基于电子样稿的柔印首件“粗-精”检测方法

为了解决柔印首件检验没有基准织物图像作为参照的难点,该文提出一种以电子样稿为参照物的柔印首件“粗-精”检测方法,主要分为粗匹配、精匹配和缺陷检测3个阶段。首先,针对电子样稿与印刷首件内容粗细不一、灰度特性差异大、柔印内容重复率高等问题,融合超点(SuperPoint)与强力匹配(SuperGlue)方法进行粗匹配。然后,针对柔印过程版材伸缩、弯曲引发柔印内容局部偏移的问题,采用归一化互相关(NCC)法微调样稿字符,实现精匹配。最后,提出约束聚类的方法将缺陷检测问题转化为电子样稿与柔印首件差异最小化的问题。对比实验表明,该文方法的柔印首件检测性能要优于其他织物印刷品缺陷检测方法,其漏检率为0,误检率为1.3%,平均Dice系数为0.941,且检测时间仅为2.761 s/pcs,满足实际工程的需求。     

图像超分辨率深度学习研究及应用进展

图像超分辨率重建是用低分辨率图像重建出对应的高分辨率图像的过程。目前,图像超分辨率技术已经成功应用于计算机视觉和图像处理领域。近年来,由于深度学习具有能够从大量数据中自动学习特征的能力,因此被广泛应用于图像超分辨率领域中。介绍了图像超分辨重建的背景,详细总结了用于图像超分辨率的深度学习模型,阐述了图像超分辨率技术在卫星遥感图像、医学影像、视频监控、工业检测任务方面的应用。总结了图像超分辨算法的当前研究现状以及未来发展方向。     

鲁棒主成分分析的运动目标检测综述

目的 运动目标检测在许多计算机视觉任务中发挥了重要的作用。背景建模是运动目标检测中传统而又常用的方法。然而,许多背景建模方法是基于像素点的,对背景方面的考虑过于简单,难于处理真实视频。最近,将基于低秩和稀疏分解的鲁棒主成分分析应用于运动目标检测成为计算机视觉领域内的研究热点。为使更多国内外运动目标检测的研究者对鲁棒主成分分析方法进行探索和应用,本文对其进行系统综述。方法 融入最新研究进展,基于误差抑制、贝叶斯理论、时间和空间信息、多特征和多因素耦合,对各种国内外的鲁棒主成分分析模型进行归纳,并理论分析其优缺点。结果 本文采用变化检测数据集（change detection dataset）中不同场景的视频序列来对不同算法进行对比实验。从实验结果可知,属于第3类方法的DECOLOR 的检测效果优于其他算法,在均值对比中得到的召回率、精确率和F-measure分别为0.7、0.706和0.66。总体来说,当前改进算法都能有效地弥补最初鲁棒主成分分析方法的缺陷,提高了运动目标检测的精度。结论 鲁棒主成分分析在运动目标检测上取得了较多的研究与应用成果,在智能视频监控应用领域拥有广阔的应用前景。但是,其仍需针对鲁棒主成分分析存在的一些局限性进行深入的研究。融入前景运动目标在视频中的先验知识是基于鲁棒主成分分析的运动目标检测的发展趋势。     

一种改进的MBNN图像分割算法

提出了一种改进的基于模型的神经网络(MBNN,model-based neural network)图像分割算法.采用马尔科夫随机场(MRF,Markov randomfield)对图像建模,将该模型融入MBNN,应用改进的最大期望值(EM,expectationmaximization)算法估计网络中MRF参数,采用预指定类别数技术减少网络计算量,最终实现图像分割.实验结果表明,该算法能够有机地将先验知识和图像局部统计相关性结合起来,从而有效地完成图像分割.     

基于小波的双线性插值误差补偿算法的图像放大

为了尽可能地保持低分辨率图像的基本信息,提高图像的视觉效果和空间分辨率,本文提出一种基于小波的双线性插值误差补偿算法。该算法增加双线性插值的误差补偿项,利用Sobel算子设定插值点的边缘方向,得到初始放大图像。利用小波提取高频成分,原始图像幅值增强充当低频部分,再经过小波逆变换得到高分辨率图像。实验结果表明,相对于传统的图像放大算法,该算法考虑到全局相关性,得到更加清晰的边缘信息。     

基于优化Gabor滤波器的牙膏管肩缺陷检测

针对现有牙膏管肩缺陷检测方法效率低、准确率不高,难以满足产品验收标准的难题进行了研究,提出一种新的缺陷检测方法。本方法首先利用一种改进的最小二乘圆拟合的方法分割出待检测区域;然后采用基于优化Gabor滤波器的缺陷检测方法,通过引入评价函数以确定最佳滤波器参数,准确提取出缺陷位置。实验表明,通过对比传统的Gabor检测算法,证明该算法能较为准确地检测出牙膏管肩缺陷位置,且具有良好的检测速度及精度。     

乳腺病灶的多显著性检测方法

乳腺病灶自动检测对于后续计算机辅助诊断具有重要意义。融合背景先验、自适应中心先验以及频率先验等三种先验知识,提出一种多显著性检测方案实现超声影像中的乳腺病灶检测。该方案包含图像预处理、显著性检测和显著性优化等三个步骤。为了提高检测准确率,提出了一种基于经验累积分布函数的自适应阈值分割方法和一种改进的自适应中心先验检测方法。实验结果证明,提出的多显著性检测方案精确率达92.50%,召回率达87.05%,F-measure值达91.18%,能够更好地检测乳腺超声病灶。     

基于简化KDE的动态背景分割系统设计

提出一种简化的核密度估计模型KDE(Kernel Density Estimation)动态背景建模算法,构建了基于ARM11的视频动态背景分割系统。不仅能大幅度降低传统KDE背景建模的所需的运算量和存储量,提高处理速度,而且还具有良好的运动前景分割效果。系统完成了视频动态背景的建模、运动前景分割、视频显示、图片压缩保存等功能,具有较好的性价比。     

基于小波神经网络的图像表述

小波神经网络有机地融合了小波分析的时频特性和神经网络自适应优点。本文将小波神经网络应用于图像表述，提出相应的图像表述算法。分别采用两种小波函数作为网络激励函数，以验证图像表述效果。实验结果表明，小波神经网络能够有效地表述图像，其算法具有较强的鲁棒性。     

一种基于神经网络的图像复原方法

提出了一种基于BP神经网络的图像复原算法.在分析图像模糊机制的基础上,为了降低输入维数,该方法采用滑动窗口操作来提取特征,同时为了加快训练速度和改善网络复原效果,首先对图像进行边缘提取,对图像内边缘区域和平坦区域分别采用滑动窗口获得训练集.利用BP神经网络的学习能力,通过训练,建立含有退化信息(高斯模糊)的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原,得到的复原图像在视觉上和定量分析上都获得了较好的效果.