分享到:

计算机图像检测在干涉测量中的应用

介绍了利用CCD固体摄像传感器和奔腾微机测量干涉条纹的方法,介绍了干涉条纹数  (本文共7页) 阅读全文>>

《中外企业家》2016年03期
中外企业家

自然图像和计算机生成图像检测方法研究

本文以分析自然图像与计算机生成图像的机理作为切入点,论述...  (本文共1页) 阅读全文>>

《中外企业家》2015年30期
中外企业家

自然图像和计算机生成图像检测方法研究

本文以分析自然图像与计算机生成图像的机理作为切入点,论述...  (本文共1页) 阅读全文>>

电子科技大学
电子科技大学

基于高维视觉特征模型的目标图像检测与图像分割技术研究

本文研究了基于高维视觉特征模型的目标图像检测与图像分割技术的理论模型及多种关键技术,并将其应用到实际应用系统之中,完成了相应工程项目的研究任务。本文首先根据人类视觉系统识别特性建立了目标图像高维视觉识别特征模型,并在此基础上提出了相应的目标检测定理与推论,将目标图像检测与分割问题转化为分阶段的高维特征识别问题。根据目标检测理论模型,建立了目标图像检测与图像分割系统,通过对组成系统的关键模块功能方程的讨论,提出了目标图像检测与图像分割的几种不同的技术实现方案,并重点讨论了以下几项技术:基于邻域变化矢量场的彩色图像边缘检测技术:彩色图像边缘检测对于纹理特征的提取起着至关重要的作用。与其它基于梯度的边缘检测技术不同,本文提出一种基于邻域变化矢量场的彩色边缘检测算法,通过衡量彩色变化的方向性进行边缘检测。本文首先讨论了图像邻域变化矢量场模型,分析了不同的邻域变化场计算方法。并在此基础上,拟定了用彩色图像邻域变化方向锐度描述视觉边缘的技术...  (本文共157页) 本文目录 | 阅读全文>>

武汉纺织大学
武汉纺织大学

基于深度迁移学习的烟雾图像检测

乡村焚烧秸秆会产生大量烟雾造成雾霾天气甚至引发火灾。传统的火灾检测方法并不适用于监测乡村这种大范围场景。本文针对这一问题提出一种基于深度学习迁移学习的烟雾图像检测方法。烟雾作为火灾早期的明显特征之一,对其检测识别可以有效地对火灾进行预警,减少生命财产的损失。随着计算机计算能力的提升与大数据时代的到来,深度学习受到了广泛关注,其在各个智能领域都表现出了良好的效果。深度学习方法区别于传统框架,它无需人工设计检测算子,它能自动从数据中学习特征并经过训练不断优化,适用范围更广。神经网络的训练需要大量的数据支持,但是在某些情况下数据的收集十分困难,例如收集乡村的烟雾视频和图片。目前网上还没有大型的烟雾视频库,数据量并不能支撑从头开始训练深层神经网络,所以采用迁移学习的办法来解决烟雾小数据集的问题。迁移学习是一种机器学习技术,可以将源域模型运用到目标域中。在深度学习图像处理领域,卷积神经网络通常先检测图像的边缘、形状,然后才是目标的特定特征...  (本文共50页) 本文目录 | 阅读全文>>

电子科技大学
电子科技大学

基于深度学习的船只光学遥感图像检测和分割

遥感船只图像检测不仅是海洋信息研究的重要应用方向,也在民用工业领域发挥着重要作用。主要任务有:在广大海域、湖面视场的图像中对目标船只快速检测、定位,并进一步根据目的进行分类、分割。这方面的研究无论对军事还是民用都意义非凡。由于船只图像在尺度,外观上与日常图像的差异使得船只检测任务相对困难。另一方面,近年来由于深度卷积神经网络的发展,使得目标检测任务指标显著提高。但是,在船只检测方面却甚少。因此,本文提出了将深度卷积网络的目标检测应用于船只检测。现在,基于深度卷积神经网络提出的目标检测方法主要有两阶段的Region based on Convolutional Neural Network(RCNN)系列以及单阶段的You Only Look Once(YOLO),Single Shot Multi Box Detector(SSD)。本文围绕遥感船只图像复杂场景和图像中目标船只尺寸较小以及船只狭长的特征,基于Faster-RCN...  (本文共83页) 本文目录 | 阅读全文>>