图像场景识别中深度学习方法综述

场景识别是一种用计算机实现人的视觉功能的技术,它的研究目标是使计算机能够对图像或视频进行处理,自动识别和理解图像和视频中的场景信息。由于场景识别技术拥有广泛的应用前景,因此得到了许多关注。随着大数据时代的来临和深度学习的发展,使用深度学习方法解决场景识别问题已经成为场景识别领域未来的发展方向。文章首先概述介绍了场景识别技术的主要研究内容和发展情况,之后阐述了在图像场景识别中深度学习方法的应用情况,然后介绍了一些在图像场景识别中深度学习方法应用的具体的典型案例,同时给出了这几种方法具体的对比与分析。最后给出了文章的结论,总结了当前图像场景识别中使用深度学习方法的发展情况,并且对未来的发展方向给出了一些展望和建议。     

用图像处理技术实现多运动物体的识别

1引言 CCD及数字图像处理技术已广泛应用于光学问题的研究[1][2][3][4].目前处理静态图像的技术已十分成熟,并已经商品化.随着计算机存储功能的不断增强,数字图像处理技术可以实时存储越来越多的视频图像,这为实时采集运动物体信息提供了一种方便有效方法:先将整幅的视频图像转换为数字图像,储存在计算机内存及硬盘中,再对数字图像进行处理,就可以确定运动的目标物在各个视频图像中的位置,并能够实现多目标物的识别,从而得到他们各自的运动规律.     

模板匹配技术在玫瑰扫描亚图像目标识别中的应用

介绍了用模板匹配的方法在玫瑰扫描亚图像中识别目标。通过设计一目标匹配模板 ,用这个模板对二值图进行匹配处理 ,根据输出相关值识别目标。实际应用表明 ,模板匹配技术可以在亚图像中有效去除干扰假目标和大块背景 ,给出视场中物体为待识目标的可信度图像 ,从而达到识别目标的目的 ,并且具有速度快、准确度高的优点。     

基于子空间划分和视觉可识别度的波段选择方法研究

面对日益丰富的机载、星载高光谱传感器,及其相伴增多的高光谱数据,产生的数据量过大、波段冗余等问题一直是高光谱图像处理、解译的重难点。同时,利用高光谱遥感技术揭露伪装目标,也一直是现代遥感应用技术研究要点。在探测得到海量的地物光谱数据、具有冗余的光谱信息,设计恰当的数据降维技术具有至关重要的作用。降维处理的主要方法中的波段选择方法,其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维,还能在其基础上对伪装目标及其背景实现精确区分,是当今利用高光谱技术进行军事应用的重要技术手段,同时也是国内外众多学者的研究热点。利用各类指标计算波段间的不同表现,并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式,但是面向特殊地物,如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。研究选取绿色钢板、绿色伪装网、绿色假草皮,置于含有绿色健康植被、湿润裸地、干燥裸地的背景环境中,通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。首先通过分析光谱曲线,选取显著特征波段;其次结合根据波段间相关系数划分的子空间进行波段筛选;然后依据地物目标的图像亮度建...     

高光谱成像技术在彩绘文物分析中的研究综述

彩绘文物是文化遗产研究的重要内容之一。目前,许多的化学、光谱以及数字成像等分析技术应用于彩绘文物研究中,其中,高光谱成像技术集光谱分析与成像技术为一体,具有无损、快速成像以及"图谱合一"的特点。其技术特点使得高光谱成像技术在非接触、无样本的条件下对彩绘文物进行无损研究,既可以获得彩绘文物的整体形貌特征,还可以深入分析彩绘文物的光谱特征,是高光谱成像技术相比于其他彩绘文物研究方法的独特优势。利用高光谱成像技术研究彩绘文物分为数据采集、数据分析以及数据应用三步,其中数据分析与数据应用是研究的主要内容。通过对高光谱成像技术在彩绘文物中的相关研究成果进行总结归纳,其数据处理方法主要包括高光谱数据降维、光谱特征参量化、光谱解混合以及分类方法四个方面,并分别描述了四类处理方法的主要功能、常用方法和已有案例。从具体应用方向上,可归纳为视觉增强、隐含信息挖掘、保护监测和颜料分析四类,具体描述了四类应用方向所涵盖的内容以及所解决的问题。最后对相关研究中存在的挑战和发展前景进行了总结和展望。     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

