教学课程资源库 更多>>

关键词： 数字图像处理   人工智能   图像去模糊   对抗网络   双鉴别器   生成器  

摘要： 图像在拍摄过程中可能受到多种因素影响导致模糊不清,而图像的清晰度是人们评价图像的重要前提,因此图像去模糊也是一个重要的研究课题。传统图像去模糊方法首要任务是图像模糊核的估计,但因自然图像模糊类型很多,对模糊核的估计造成很大困难,影响去模糊效果。因此本文采用端到端的思想,利用双鉴别器的条件生成对抗网络来提升模糊图像的清晰度。主要研究工作总结如下:(1)原始生成对抗网络的结构由一个生成器和一个鉴别器构成。生成器捕捉真实数据样本的潜在分布,并生成新的数据样本,以欺骗鉴别器为目的;鉴别器是一个二分类器,通过分析图像中的各个像素,鉴别所输入图像来自真实数据的样本分布还是来自生成器生成的数据样本分布。(2)本文以原始生成对抗网络的思想为基础,采用双鉴别器的设计,生成器与两个鉴别器的网络结构分别构建,并给予两个鉴别器不同的损失计算方法,因此两个鉴别器具有不同的优化目标。第一个鉴别器更侧重于真实的数据样本分布,若样本来自真实分布则给与该鉴别器较高的“奖励”,第二个鉴别器更侧重于生成器生成的数据样本分布,若样本来自生成的分布则给与该鉴别器较高的“奖励”。在网络学习的过程中,两个鉴别器同时与生成器做对抗训练,生成器所生成的数据样本要同时欺骗两个鉴别器,对于其生成的样本质量要求更高。该方法在改善图像清晰度的同时,也可一定程度上提升网络模型的泛化性能。(3)网络模型构建完成后,将对其进行训练,在训练的过程中根据具体情况适时调整相关参数、网络结构以及优化器类型,然后重新训练,以达到改进训练效果的目的。(4)模型训练收敛后对其去模糊效果进行测试,并与类似方法的去模糊效果做了对比分析。测试时除了对测试集中数据样本的测试,还加入了对实际拍摄图像以及网络搜索图像的测试。测试结果表明,本文方法与类似方法的去模糊效果相比,无论从客观评价法中PSNR及SSIM的测试数据还是从主观层面来看,本文所用方法的效果相对来说都更好,证实了本文所用方法的可行性。

关键词： 图像处理   Java   opencv  

摘要： 数字图像处理是在计算机科学、医学、物理学等学科基础上发展起来的一门科学,它广泛应用在各行各业。利用Java技术对图像进行处理,利用Java Swing实现可视化。该系统性能稳定,功能实用,且具有良好的扩展性。

关键词： 落叶松   木材干燥   细观裂纹   数字图像处理   测量  

摘要： 木材干燥应力是造成木材干燥过程开裂翘曲和皱缩等缺陷的主要原因,通过对干燥应力的研究不但能进一步揭示木材干燥中的物理本质,丰富木材干燥理论,而且可为制定木材干燥基准,减小木材干燥应力的技术措施提供理论依据。目前,细观尺度上干燥开裂的检测以及调节干燥参数下干燥开裂过程的研究较少。基于以上问题,本文对于干燥过程中由于干燥应力产生的微裂纹检测方法进行了初步研究,主要开展的研究工作有:针对木材干燥表面显微观察的要求,设计了细观裂纹扩展检测的总体方案,搭建了木材表面微裂纹图像采集系统。通过改造传统的热风干燥箱,在箱体上方的观察孔中设置置物台,解决了保持试件的干燥温度与显微镜直接置于干燥箱体内不能正常工作的矛盾。通过软脂酸钠溶液浸泡、清洗处理去除了落叶松试材表面常见的树脂,方便了显微观察的进行,为木材干燥微裂纹的检测方法的研究提供了实验条件。研究了干燥过程微裂纹图像的提取与处理方法。通过对裂纹图像的灰度化节省了图像占用的存储空间,经中值滤波、直方图均衡化、图像锐化处理提高了图像的对比度和增强了裂纹图像的有用信息。使用Ostu等阈值分割方法将灰度值较低的裂纹区域提取出来,随后通过形态学开闭运算滤除了二值图像中的噪点,最后通过再使用像素点法、链码法得到二值图像的裂纹区域的等效面积、长度。经过标定后的像素点即可计算出裂纹的尺寸信息,为干燥实验中裂纹的数据进行量化提供了有效方法。分别进行了恒温条件下的干燥实验和调整干燥参数下的干燥实验,检测干燥过程中随时间变化的微裂纹长度。从实验结果来看,基于图像处理技术的微裂纹检测方法可以有效的数字化表示出干燥过程中落叶松表面微裂纹长度的发展情况。实验中改变干燥参数作用检测到干燥裂纹的扩展过程的变化,为木材干燥精细调控研究提供了实验依据。

