【摘 要】
：
苹果的可见光谱目标的高效、精准识别是实现果园测产或机器自动采摘作业的关键,由于绿色目标果实与枝叶背景颜色较为相近,因此绿色苹果的识别成为新的挑战。再由于果园实际复杂环境因素影响,如光照、阴雨、枝叶遮挡、目标重叠等情况,现有的目标果实识别方案难以满足测产或自动采摘的实时、精准作业需求。为更好地实现果园自然环境中绿色目标果实识别问题,提出一种新的核密度估计优化的聚类分割算法(kernel densit
论文部分内容阅读
苹果的可见光谱目标的高效、精准识别是实现果园测产或机器自动采摘作业的关键,由于绿色目标果实与枝叶背景颜色较为相近,因此绿色苹果的识别成为新的挑战。再由于果园实际复杂环境因素影响,如光照、阴雨、枝叶遮挡、目标重叠等情况,现有的目标果实识别方案难以满足测产或自动采摘的实时、精准作业需求。为更好地实现果园自然环境中绿色目标果实识别问题,提出一种新的核密度估计优化的聚类分割算法(kernel density clustering, KDC)。新算法首先利用简单的迭代聚类(simple linear iter
其他文献
电力系统巡维图像中存在缺陷的样本图像极少,导致正常样本和缺陷样本不均衡,无法使用深度学习等算法来进一步研究输电线路的故障检测。目前各种基于深度机器学习的图像生成方法均存在分辨率低、缺陷特征不明显等问题,导致生成的样本图像难以满足研究人员的需要。本文提出一种基于集成学习(ensemble learning, EL)的PCA加权平均多元融合(diverse integration, DI)生成方法。采
特征提取是高光谱数据处理领域的一个重要研究内容。高光谱数据获取过程中的复杂性使传统的特征提取方法无法良好地处理高光谱图像。同时,高光谱图像标记样本数量的有限性,也为常用于特征提取的监督深度学习方法带来不利影响。为了摆脱对高光谱图像中标记样本的依赖,在卷积神经网络的基础上引入生成对抗网络,针对光谱特征提出了一种无监督的高光谱图像特征提取的方法。为了稳定网络的训练过程,提高生成对抗网络中判别器的特征表
针对传统暗通道先验去雾算法易产生明亮区域失真、去雾图像整体偏暗等问题,提出一种基于双通道及图像质量评价模型的去雾方法。首先,划分出图像的明亮区域与非明亮区域;其次,利用双通道先验算法准确估计出大气光值;接下来,将暗通道先验的透射率作为非明亮区域的透射率,在明亮区域单独构建透射率,将二者融合细化,得到带有参数的透射率;最后,通过构造参数驱动图像质量评价模型,迭代选取最优的无雾图像。实验结果表明,算法
深度学习在金属板带材表面缺陷检测中取得良好的检测效果,但随着网络层数的增加,针对较小样本的金属板带材表面缺陷数据集训练数据容易出现过拟合现象的问题,为此将残差网络与迁移学习结合提出了一种融合多层次缺陷特征的图像分类算法。该算法采用残差网络模块逐层提取金属表面缺陷特征,获得丰富的位置信息和语义信息缺陷特征的特征图,后续利用分类网络基于该融合特征图得到最终分类结果,同时对特征提取网络进行迁移学习,增加
幸运区域融合技术通过挑选、配准、拼接短曝光序列图像中具有一定概率的清晰度高的"幸运区域"获得一幅高分辨率的重构图像,目前该技术处理对象通常是单色图像。根据彩色图像成像过程及其数据特点,结合经典的幸运区域融合算法,提出了一种针对彩色短曝光图像序列的幸运区域融合算法。该算法分别对彩色图像红、绿、蓝3个通道数据进行选图、配准和拼接,最后合成一幅高分辨率的彩色图像。通过连续拍摄的2 200帧短曝光图像,对
针对行人遮挡、姿态变化等现象造成当前行人重识别算法精度不高的问题,提出一种基于多层级特征融合的行人重识别算法。首先通过自注意力机制骨干网络ResNeSt提取图像特征中的短距离信息;其次通过多尺度金字塔卷积(pyramid convolution, Pyconv)分支网络提取图像中长像素关联特征信息,提高模型表达能力;最后使用一种统一形式且可学习的广义均值池化(generalized mean po
针对传统图像风格化处理算法在进行图像风格化处理过程中,出现颜色信息丢失、笔触细节错乱以及边缘线条扭曲等情况,本文基于卷积神经网络的图像风格迁移算法进行了改进,通过综合考虑图像的亮度颜色信息特性,提出一种基于新的风格损失函数与亮度信息的图像风格迁移算法。首先,将内容图像进行色彩空间转换,让风格转移单独在亮度通道上进行,保留了内容图像的色彩信息。其次,把直方图损失加入到总的损失函数中,构造新的总损失函
12月17日凌晨,嫦娥五号返回器携带月球样品,采用半弹道跳跃方式再入返回,在内蒙古四子王旗预定区域安全着陆,探月工程嫦娥五号任务取得圆满成功。中共中央总书记、国家主席、中央军委主席习近平发来贺电,代表党中央、国务院和中央军委,
11月24日凌晨,我国在中国文昌航天发射场,用长征五号遥五运载火箭成功发射探月工程嫦娥五号探测器,开启我国首次地外天体采样返回之旅。按照计划,嫦娥五号将成为中国首颗从月球采样后起飞的探测器,还将带着自动采集的约2千克月壤归来。这是中国探月工程"绕、落、回"三步走中的收官之战,更是中国航天领域迄今为止最复杂、难度最大的任务之一。
本文采用膨胀卷积网络,实现端到端从文档图像中提取语义结构。膨胀卷积的优势在于提取多尺度上下文信息的同时,并不会损失空间分辨率。该模型使用带残差的膨胀卷积网络提取图像特征,并预测每个像素的类别标签。卷积部分作为特征提取器,能够获得多维度层级图像特征,反卷积部分输出全分辨率的语义预测结果。每个像素的概率值决定其语义类别标签。为了更好地理解分割粒度级别,实验设计了3组不同分割粒级数据集的测试。从文档细粒