅助下的激光智能除锈可以快速、高效地识别出工件表面的锈蚀,并利用视觉算法和工艺数据库快速匹配相应的加工工艺参数,从而提高了加工效率、降低了人工成本。

在链篦机系统故障中,一种常见的故障为侧板偏移,当发生侧板偏移时,会造成严重事故和经济损失。针对人工观察检查为主的侧板偏移检测方法存在费时费力、智能化程度低等问题,提出了一种基于直线段检测(LSD)算法的侧板偏移检测方法。设计了包括硬件设备搭建和数据处理方式的整套检测方案,采用摄像机采集链篦机台车侧板图像信息,根据链篦机台车实际运行情况,设定链篦机台车侧板偏移检测规则,通过对采集的视频帧图像感兴趣区域截取、区域划分,应用LSD算法检测图像中的直线段信息,并对检测获取到的台车侧板直线段信息进行直线融合、断点差值计算处理,依据判定规则在线检测台车侧板偏移故障并自动给出报警提示。对包钢烧结厂内采集的台车侧板视频图像进行测试,程序误检率为1%,平均检测与判定时间不足0.1 s,表明该方法能够有效替代人工观察检查方法检测台车侧板偏移故障,为链篦机台车侧板偏移检测提供技术支持。

针对铝板缺陷电涡流检测图像边缘区域不容易识别,同时检测图像存在背景噪声干扰的问题,提出了一种基于改进生成对抗网络的铝板缺陷电涡流检测图像分割方法。该方法建立在生成对抗网络图像分割模型的基础上,生成器部分采用U-Net模型的思想,在高低层特征融合之前采用注意力模块,调整低层特征与高层特征拼接时的权重,有利于提高图像特征信息的利用,增强目标特征并抑制背景特征。判别器部分用于区分网络生成的结果和人工标注的真实结果。所提方法采用Precision、Recall和F1作为评价指标。实验结果表明,与传统的图像分割方法相比,所提方法对铝板缺陷电涡流检测图像取得了较好的分割效果。

绝缘子为配网架空输电线路的重要组成部分,对无人机航拍的绝缘子图像进行精准识别是实现其缺陷检测和故障诊断的重要前提。针对图像中绝缘子目标小、背景复杂的问题,提出了一种基于多尺度密集网络的配网架空输电线路绝缘子识别算法。首先,利用K-means算法对数据集的目标框进行分析,获取合适的锚框;然后,将基础网络中的残差模块替换为密集连接模块,以增强网络特征信息的复用与融合,同时添加空间金字塔池化模块、优化多尺度特征融合,以对绝缘子进行预测;最后,用融合交叉熵函数和Focal损失函数的损失函数替换原始损失函数,构建航拍巡检图像数据集并进行实验。实验结果表明,相比原始算法,本算法的准确率提高了约12个百分点,且鲁棒性更强,基本满足电网巡检对绝缘子识别的要求。

相关滤波器由于近年来在实时准确地跟踪视频信号方面展示出了优异的性能,为此引起了很多学者的关注。但在应对复杂场景外观变化较大的情况下,滤波器的跟踪效果易不稳定,估计尺度变化能力也有待改进,模型更新过程易引入不可信样本,不利于精确跟踪目标。为此,采用颜色直方图模型和相关滤波判别模型相结合的方式对跟踪目标进行精确定位,再从预测位置处提取尺度样本训练核尺度相关器。针对模型更新过程中可能引入干扰信息的问题,选择当响应置信度达到一定阈值时,对模型进行更新。在跟踪数据集(OTB-2015)中所提方法表现良好,成功率为0.694,精确度为0.794。

雷达目标检测器是雷达接收机中的重要组成部分,目标检测的目的是在恒虚警概率的约束下,最大化提升目标的检测效率。针对车载毫米波雷达目标检测过程中传统单元平均恒虚警率(CA-CFAR)在相邻多目标条件下往往会出现遮蔽的情况,改进了一种新的一维CA-CFAR检测算法。首先,对左右参考单元做等分处理,求出等分后各个子参考单元的平均值。然后,将子参考单元的平均值与参考单元的平均值进行比较。最后,对大于参考单元的平均值进行处理,得到新的检测门限。仿真和实验结果表明,改进CA-CFAR算法相比于传统CA-CFAR在线性调频连续波雷达多目标检测上具有更好的检测性能,验证了所提算法的有效性。