基于干涉图匹配的目标识别技术

 干涉光谱技术的优点是可以获取高分辨率的目标光谱图,再通过光谱匹配,可以实现目标的识别和分析,但它须经过从干涉图到光谱图的傅立叶变化过程。针对快速目标识别的应用,提出了基于干涉图匹配的光谱识别技术。在干涉光谱探测设备得到目标干涉图后,通过对其干涉图的匹配操作,可以确定待识别目标和期望目标的相似程度。由于目标识别中省去了傅立叶变化,使目标光谱识别的速度得到了提高。仿真计算结果表明,干涉图匹配技术从理论上是完全可行的。     

空间目标光谱实测技术与表面材料分析研究

随着航天活动的日益增加,空间碎片的数量急剧增多,对未知空间碎片进行编目和识别显得尤为重要。由于火箭箭体、人造卫星及其裂解碎片等在空间中处于外表裸露状态,其表面材料的物理与化学特性会产生较大变化。目前,针对空间目标表面材料的研究主要集中在地面实验室,无法对其在深空中的状态变化进行准确判断。利用空间目标光电望远镜及光谱测试终端组合,可以实时地对空间目标的光谱特性开展研究,进一步探究材料特性变化对目标特性识别的影响。通过利用长春人卫站1.2 m空间目标光电望远镜及相关光谱测试终端,同时结合图像预处理软件获取空间目标的高光谱图像,进一步运用天文学方法IRAF提取光谱一维数据,得到可分析数据。通过偏最小二乘法反演分析表面材料的面积比、置信度。实验将6个空间目标光谱数据分别进行反演,通过6种常用航空材料的反演结果显示所有目标均可解析出至少两种材料,其共同反演出现金色保温膜,它是空间目标表面一定含有的材料之一,其所占表面积比例也较高,结果分别约为0.75,0.78,0.78,0.59,0.71和0.45。其中,4个目标反演出现碳纤维板,结果分别约为0.19,0.22,0.07和0.24;3个目标反演出现砷化镓,结果分别约为0.07,0.15和0.17;2个目标反演出现Si,结果分别约为0.29和0.55。并且置信度分别约为84.7%,80.4%,84.1%,82.8%,82.6%和79.6%。实验结果表明观测方法可信性更高,在空间目标领域的观测技术、获取数据、研究分析等方面的研究结果对后续深入探索具有参考作用。实验结果和空间目标来源自洽度高,研究方法简单易行且与传统光学观测兼容性好。该方法拓展了精密跟踪型空间目标观测的研究领域,不仅具有目标所在空间环境分析的科学意义,也具有空间目标运行安全的应用前景。     

基于YOLOv3框架的高分辨电镜图像原子峰位置检测

高分辨电镜图像中原子峰位置的检测具有十分重要的现实意义,通过精确定量化原子峰位置可以分析物质在微观尺度上的结构形变、电极化矢量分布等重要信息.近年来深度学习技术在图像目标检测领域取得了巨大突破,这一技术可用在高分辨电镜图像处理上,因为原子位置的检测可以看作是一个目标检测问题.本文利用先进的机器学习方法,通过制作高质量原子图像样本集,使用YOLOv3目标识别框架对原子图像进行自动检测,达到预期效果,实现了深度学习技术在高分辨电镜图像处理领域的应用.该方法的运用有望突破自动处理动态、大量电镜图片的瓶颈问题.     

基于LabVIEW图像法车牌智能识别系统

车辆牌照自动识别是实现交通管理智能化的重要环节,设计中利用图像采集卡对经过的车辆车牌进行图像采集并传送至计算机,采用美国NI公司LabVIEW软件,实现图像预处理、图像去噪以及图像增强等功能;然后根据车牌颜色特征对其准确定位,采用阈值法分割车牌字符;最后由OCR函数来识别字符,识别结果保存至相应数据中,可以进行相应的违章、违规智能交通管理,经实验该系统成功实现车牌识别识别率达99%。     

