简介:摘要:深度学习是人工智能领域的重要研究方向,TensorFlow是目前流行的深度学习框架。首先对TensorFlow框架及其环境搭建进行了介绍,在Tensorflow框架基础之上实现了U-Net网络模型;然后论述了基于该框架的卷积神经网络模型在脑出血CT图像分割中的应用。
简介:摘要:在图像分析中,经常会对图像中的几何参数进行比较分析,其中涉及长宽,面积等,通常采用最小外接矩阵的方法进行分割测量,测量的时候一般先提取叶片的最小矩形,由于植物叶片表面粗糙并且不规整,边缘的棱角也呈现的极不规律,这就要求我们在处理的过程中,针对最小外接矩阵的各项参数以及所采用的算法都具有一定的特性,。如今,通常采用目标旋转法,顶点链码法两种。但是之前的算法要求高速的计算机运算。在原有的基础上,提出一种优化算法进行分析在植物叶片上。
简介:摘要:图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点,如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数,取搜索区中相关系数最大所对应的窗口中心点作为同名点。图像匹配是目标识别、目标跟踪、超分辨率影像重建、视觉导航、图像拼接、图像配准、三维重建、视觉定位等许多领域的核心问题之一,对于后期的图像分析与图像处理起着至关重要的作用。随着人工智能与深度学习的快速发展、软硬件技术的不断提高,基于双摄像头的视觉系统愈发成为当今社会研究的热点问题。本文对双目视觉的图像匹配算法进行了研究。
简介:摘要:遥感图像目标检测在城市规划、资源调查和灾害监测等领域应用广泛,基于遥感图像的目标检测具有重要研究意义。遥感技术为人们快速、全面了解地表覆盖变化提供了技术支持,在高分辨率遥感技术不断发展的大背景下,大量高品质遥感图像的采集越来越方便。遥感图像是利用遥感技术生成的远距离图像,可以对目标进行有效的处理。目标检测是遥感图像处理的基础任务之一,通过对遥感图像的分析可以分辨出水体、植被等目标,同时遥感影像可以识别更小的目标,如具体的树木、人、交通标志、足球场标志线等等,因此遥感图像目标检测已经成为当前研究的热点问题。遥感设备拍摄图像时由于设备距离目标较远,包含的地面范围大,受到分辨率的限制,待检测目标可能以微小形式显示在遥感图像中,这些检测目标具有尺度小、特征弱等特点,为图像目标的检测工作带来较大难度。
简介:摘要:该项目研制一套基于图像软件算法的叶梗智能识别系统,通过实时在线图像采集烟叶图像,通过软件算法基础,分离分析图像,通过比例关系得出烟叶中含梗比例,实时计算分析结果,并在线反馈参与在线工艺生产控制。
简介:摘要:遥感图像中舰船目标检测是海洋监管和国防建设中的重要基础工作,旨在分类和定位一幅遥感图像中的所有舰船.近年来,随着遥感卫星技术的快速发展,多源遥感数据不断扩增.光学遥感图像具有判读直观性强及数据翻译便捷等优点,引起了广大学者的重视和研究.但是光学图像容易受到云雾遮挡、强烈光照等气候的影响.相对地,合成孔径雷达(Synthetic Aperture Radar,SAR)凭借其不依赖光照条件且不受天气影响的优势,能够实现全天时、全天候大面积海域侦查工作.由于上述差异性,针对不同成像机理的遥感图像,需要设计专门的算法进行舰船目标检测。
简介:摘要:近年来,小波分析方法的研究在科学技术界掀起了一个高潮,小波分析在时域和频域上同时具有良好的局部化性质,能对不同的频率成分釆用逐渐精细的釆样步长,聚焦到信号的任意细节,这对于检测高频和低频信号以及信号的任意细节均很有效,特别适于分析处理微弱和突变信号,这些优点决定了小波分析在信号检测、信噪分离、故障诊断、数据压缩、特征提取、信号重构等方面都有着非常重要的应用价值,小波分析发展至今已形成了一套广泛实用的应用技术,在工程领域得到了广泛的应用。基于小波变换模极大值的分析方法不是通常所用的内积形式,而是卷积形式。通过在多尺度空间中分析各种有效信号和噪声信号小波变换模极大值的不同传播行为,可有效提取信号的特征参数,尤其适合有突变的信号。基于这种理论基础,小波变换在各个领域都有广泛的应用。在电力系统中,电力系统故障诊断、谐波分析、暂态稳定、动态安全分析、抗电磁干扰、输电线路故障定位等诸多方面都有小波变换的应用;在医学领域,尤其是微弱生理信号特征的提取,小波变换模极大值算法具有突出的表现;在图像信号的边缘检测、图像去噪及图像压缩等方面,模极大值的分析方法也得到了广泛的应用。
简介:摘 要:高速线材厂由于产线跨度大,故监控点多,操作人员在进行生产操作时需观察监控点位是否出现异常状况。因生产轧制速度快的特点,当产线出现异常时,如果发现、处理不及时,会导致产线故障扩大化,增大设备的损坏率。如无法第一时间发现产线异常,会增加从发现问题到解决问题的周期时间,从而影响生产效率。当调控产线异常画面时,需要联合监控系统查找异常发生时的画面录像,没有一个整体的异常录像存储数据库。采用图像识别预警系统,将传统视觉方法结合深度学习和小样本训练法,针对One-Shot目标检测和小目标检测算法,进行深度优化,远程部署、一键部署,解决问题。
简介:摘要:糖尿病视网膜病变 (DR) 是一种严重的眼部异常,其严重情况下会导致视网膜脱落甚至失明。眼底的渗出液是由于高血糖毒性作用,导致血屏障破坏,血管内的脂质等漏出而造成的。是视网膜病变的并发症之一。由于患者与专业医生数量悬殊巨大,设计一个可以自动的检测渗出液的医疗助手是十分重要的任务。本文依托于深度学习方法,以U-Net架构为骨架网络,以准确度 (Acc)、灵敏度 (SE)、特异性 (SP)以及AUC值作为模型性能的评估指标,先测试了原始U-Net在该任务上的分割能力,在该任务上达到99.8%的准确度,73.1%的灵敏度,98.0%的特异性以及0.973的AUC值。根据U-Net网络架构的固有问题,将Attention机制与U-Net结构,搭建Attention U-Net。99.8%的准确度,81.5%的灵敏度,99.8%的特异性以及0.985的AUC值。实验结果表明,Attention U-Net有更好的特征提取能力。
简介:摘要:随着数据挖掘技术、信息检索技术和多媒体数据库技术的不断发展,现在对侦察图像的数据处理和分析也越来越受到重视。由于有关图像上的数据信息和知识是人类无法直接获取的,但它却可以推动许多领域的发展,并带来许多意料之外的成果,因而引起了数据挖掘、信息检索、人工智能、多媒体等相关领域的广泛关注,利用数据挖掘技术对图像进行分析,寻找隐藏在海量图像数据中的信息和知识,以指导基于图像信息的决策。因此,图像挖掘是一个新兴的研究领域,也是一个快速发展的新领域。本文从无人探测的图像出发,对侦察图像数据的预处理技术进行了深入研究。