针对基于卷积神经网络的目标检测算法的国内外发展现状进行综述。首先,回顾了传统目标检测算法的发展历程和算法尚存的问题。然后,简要阐述了基于卷积神经网络(CNN)的目标检测算法原理和优势,并根据算法处理目标分类和...
分数阶微分的图像滤波和增强方法多数通过尝试不同的分数阶得到结果,并以固定分数阶进行纹理细节提取,这种方法对于复杂环境难以鲁棒地增强整幅图像中的纹理细节。为此,提出了一种自适应的分数阶微分的复合双边滤波算...
运动模糊的图像复原,是图像处理和计算机视觉领域中的热点问题。通过分析图像的纹理特征,提出一种鲁棒的显著性边缘提取方法,并将其应用于运动模糊图像恢复中。联合图像纹理的梯度幅值、方向信息,优化模糊图像并抑制噪...
人脸的检测与识别的研究涉及模式识别、图像处理、生理学、心理学、认知科学等许多领域，与基于其它生物特征的身份鉴别方法以及计算机人机交互领域都有密切联系。由于各领域对人脸检测与识别技术的需求日益迫切(特别...
数字图像处理技术是电子信息类的重要专业课程,文章强调该课程应和实践应用紧密结合,教学改革的内容不能局限于基础,更应注重学生动手能力、知识运用能力以及创新能力的培养。通过介绍3年来实施以"微项目"为...
SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特...
为了提供连续的实时监控,提高区域安全性,利用多个活动像机,设计了一个对多个运动目标进行无缝检测和跟踪的协同感知系统,并提供给用户一个可视的3维场景。最后给出了实验室的应用实例。
《数字图像处理》课程不仅仅涉及模式识别、计算机视觉、图像通讯、多媒体技术等多个领域,而且还与生活结合紧密,应用性很强。因而,将《数字图像处理》的理论和方法与实际生活中的课题紧密结合,恰当的修改授课内容,巧...
针对视频监控系统,提出了一种离散化像机运动的随动跟踪方法,解决了像机运动时对目标检测带来的困难,并弥补了由于单个摄像机拍摄范围的局限性。文中针对像机监控场景,离散化像机转动,建立索引表;通过多帧差分和自适应...
针对单视角像机的视野局限性以及连续跟踪特定目标时运动目标实时检测的困难,提出了一种离散化活动像机运动的方法。先离散化像机运动,建立像机预置位表和背景索引表;然后,利用目标位置信息和运动信息判断像机转动情况...
根据印刷品的特点和质量要求,以药盒为例对印刷品图像配准算法进行研究,提出了一种新的针对印刷品图像的配准算法。在基于线段特征的粗配准后,在离线确定的纹理丰富的四个局部(包括待测样品和标准模板)区域采用SIFT方...
基于电子海图,通过区域选择、坐标转换和多边形面积计算进行面积量测,相对于传统的在纸制海图上测绘区域的面积,提高核算精度和效率,更便于运算;为了提高计算精度,提出采用墨卡托投影及等面积投影相结合的方法进行坐标...
图像自动语句标注利用计算机自动生成描述图像内容的语句,在服务机器人等领域有广泛应用.许多学者已经提出了一些基于注意力机制的算法,但是注意力分散问题以及由注意力分散引起的生成语句错乱问题还未得到较好解决.在...
图像实例分割是图像处理和计算机视觉技术中关于图像理解的重要环节，随着深度学习和深层卷积神经网络日趋成熟，基于深度卷积神经网络的图像实例分割方法取得了跨越性进展。实例分割任务实际上是目标检测和语义分割两...
基于深度学习的图像多标签分类方法主要采用CNN-RNN方法进行按顺序标签预测。但是由于图像的多个标签没有特定的顺序,CNN-RNN方法难以确立有效的标签序列顺序,使得预测的精度不足。基于CNN-RNN方法构建了一种双LSTM结...
针对传统高斯滤波算法在滤除噪声的同时会丢失图像部分细节信息的弊端,提出了一种基于不规则区域的高斯滤波算法。在高斯滤波的基础上,通过分析纹理自相关特性,自适应构造局部不规则的高斯掩模窗口,突破以往采用固定大...
假山是历史园林遗产的重要组成部分,因其材料、结构和工艺特殊,受影响因素较多等特性,是遗产构成要素中异常脆弱的元素。环秀山庄假山是中国古代园林叠山艺术作品的典型例证,亦是该园林的关键核心遗产,对其开展系统性...
随着高校信息化建设的发展,数据资源出现了快速的增长。现有的存储平台已难以满足信息化数据增长的要求。文中提出一种基于云存储的公共数据平台,该平台以Hadoop为基础,通过Hive、HBase和HDFS等技术实现数据资源的统一...
自适应非整数步长的分数阶微分掩模的图像纹理增强算法 CNKI文献
图像纹理增强是计算机图形学、计算机视觉和模式识别等领域里的一个重要问题.通过分析分数阶微分原理和纹理图像的特性,提出一种自适应非整数步长的分数阶微分掩模算法,并将其应用于纹理图像增强中.利用图像纹理间的高...