智能检索引擎中的网络数据挖掘技术优化研究

随着计算机网络技术的不断发展,对于Web Service检索技术的要求也越来越大。并且现在网络环境当中数据信息流量十分庞大,对于信息可以做到深入搜索,实现全方位信息查询是非常有必要的。为此,利用网络数据挖掘技术在智能检索引擎中的应用,以文本描述为信息作为本文的研究对象,为用户提供运用查询要求实现概念检索功能。其中强调在智能搜索引擎当中的网络数据挖掘技术进行优化研究,从结构设计以及算法分析上总结出当前网络数据挖掘应用智能检索的可能性。最终设计出一种利用数据挖掘技术的智能检索模型,实现在众多网络数据中可以准确快速的进行详细的信息检索功能。     

各向异性扩散滤波远探测声波测井图像降噪方法*

声波远探测测井技术近年来在复杂油气藏的构造识别和储层评价中发挥着重要作用。该技术利用来自井外的反射波对井旁地质构造进行准确成像,但由于反射波具有幅度低、受幅度强的井孔直达波干扰等特点,实际数据提取到的反射波信噪比往往比较低,需要对反射波进行降噪处理。非线性各向异性扩散滤波能够在滤除图像噪声的同时保留图像边缘及细节等信息,在地震数据处理和医学图像去噪中都有广泛应用。该文从各向异性扩散滤波的基本原理入手,将提取到的井外反射波信号当作图像,采用不同扩散张量进行处理,通过含噪声的模拟数据处理验证了该方法的处理效果并建立起适合于远探测测井的数据处理流程,实际远探测数据处理结果进一步表明其具有较好的应用前景。     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

相位差波前探测与图像重建

相位差技术可以直接利用两幅或多幅图像的强度信息,重构出波前相位信息和目标清晰图像,具有光路简单、成本较低、适用于扩展目标等优点,在望远镜的系统像差检测和目标图像重建方面得到了大量应用。相位差波前探测的关键在于求解非线性代价函数的最优化问题,需要避免陷入局部极值并降低计算时间,才能满足动态变化波前实时探测的需求。同时在重建目标清晰图像时,通常需要做正则化和去噪处理,来提高重建图像的质量。本文主要介绍相位差技术的基本原理,以及近年来的研究进展,并对该技术未来的发展进行了展望。     

云计算环境下人脸表情智能识别改进技术研究

随着人脸识别技术的开发,对于如何提高人脸表情智能识别改进技术的研究也越来越多;如何提高人脸识别的准确度和完整度是当前发展的主要需要,而计算机云计算功能在人脸识别中的应用在一定程度上解决了此问题;通过改进细菌觅食算法,再将其应用到主要成分分析算法对图像基本特征进行提取分析;通过以上的算法输入计算机网络云储存当中,实现云计算技术在人脸识别中的应用;文章将通过对于算法部署函数的办法进行图片解析工作,并且利用智能人脸识别软件对图像进行抽丝、分类、匹配等工作进行功能状态进行测试;实验结果表明利用云计算技术通过连接网络云计算系统可以对目前的人脸识别以及分类做到更高的准确性和适应性。     

多核DSP在无人平台探测声纳中的应用研究

在信息技术日益成熟的今天,无人平台在军事和民用领域都扮演着越来越重要的角色。水下无人航行器探测已经成为水声领域重要前沿研究方向,高速运算处理能力更是整个系统的核心。本文以多核DSP作为处理核心,提出了一个水下无人平台探测声呐架构。首先对多核DSP性能做了基本介绍,并以几种基本运算和经典波束形成算法作为例子进行了说明,通过性能测试证明了这一架构适用于水下无人平台的实时信号处理。这一多核DSP架构的设计和应用在水声领域中具有一定实用价值。     

基于物联网视觉的大型拥堵车辆调度系统设计

针对道路拥堵车辆调度问题,设计了一种基于物联网视觉的大型拥堵车辆调度系统,分析了系统的总体结构,给出了系统的ZigBee协调器模块、车载传感器节点、图像采集处理模块以及无线传输模块的硬件结构,详细介绍了拥堵车辆调度算法流程,并给出了车辆调度最佳路径算法代码,实现了大型拥堵车辆的有效调度。实验结果说明,所设计系统可获取有效的交通车辆拥堵图像,实现交通拥堵的高效调度。     