设计了一种微小型光学元件尺寸的视觉测量系统。提出一种穹顶光和同轴光结合的暗场散射照明方案来突出元件的表面特征;利用子区域和全图的亮度差值进行光照补偿,以消除边缘重影;针对边缘局部亮度过高且不均的问题,使用基于区域分割的Otsu算法提取边缘。使用最小二乘法拟合元件边缘计算尺寸。实验结果表明:基于区域分割的Otsu算法测量长和宽的平均误差分别为1.5 μm和4.1 μm,较Canny边缘检测算法测量的结果,减小了10 μm以上,测量不确定度为0.5 μm和1.1 μm,较改进前的算法,受光照影响小,准确度和鲁棒性更高。

车辆行驶环境感知是自动驾驶领域的重点和难点问题,其中车道线检测是车辆行驶环境感知的基础。针对不同实例车道线难以区分、现有区分算法时间复杂度高、不同行驶场景需人为调整超参数等问题,提出了一种三分支车道线实例分割算法,并对分割结果进行自适应聚类以拟合不同实例车道线。针对车载摄像头获取的图像数据不均衡特点,用基于三分视野法的Tversky Loss函数对卷积神经网络进行训练。针对车道线大曲率半径的特点,以高次项权重作为最小二乘法正则项拟合车道线。在TuSimple数据集上的测试结果表明,本算法对实例车道线的识别准确率为96.23%,相比LaneNet,本算法的时间消耗减少了23.67%,且对不同车辆行驶场景都有较好的检测效果。

在具有动态背景或测量噪声的场景中,基于核范数约束的低秩稀疏分解背景建模算法容易将运动的背景或噪声作为前景的一部分与前景同时分离出来,对复杂背景的建模性能表现不佳。针对此问题,提出一种加权Schatten-p范数与结构化稀疏分解的视频前背景分离算法。首先,因加权Schatten-p范数比核范数能够更好地抑制测量噪声,故采用加权Schatten-p范数对背景矩阵进行约束;其次,利用前景在空间上具有连续变化这一结构先验知识,对前景矩阵采用结构化稀疏约束,并在此基础上建立一种视频前背景分离模型;最后,利用增广拉格朗日方法与广义软阈值算法,设计了加权Schatten-p范数与结构稀疏分解算法。数值实验表明:与其他5种主流算法相比,所提算法在具有动态背景的场景中能更准确地分离目标。

现有的深度学习方法在癌症的识别中仅利用深层特征,忽略了浅层网络输出保存的空域细节信息,从而导致识别精度不理想。为了进一步推进临床应用,协助医生提高乳腺癌病理诊断的一致性和效率,提出一种基于改进Inception-v3的图像分类优化算法,该算法通过模型改进、迁移学习对网络模型进行优化。对大型公开数据库病理学图像进行乳腺癌分类,对所提算法所改进的模型与现有的基于深度学习的图像分类模型进行了比较。实验结果表明,所提算法所改进的模型不仅优于传统深度学习方法,准确率达到96%,有效地提高了深度学习模型对于乳腺癌诊断的性能,并且为进一步推进临床应用奠定理论和实践基础。

提出了一种基于10.6 μm波长的小型化非线性全光衍射深度神经网络建模方法。采用波长为10.6 μm的二氧化碳(CO₂)激光光源,其对应的神经网络物理尺寸为1 mm×1 mm,依据相关的光学物理参数特性,构建了基于10.6 μm波长的非线性全光衍射深度神经网络模型框架,使用网格搜索法确定最优的神经网络模型超参数,并选择交叉熵损失函数和Adam优化器对神经网络进行了优化。分别在MNIST手写数字数据集和Fashion-MNIST数据集上对该方法进行了测试,其分类结果分别达到了0.9630和0.8743。所提方法为制备小型化的全光衍射光栅提供了理论参考。

针对大型金属桶内底部高反射表面缺陷检测难度大的问题,提出了一种内窥式的机器视觉检测方法。综合考虑金属桶的结构特性和表面特性,结合双向散射分布函数,对桶底的非正向照明方案进行了仿真研究。结果表明,在理论条件下,桶底照度呈现良好的均匀性。对应的实验验证结果显示,实际照明情况与仿真结果基本一致,相比于一般照明方式,图像的质量得到了有效提高。

