基于深度学习的高铁受电装置安全状态快速检测方法

针对因受电弓形变、脱离而影响高铁运行安全的问题,提出了一种快速而且准确的检测高铁受电弓的方法,能够对高铁受电弓严重形变、脱离等情况进行及时预警。该方法首先利用在高铁受电弓前的摄像头捕捉到的10 000余张图片作为训练样本,并利用这些训练样本对自定义的深度学习卷积神经网络进行离线训练,生成预测模型,然后在高铁运行过程中利用训练好的模型和改进后的YOLOv2算法对摄像头的实时监控图像进行在线检测,最后检测程序将返回检测结果,对受电弓缺失、严重形变等现象进行预警。采用该方法在CPU平台以55帧/s的检测速度对受电弓进行实时检测,平均准确率达到93.1%。     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

面向辅助驾驶的夜间行人检测方法

辅助驾驶系统需要实时而准确的行人检测方法.文中利用基于知识的方法复杂度小的优点,针对单目远红外视频数据,提出一种基于概率模板匹配的夜间行人检测方法.该方法基于行人样本的灰度分布特征,采用局部双阈值分割算法提取候选目标,进而根据行人的运动方向建立多尺度概率模板,对候选目标进行判别.该概率模板建立方式缓解了行人样本类内方差较大的问题,增强了概率模板归纳行人外观模式的能力.为改善行人检测的准确度,进一步将目标跟踪算法融入概率模板匹配,借助多帧的综合处理结果实现了更为鲁棒的目标归属判断.实验结果表明:该方法计算开销较低,实时性较好;在郊外场景中检测率不低于90%,虚警率不高于10%;而在市区场景中检测率约为75%,虚警率约为22%.     

行均值梯度与直线拟合联合优化的UUV海面红外图像海天线检测

在近海面水下无人航行器(underwater unmanned vehicle,UUV)的红外图像采集过程中,由于波浪起伏引起的高倾斜度、海空背景复杂等原因,红外图像的噪声过大,不利于目标的识别与海天线的检测。为此提出了一种海天线检测的改进方法。首先,将经过中值滤波和非线性增强预处理后的红外图像进行处理,得到行均值梯度图,确定海天线粗略位置;然后对其中的天空区域和海面区域进行滤波平滑处理,平滑二者背景中灰度起伏较大的噪声;最后利用优化的直线拟合法对天空区域和海面区域滤波后的图像进行海天线提取。实验结果表明,该方法可改善海天线位置的检测效果,具有较强的通用性,适用于复杂的海天环境。     

机车受电弓接触网实时视频监测系统

本文针对电力机车受电弓因素造成弓网故障的情况,对机车受电弓实时监控问题进行了研究与探讨,介绍了机车受电弓接触网实时监测系统的工作原理、主要功能和特点,以及各部分组成,现场安装、使用情况。     

基于改进分水岭算法的医学图像分割

医学图像存在病变区域和背景区域,病变区域是分割的重点。针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将形态学滤波、多尺度形态学梯度和控制标记符分水岭相结合的分割策略。首先利用数学形态闭-开运算完成预处理以滤除原始医学图像中的噪声和非感知信息。其次做闭运算以平滑图像,并对平滑的图像计算多尺度的形态学梯度。再次对形态学梯度图像进行重建,然后采用控制标记符的分水岭变换算法对重建后的梯度图像进行分割。最后将分割结果变换回原始尺度。仿真实验结果表明,这种改进的方法不但使经典分水岭算法中的过分割现象得到了很好的抑制,医学图像中的病变区域被有效分割出来;而且分割算法简单,同时具有多尺度的特点,能够适应医学图像分类与信息提取的需求。     

基于图像处理的激光中心实时滤波算法

为了激光线结构光在复杂３Ｄ曲面测量系统中激光中心的计算精度，提出了基于图像处理的激光中心快速滤波算法，对激光亮带的搜索和亮带区域的平滑滤波同时进行，以消除传统图像边缘检测算法和整帧图像平滑处理计算数量量大的缺点。     

基于图像处理的激光中心实时滤波算法

为了提高激光线结构光在复杂3D曲面测量系统中激光中心的计算精度,提出基于图像处理的激光中心快速滤波算法,对激光亮带的搜索和亮带区域的平滑滤波同时进行,以消除传统图像边缘检测算法和整帧图像平滑处理计算数据量大的缺点.同时还提出排除虚反射光的激光中心线平滑滤波算法.对同一像素多次重复测量实验表明示值稳定性达0.16个像素,算法在精度和速度上满足实用要求.     

基于视觉跟踪的实时视频人脸识别

目前基于深度学习的人脸识别方法准确率高,但是模型复杂,识别速度慢.为了实现监控视频中人脸的实时识别,提出了一种基于视觉跟踪的实时视频人脸识别(RFRV-VT)方法.首先将监控视频的帧序列分组,每一组中分为人脸识别帧和人脸跟踪帧;然后在人脸识别帧中使用基于深度学习的人脸检测和人脸特征提取方法,在人脸跟踪帧中使用基于核相关滤波(KCF)的视觉跟踪方法以加快识别速度.将该方法应用于数据集YouTube Faces(YTF)上进行测试,实验结果显示该算法在监控视频中具有实时性和较高的识别准确性(99.60%).     

基于多分类学习的光学遥感图像舰船检测

针对光学遥感图像中舰船检测易受云层、波浪等因素干扰导致检测精度低的问题,提出了一种基于多分类学习的检测算法.首先利用多光谱图像提取舰船候选区并在对应的全色图像上截取切片,然后采用卷积神经网络自动提取特征并进行分类,最后利用旋转卡壳法求取目标的最小外接矩形进行精确定位.利用自建的数据集进行模型的训练、验证和测试,数据集包含2.375 6×10~4张图像,由于舰船目标类内差异大,将数据集精细地分为10种类别.目标类分为大船、中船、小船、多条船和尾迹5类,非目标类也分为波浪、黑色区域、陆地、海上密集带状物和云5类.实验结果表明:结合了多光谱信息的多分类学习可以有效提高检测率并降低虚警率,该方法在复杂海面背景下能精确地检测舰船目标,检测精度达到95.02%,虚警率低至5.24%;基本可以排除多种因素的干扰,鲁棒性较强.