天际线识别在森林烟火识别中的应用

在森林烟火检测中,为减少烟火虚警率,需在监控图像中自动分割出森林区域.在森林区域分割过程中,首先将天空与森林区域分割开,以消除天空飞行物及云彩等的变化对烟火目标的干扰.针对这一问题,提出了一种新的基于Mumford-Shah泛函模型和曲线演化原理的天际线识别算法并将其应用到森林烟大识别系统中.这种算法不仅能有效地检测出具有较小梯度图像的天际线目标,而且还可直接给出天际线的曲线表示.实验数据显示算法具有良好的有效性和自适应性.     

基于高效全局上下文网络的轻量级烟火检测算法

针对现有烟火检测算法存在的漏检和误检问题，提出一种基于高效全局上下文网络（EGC-Net）的轻量级烟火检测新算法。该算法以轻量级目标检测网络YOLOX为基础网络，将改进的EGC-Net嵌入到YOLOX的主干特征提取网络与特征金字塔网络之间。EGC-Net由上下文建模、特征转换和特征融合3阶段结构组成，用于获得图像的全局上下文信息，建模烟火目标与其背景信息的远程依赖关系，并结合通道注意力机制学习更具判别力的视觉特征用于烟火检测。实验结果表明，本文提出的EGC-YOLOX烟火检测算法的图像级召回率为95.56%，图像级误报率为4.75%，均优于对比的其他典型轻量级算法，且速度满足实时检测的要求。该算法可在安防和消防领域推广，用于实时火灾监控和预警管理。     

一种基于小波变换的YOLOv5火灾检测改进算法

由于复杂环境下类烟火物体的干扰,常导致火灾检测误判。为了提高图像中火灾信号的检测精度,减少火灾误报,利用传统光谱分析在火灾图像检测技术中的优势,提出了一种基于小波变换的YOLOv5火灾检测改进算法。该算法利用二维Haar小波变换提取图像的光谱特征,将其输入到YOLOv5s的主干网络CSPDarknet中,与卷积层进行通道上的特征融合,增强烟火的纹理细节特征;通过嵌入CA注意力机制的CAC3模块,对融合小波特征后的网络层的位置信息进行增强,提高网络的信息提取和定位能力;为明确衡量边界框宽高的真实差,平衡烟火难易样本,采用α-EIOU损失函数替换原本的CIOU,提高框定位准确性。在公开的火灾数据基础上结合自制火灾数据构建火灾数据集,并进行模型训练和推理。实验结果表明,改进后算法的mAP比原YOLOv5s提升了2.3%,实现了对火灾场景烟火目标较好的检测效果。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

基于局部相似自组织的遥感图像自动识别算法

提出了一种根据局部特征进行图像描述和自动学习的识别算法.该算法能对地表遥感图像进行外貌分析,利用地貌特征进行图像分割,识别出图像中的丘陵、森林、沙漠、冲积扇.等地形.通过用一个大小可变的、边界模糊的窗口对图像进行大量取样,再利用这些样本来训练支持向量机,并使用该支持向量机进行模式分类,进行基于某些类型局部模式的相似性的自组织聚集,从而获得对遥感图像的整体性描述或理解.最后给出该方法在一些真实的遥感图像中的运用和分类实验的结果.应也适合拓展到其它具有纹理特征的模式识别问题.     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

基于图像处理的分支链氨基酸菌体形状识别

提出了一种用于分支链氨基酸发酵过程中菌体形状识别的方法。该方法基于菌体的图像,充分利用菌体的形状特征,将菌体图像的面积作为第一步识别特征,然后将菌体中心的位置作为第二步识别特征,最后对菌体图像进行编码作为第三步识别特征。实验表明,该方法可以对分支链氨基酸发酵过程中的菌体形状进行准确快速的识别。     

浅谈火灾探测中的图像分析

提出采用图像分析的方法，对火灾特征进行提取、识别和相似搜索，最终判断火灾发生的思路。介绍了图像的前端采集方法，图像的特征表示和提取，图像的识别，火灾识别的一般过程和图像分析型火灾探测的实际意义。     

视觉传感网络中身份特征自适应识别算法改进

在对视觉传感网络中身份特征进行识别时,容易受到人脸表情、光照条件及遮挡等干扰,降低了身份特征识别精度.提出了一种基于改进最小灰度差树的身份特征自适应识别算法.对待识别图像进行灰度处理后,利用最小灰度差数增强待识别图像的质量;定义基于灰度的代价函数,获取待识别人脸图像和指定人脸图像对应的各灰度对的匹配代价,建立最小灰度差树模型,计算两幅图像相似度后,直接采用最近邻匹配算法获取和视觉传感网络注册图库中最小匹配代价对应的图像身份,将其看作待识别身份,实现视觉传感网络中身份特征自适应识别.仿真实验结果表明,所提算法具有很高的身份识别精度.     

基于运动特征分析的森林火灾烟云实时检测方法

本文提出了一种基于地面视频检测系统中烟云序列图像识别的新方法。利用视频图像的灰度信息,通过运动趋势的估计和相似性的测算,有效提高了具有非结构化及随机性特征的烟云图像检测的可靠性。在仿真试验中,使用此方法对美国Alaska州2005年5月1日拍摄的森林火灾序列图像进行了分析,结果表明它对早期产生的烟云区域能够实时检测和识别,并具有较好的鲁棒性。