基于心音窗函数的心音图形化处理方法的研究

心音分析与识别目前主要局限在一维信号处理方面, 为了获得心音信号更直观特征表现形式, 提高分类识别效果, 拓展心音识别研究领域, 提出了一种将心音与图像处理技术相结合、基于心音窗函数的心音纹理图特征提取与识别算法. 本文首先给出心音的模型, 定义心音时频图和心音纹理图, 然后讨论如何利用心音窗函数和短时傅里叶变换获取二维心音时频图, 并且针对心音的特点, 重点研究了心音窗函数的构造原则和实现方法, 最后通过改进的脉冲耦合神经网络模型实现了对心音纹理图的特征提取与身份识别. 仿真实验表明, 心音窗函数与传统窗函数相比较, 所获得的心音时频图具有第一、第二心音纹理更加清晰, 噪声纹理得到较好抑制的优点, 并且改进的脉冲耦合神经网络模型具有更低的计算成本, 与3种典型识别方法相比较, 呈现更高的识别率, 因而基于图像处理技术对心音进行特征提取与身份识别是一种行之有效的方法.     

低信噪比巡天数据中特殊恒星光谱的搜寻方法

特殊恒星是金属丰度异常的恒星,其中包含的信息对于研究宇宙起源、太阳系的演变以及生命的演化都有着重要的意义。因此,特殊恒星的搜寻是国内外巡天项目中的重要目标。恒星光谱中包含着恒星的化学成分、物理性质以及运动状态等丰富的信息,它是开展恒星研究的重要依据。恒星的识别、分类以及特殊恒星的发现主要依据的是恒星光谱数据。随着LAMOST和SDSS等国内外大规模数字巡天项目的深入展开,恒星光谱的数据量达到了前所未有的高度,如此大的数据量为特殊恒星的发现提供了强有力的支撑。因此如何利用这些数据快速准确地发现特殊、稀少甚至于未知类型的恒星光谱是天文学研究的重要问题。数据挖掘是结合模式识别、机器学习、统计分析及相关专家背景知识,从数据中提取出隐含的过去未知的有价值的潜在信息的技术,其在处理大数据方面有着天然的优势,越来越多的数据挖掘方法被应用到巡天数据处理及分析之中。目前针对特殊恒星搜寻的数据挖掘算法主要包含随机森林、聚类分析以及异常值检测等,但随着巡天深度的拓展,观测的目标越来越暗,进而观测光谱的信噪比也随之变低。低信噪比光谱中存在着大量的无用信息,直接利用相关算法对其进行分析处理得到的结果往往存在很大的偏差。因此,如何从大量低信噪比恒星光谱巡天数据中有效地搜寻出特殊的恒星光谱,是当前面临的一个重要问题。由于低信噪比恒星光谱本身的特点,对于从中搜寻特殊恒星光谱的工作开展较少。为了解决此问题,在仔细研究光谱数据处理方法的基础上,针对低信噪比巡天数据中特殊恒星光谱的搜寻,提出了一种以主成分分析（PCA）和基于密度峰值聚类为基础的方法。该方法首先选取O,B,A,F,G,K和M各种类型的高信噪比恒星光谱,进行波长统一和流量插值后,利用主成分分析得到特征光谱;然后利用方差贡献率最大的前几个特征光谱对低信噪比的恒星光谱进行重构得到高信噪比的光谱;最后利用重构之后的高信噪比光谱进行聚类,聚类分析中得到的离群数据即为所要搜寻的特殊恒星光谱。在聚类时,考虑到恒星光谱数据本身的特点,采用了一种基于密度峰值的聚类方法来进行聚类及离群点的挖掘。实验表明,该方法能够在低信噪比的恒星光谱巡天数据中准确地搜寻出数量相对较少的特殊恒星。同时,也可应用于诸如LAMOST、SDSS等各种银河系巡天的光谱数据分析与挖掘中。     

基于FPGA的实时图像采集与分析系统设计

当今社会视频技术运用的越来越广泛。针对实时图像采集与分析系统对实时性要求高的特点,研究并设计了一套基于FPGA的图像实时采集与分析系统,利用在FPGA芯片上设计软硬件,速度快、稳定可靠,研发周期短等特点。整个系统以FPGA芯片为核心,辅以图像采集模块、图像分析算法、图像存储和图像分析模块。实验表明, 该系统较好地符合了系统对实时性的要求。