期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合全局语义优化的对抗性灰度图像彩色化 被引量:5
1
作者 万园园 王雨青 +2 位作者 张晓宁 陈小林 《液晶与显示》 CAS CSCD 北大核心 2021年第9期1305-1313,共9页
针对当前灰度图像彩色化算法容易出现色彩枯燥、颜色溢出和图像细节损失等问题,本文提出一种结合全局语义优化的对抗性灰度图像彩色化算法。其中,生成网络采用自主改进的U-Net网络。一方面,改进的U-Net网络利用多层卷积对输入图像进行... 针对当前灰度图像彩色化算法容易出现色彩枯燥、颜色溢出和图像细节损失等问题,本文提出一种结合全局语义优化的对抗性灰度图像彩色化算法。其中,生成网络采用自主改进的U-Net网络。一方面,改进的U-Net网络利用多层卷积对输入图像进行逐步下采样,在获取多尺度层级特征和全局特征的同时,在跳跃连接中将全局特征和多尺度层级特征进行自适应融合,从而有效增强算法对全局语义信息的理解能力并缓解颜色溢出的现象;另一方面,改进的U-Net网络在上采样过程中融合通道注意力模块,使得在提取卷积特征时能够有效抑制噪声并降低特征冗余性。判别网络主要采用全卷积结构,通过反向传播误差以达到优化生成网络的目的。此外,本文算法的损失函数将WGAN-GP网络的优化思想和颜色损失相结合,从而解决传统生成对抗网络训练时出现的梯度消失和模式崩溃等问题。本文算法在Place365测试集上所获取的峰值信噪比、结构相似性和信息熵指标分别为24.455 dB、0.943和7.489。实验结果表明,本文算法能够缓解颜色溢出,且细节保持和颜色饱和度方面都具有一定优势。 展开更多
关键词 全局特征 通道注意力模块 WGAN-GP 图像彩色化
下载PDF
基于ECO跟踪的输液瓶可见异物检测识别方法 被引量:3
2
作者 王雨青 陈小林 +2 位作者 王博 吴志佳 《国外电子测量技术》 2019年第11期23-28,共6页
输液瓶作为常见的注射药剂,研究其药液内是否存在异物是安全和质量检测领域的重要课题。可见异物自动检测设备通常采用旋转一急停的方式使瓶中异物运动旋转,采集多帧图像序列,利用机器视觉的方法来判断液体中是否存在异物,而这种方式会... 输液瓶作为常见的注射药剂,研究其药液内是否存在异物是安全和质量检测领域的重要课题。可见异物自动检测设备通常采用旋转一急停的方式使瓶中异物运动旋转,采集多帧图像序列,利用机器视觉的方法来判断液体中是否存在异物,而这种方式会产生大量气泡,严重干扰检测精度。提出一种基于ECO跟踪的输液瓶可见异物检测方法,以图像序列的感兴趣区域为对象,借助帧差法找到图像序列中最可能存在异物的图像作为起始帧图像,并找到起始帧图像中的运动目标,建立初始模板,利用E C O算法跟踪运动目标,记录其运动轨迹,分析运动特性以此辨识目标是否为异物。实验结果表明,提出的方法可以有效地检测识别异物,去除气泡干扰,并且具有较高的识别率和较低的漏检率,可以达到工业检测的要求。 展开更多
关键词 机器视觉 图像差分 ECO跟踪 运动轨迹 可见异物检测
下载PDF
基于Facet模型与方向相对极差的红外小目标检测方法 被引量:2
3
作者 吴志佳 陈小林 +1 位作者 王雨青 《红外》 CAS 2019年第5期10-17,共8页
在对Facet.模型的方向导数特征进行研究的基础上,针对红外弱小目标提出了一种利用局部方向相对极差计算显著性的方法,以快速有效地提取复杂背景下的红外弱小目标。基于弱小目标单帧检测理论,首先计算原始图像的Facet方向导数特征,然后在... 在对Facet.模型的方向导数特征进行研究的基础上,针对红外弱小目标提出了一种利用局部方向相对极差计算显著性的方法,以快速有效地提取复杂背景下的红外弱小目标。基于弱小目标单帧检测理论,首先计算原始图像的Facet方向导数特征,然后在Facet方向导数特征图的局部内,沿着导数方向计算相对极差对比度显著图。通过对各个方向上的相对极差对比度显著图进行融合得到最终的显著性图像。最后,采用适当的阈值分割从该图像中提取目标。实验结果表明,本文算法对复杂红外弱小目标图像具有很高的信杂比增益和背景抑制因子。另外,该算法的计算复杂度低且可利用二维卷积加速计算,具有良好的算法实时性,适用于各种处理器平台的工程实现。 展开更多
关键词 红外弱小目标检测 相对极差 局部对比度 方向导数特征 算法加速
下载PDF
结合样本约束学习的实时跟踪算法
4
作者 余毅 +1 位作者 陈小林 吴志佳 《国外电子测量技术》 2019年第5期24-29,共6页
针对基于分类模型的目标跟踪算法中存在的样本划分不精确,实时性较差,当目标形变和背景光照变化较大时跟踪不稳定的问题,提出一种以加权模型匹配为框架,结合样本约束学习的实时跟踪算法。该算法利用样本约束函数来解决样本划分不精确、... 针对基于分类模型的目标跟踪算法中存在的样本划分不精确,实时性较差,当目标形变和背景光照变化较大时跟踪不稳定的问题,提出一种以加权模型匹配为框架,结合样本约束学习的实时跟踪算法。该算法利用样本约束函数来解决样本划分不精确、过程复杂的问题。将得到的正、负样本进行对比度及亮度变换等处理,并采用二值采样进行特征提取,从而得到丰富的特征集以提供给随机蕨分类器进行学习与训练,使其适应跟踪时目标或背景的光照变化。将分类器检测的结果与在线模型库中的模型相结合实现价值评估,从而克服目标的轻微形变得到更精确的目标位置。与较先进的跟踪算法在公用测试集上进行跟踪效果测试与对比,该算法的平均精确度为0.702;平均覆盖率为0.516;平均处理速度为31.6fps。在保证实时性的同时,一定程度上提升了目标形变和背景光照变化较大时的跟踪精度与鲁棒性。 展开更多
关键词 实时跟踪 加权模型匹配 样本约束函数 随机蕨分类器 在线模型库
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部