关键词： 丝纺织   蚕茧质量   在线检测   数字图像处理   卷积神经网络  

摘要： 目前，蚕丝绸行业发展迅速，生活中出现越来越多的丝织产品，满足人们对高级服饰的追求。制作优质的丝绸产品往往与蚕茧的质量是分不开的。而在实际生产中，丝绸厂家收购的蚕茧往往存在很多具有缺陷的蚕茧，厂家一般会采取人工筛查的方式保留优质的蚕茧。但是人工筛查的方法存在一定弊端，工人师傅若受到情绪，环境等因素的干扰，会对蚕茧的筛查产生影响，因此有必要开发蚕茧在线检测算法辅助人们工作，用于减少外界因素对蚕茧筛查造成的影响，同时减轻人们的工作压力。　　本文基于数字图像处理技术，开发出一种适用于蚕茧图像提取的算法，完成对图像中蚕茧的定位和实时提取，在此基础上构建出一款卷积神经网络实现蚕茧的种类识别，在应用过程中将两者进行结合，实现蚕茧的在线检测。首先本文在实验室的帮助下，拍摄了两组蚕茧的图像集，灰度化，高斯滤波，图像分割等一系列数字图像处理的技术，提出了一种针对蚕茧的提取方法。该方法可以准确定位并提取出蚕茧图像，同时减轻制作数据集的压力。本文所设计的卷积神经网络模型以经典模型AlexNet为基础，设计其卷积层和池化层的网络结构。结合全局平均池化的结构，提出一种新的卷积神经网络模型，大幅减少模型的参数量，从而提高模型计算的实行性。本文使用两组蚕茧数据集进行了训练和测试，结果都表明本文所设计的卷积神经网络模型可以对合格茧，黄斑茧，畸形茧，双宫茧，瘪茧进行有效分类。　　实验结果表明，本文采用的蚕茧提取算法和卷积神经网络模型相结合的方式能够实时在线的检测出各种蚕茧的类别，最大程度减轻外界因素对识别过程的干扰，减轻工人筛选压力，对类似农副产品的自动化筛选具有一定的参考意义。

关键词： 图像处理   边缘检测   离面位移   模态分析  

摘要： 改革开放以来,随着我国基础设施建设的不断发展,越来越多的桥梁被不断设计并修建,但是,在这辉煌的成就背后,是越来越多的桥梁经过长期运营及使用后,结构已经损伤,需要进行安全检测以及养护加固管理。传统的桥梁检测方法主要是通过把有线、无线传感器安装在结构待测点上,但在一些大型结构难以接近的地方便无法测量,而且也会受到硬件接口数量的限制。数字图像处理技术具备表面全尺度、非接触、高密度、现场耗时短、低成本和便于操作等优点,同时还具备高精度的特点。本文将数字图像处理技术应用于结构的单目离面位移测量上,详述了数字图像的边缘检测技术的原理和流程,并采用有限元建模计算、传统检测方法和数字图像处理技术三种方法对四点简支钢板模型进行静动载试验,验证该方法的准确性和可行性。本文主要研究内容及研究成果如下:(1)简单介绍了本文的研究背景及意义,查阅国内外有关的文献和资料,对数字图像处理技术的发展概况以及国内外研究现状、结构模态分析及应用进行总结概括。(2)介绍了本文试验的主要流程,并对试验所运用的数字图像的边缘检测技术的基本原理进行详细的阐述,包括数字图像的数学表示及特征、数字图像的采集与处理、数字图像的预处理、数字图像的目标追踪和位移标定等方面。(3)采用对称分级加载的四点简支钢板为模型,以数字图像的边缘检测技术的基本原理为理论基础进行试验分析,详细介绍了基于数字图像处理技术的单目离面位移测量过程,并测量了该模型9个测点的变形数据,将该数据与有限元建模计算和百分表实测数据对比,证明该数据可靠,测量精度足以满足一般工程需要。(4)以四点简支钢板为模型进行振动试验研究,首先进行有限元建模计算,得到模型的前五阶频率及振型,并以有限元计算结果为参考,对传统的基于加速度传感器的模态分析试验进行设计,通过对模型进行三个工况的实测分析以及数据整合,得到加速度传感器实测的前五阶频率及振型。将基于数字图像处理技术的单目离面位移测量应用于模型的模态分析试验,得到的结果与加速度传感器实测的结果十分吻合,测量结果可靠,精度足以满足一般工程需要。(5)对本文的工作和研究成果进行总结,并为后续的研究工作进行展望。

