【摘 要】
：
针对固定融合算法无法适应动态场景下视频帧间差异特征变化造成融合效果差的问题，提出了一种基于差异特征驱动的红外与可见光视频拟态融合方法。首先，分别提取了红外与可见光视频序列的三种差异特征；其次，利用改进的融合有效度公式计算不同融合算法对三种差异特征的融合有效度；最后，利用熵权法对融合有效度进行加权合成，进而得到多融合算法的决策评分，确定视频不同序列段上的最优融合算法。实验结果表明，本文方法相较于在不
论文部分内容阅读
针对固定融合算法无法适应动态场景下视频帧间差异特征变化造成融合效果差的问题，提出了一种基于差异特征驱动的红外与可见光视频拟态融合方法。首先，分别提取了红外与可见光视频序列的三种差异特征；其次，利用改进的融合有效度公式计算不同融合算法对三种差异特征的融合有效度；最后，利用熵权法对融合有效度进行加权合成，进而得到多融合算法的决策评分，确定视频不同序列段上的最优融合算法。实验结果表明，本文方法相较于在不同序列段选取的最优融合算法RP和MOD，在整段视频序列上融合效果更好，综合客观评价指标上比上述固定算法分
其他文献
零件识别是机械部件装配、装箱的重要基础，人工识别效率低，传统机器视觉检测要求高、场景单一。本文提出一种基于深度学习机器视觉的机械零件识别方法，通过加入PointRend模块提升原始Mask R-CNN实例分割模型的检测精度；针对相似度高零件设计类别细分方法，通过尺寸估算与特征匹配，较好地解决由于数据增强图像缩放造成的尺寸特征丢失问题。采集25种不同零件进行识别实验，结果表明：本文方法可有效提升机械
车道线检测是车辆智能驾驶系统的重要组成部分。针对传统的车道线检测方法精度低、实时性能差的问题,提出一种基于机器视觉的车道线精确检测算法。该算法采用车道内侧边缘线代表车道线,具体包括预处理和车道线提取两个步骤:预处理部分包括灰度化、Sobel边缘检测、ROI设定、二值化,最终得到车道线部分的二值图像;车道线提取部分包括图像切片、改进的Hough直线检测、DBSCAN直线聚类以及直线拟合,最终得到精确
针对经典BM3D去噪算法中存在的相似块匹配误差较大及对图像细节保护不足的问题，提出了一种基于旋转块的BM3D图像去噪改进算法。新算法首先对参考块进行不同角度的旋转获取旋转块，通过旋转块进行相似块匹配过程；然后使用低秩正则化来代替传统算法中的硬阈值滤波；最后，对结合旋转块匹配与低秩正则化的BM3D算法进行自适应调整，从而改善在均匀图像区域中的去噪效果。实验结果表明，新算法的相似块匹配程度更高，峰值信
随着传感器、微电子等技术的发展，通过可穿戴式传感器对人体的运动模式进行识别，具有广泛的应用价值，如何提高识别的准确率，具有重要研究意义。考虑到人体下肢运动的特点，本文提出了一种基于CNN和Mogrifier LSTM的人体运动模式识别算法，先利用CNN提取原始数据的局部相关特征，再使用Mogrifier LSTM代替全连接层，挖掘局部相关特征的前后依赖关系，对行走、跑步、上楼梯、下楼梯、上坡和下坡
毫米波是一种不具有电离辐射的电磁波，其能够穿透绝缘衣物布料和对人体无害的特性使得毫米波在人体安检领域有着巨大的发展前景。将深度学习方法运用至毫米波图像目标检测领域，提出一种基于改进YOLOv3-Tiny的毫米波图像目标检测方法。首先，在特征提取网络中增加卷积层提升网络深度，并增加至3个不同尺度的预测层加强对毫米波图像目标的检测能力；然后，在FPN特征金字塔(feature pyramid netw
随着人工智能的发展，基于深度学习的有监督密集匹配方法在虚拟、室内以及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题，本文在无监督密集匹配框架下，借鉴多个有监督网络结构，分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度，实现了网络结构模块与精度关系的定性分析，为进一步探索深度学习在测绘领域的实用化提供了重要的参考。实验在相同损失函数条件下，分别采用DispN
老茎生花是指木本植物直接在其茎干和老枝上开花、结果的现象,又称茎花现象,可分为干花现象、枝花现象、鞭花现象3种类型。具有这种特性的植物称为茎花植物,在热带雨林中尤为常见,被认为是一些木本植物对热带雨林生境的适应方式。植物开花相关研究方面已经开展了大量工作,但目前针对茎花现象的研究还较少,所提出的一些理论和观点大都还是推测和假说。茎花现象主要分布在34科植物中,目前的研究主要集中于茎花现象的类型、分
针对深度学习在红外与可见光图像融合时无法同时满足运算效率和融合效果的问题。提出了一种无监督端到端的红外与可见光图像融合模型；该模型的图像特征提取模块采用结构重参数化方法，有效提升了算法的运行效率；同时引入了注意力机制，减小了冗余信息对融合结果的干扰；损失函数基于结构相似度设计，并进行了对比实验，实验结果表明，该模型保证了融合效果并提升了运行速度，相比于不使用结构重参数化的方法，运行速度提升34%。
车道线检测在自动驾驶和高级辅助驾驶中起着举足轻重的作用，然而，传统的车道线检测技术鲁棒性较差，而大多数基于深度学习的方法复杂度又较高，难以在嵌入式平台实时应用。提出一种面向嵌入式平台的轻量级车道线检测网络，将车道线检测转化为语义分割问题，该网络借鉴U-Net与Segnet网络结构，使用了小尺度卷积等轻量化组件设计计算高效的语义分割网络。在检测车道线的基础上，计算车辆距离两侧车道线的距离，以及车道线
针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题，提出了一种快速鲁棒的图像拼接方法。对采集到的高分辨率PCB图像进行降采样，基于人工选点精准获取含重叠区域的图像单元作为配准区域；引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进，使提取出的区域特征点分布更加均匀；使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵；结合仿射变换公式推