点云配准和点云地理化是点云数据处理中的重要步骤,其中地理化是点云数据与其他地理空间数据集成的基础。静态地面激光扫描点云地理化中,基于最少混合控制基元的点云地理化研究较少,因此,提出了一种由1个点基元、1条线基元和1个面基元构成的混合控制基元解算点云地理化参数的方法。实验结果表明,本方法的地理化精度较高,且能快速直接解算地理化参数,从而为精地理化提供初值。

叶绿素a浓度是估算浮游植物生物量的重要指标,连续小波变换是一种重要的多尺度光谱分析方法。本文以粤西、珠江口为案例区,基于地面高光谱和实测叶绿素a的浓度数据,选取10种不同的母小波基函数对高光谱反射率数据进行连续小波变换。运用偏最小二乘回归(PLSR)方法构建叶绿素a浓度的反演模型,分析比较了不同小波变换系数对建模结果的影响。研究结果表明:采用经过多种小波变换后的小波系数与实测叶绿素a浓度进行相关性分析,相关性均高于原始光谱;基于不同的小波变换系数进行建模,反演精度差异较大,其中,基于sym6小波系数的偏最小二乘回归模型的精度最高(决定系数R²=0.732,均方根误差为6.457 μg/L,相对分析误差为2.600),相较于基于光谱特征的传统反演方法精度明显提升。本研究为今后进行二类水体叶绿素a浓度模型构建过程中的小波基优选提供了参考。

针对桥梁激光扫描巡检覆盖路径规划问题,提出基于点云切片的大型桥梁检查覆盖路径规划通用模型,这为多无人机系统桥梁覆盖路径规划提供了新的思路。首先,在点云切片的建模方法中增加补充视点,用于解决点云切片模型覆盖不完全的问题,将凸包集和补充视点转化为三维空间弧集,以弧为最小优化对象,解决大型建筑遍历搜索空间庞大的问题;其次,结合SC-CBBA (split and combine-consensus based bundle algorithm)和CRSOM (clustering characteristic of cluster growing ring self-organizing map)算法,实现多无人机任务的分配以及检查路径的弧序列规划;最后,通过仿真验证了该方法可以有效解决桥梁覆盖路径规划问题。

茶叶叶片叶绿素含量的准确监测对茶树的营养状况和生长态势具有重要意义,为此基于叶绿素荧光光谱技术提出一种快速无损检测叶片叶绿素含量的方法。利用叶绿素荧光采集装置对茶叶叶片进行光谱采集,并测量叶绿素相对含量。采用S-G(Savitzky-Golay)平滑法对光谱进行预处理,可以消除大量的噪声信号;对所提方法与传统方法进行比较。实验结果表明,采用所提方法能够有效消除无关变量,对模型的优化可以得到较好的效果;简化变量后所建立的偏最小二乘模型在预测集上的相关系数为0.96,方均根误差为0.87,在建模集上的相关系数为0.96,方均根误差为0.95;荧光光谱结合化学计量学方法可以为茶叶叶片叶绿素含量的定量分析提供一种快速简便的分析方法。

老化粮食种子鉴别对农业生产和食品安全具有重要意义,因此,结合红外光谱和多元统计分析对人工老化小麦种子进行研究。实验结果表明,不同老化程度小麦种子的原始光谱总体比较相似。在二阶导数红外光谱中,人工老化小麦种子在1800~800 cm ^-1范围内的吸收峰强度和形状显示出差异。在1800~800 cm ^-1范围内,小麦种子二维相关红外光谱的自动峰数目、强度随老化时间的增加会发生明显变化。研究结果表明,红外光谱法结合主成分分析和系统聚类分析法可以快速、方便地区分人工老化小麦种子,有望发展为鉴别老化种子的新方法。

利用差分拉曼光谱技术和决策树模型,建立了常见鞋底材料种类鉴别的分类模型,为鞋底材料种类鉴别提供了一种新方法。通过前期谱图预处理后,根据样本主要成分的不同对样本进行分类,然后利用主成分分析和层次聚类分析验证分类结果;基于分类结果建立分类树模型,最终对51个样本实现了整体分类正确率为98.0%的识别分类,经交叉验证后正确率达84.3%。这表明,利用差分拉曼光谱技术和决策树模型可以实现对鞋底样本光谱较为准确的识别与分类,为其他物证的区分鉴别提供了参考。