关键词： 水表识别   数字图像处理   Hough变换   特征提取   BP神经网络  

摘要： 水作为人类生产生活中非常重要的一种资源,我们有义不容辞的责任去保护它,通过实施对生产生活用水的计量与收费,可以一定程度上节约用水。传统人工抄表的方式已经需要慢慢淘汰,因为这样不仅会浪费大量的人力物力,还很有可能出现错抄、漏抄的情况。随着科学技术的不断发展,部分地区逐渐开始通过数字化水表的方式进行远程抄表,但仍有大量老式水表不易更换,需要其他方式代替人工抄表。图像处理技术的发展可以有效解决上述难题,本课题便是通过OpenCV计算机视觉库进行一系列的图像处理及字符识别实现水表的智能识别系统。本课题通过采用图像处理与神经网络识别的方式对水表图片进行读数的识别。整个识别系统由三大模块组成,分别为原始图像预处理模块、识别区域定位及字符分割模块和字符识别模块。本文主要就是围绕这三大模块进行展开,重点讨论了各个模块的设计实现及最终所构成的识别系统的性能。其完成的主要研究成果如下:(1)原始图像预处理模块设计。该模块实现了对图像的一系列预处理操作,包括图像增强、灰度化和倾斜校正。通过这一模块的处理,可以排除一些外部因素对识别的干扰。(2)识别区域定位及字符分割模块设计。该模块可以精准定位识别区域并且进行自适应二值化。除此之外,此模块还具有一系列处理字符的能力。通过这一模块的处理,可以排除图像中的一些无用信息,只留下对识别有用的信息。(3)字符识别模块设计。该模块实现了数字字符的神经网络识别,包括对全、半字符的特征提取及设计合适的BP神经网络。通过这一模块的处理,可以得到最终的识别结果。

关键词： 边缘检测   Kirsch检测器   霍夫变换   车道线检测   实时性  

摘要： 车道线检测技术应用很广泛,可以用于智能交通管控以及安全辅助驾驶,近几年出现的无人驾驶技术也是基于对车道线的检测技术而衍生出来的新技术,所以研究车道线检测的问题具有很强的社会实用性。目前,大多数的研究者在研究和改进各类算法来增强车道线检测的效果,但是还存在两个问题解决的不好:第一个问题就是提出的算法的实时性不够强,无法满足车道线检测系统对实时性的要求;第二个问题就是检测的效果精确度不高,无法满足车道线检测系统对准确性的要求。本文主要是以车道线识别与检测为研究内容,着力解决现阶段车道线检测算法实时性不强和准确性不高的问题。首先对道路图像进行拍摄采集,然后对拍摄图像进行预处理,预处理包括对感兴趣区域的分割、图像灰度化、对图像滤波和边缘增强等处理。具体做法是,(I)结合实际拍摄环境,把拍摄图像分成五等份,取下面的3/5的部分作为感兴趣的区域。(II)为了去除图像中彩色分量这些无关信息,提高后续算法的运行效率,利用加权平均法对图像进行了灰度化处理。(III)为了去除在拍摄的过程中引入的无关噪声,提升图像的可视性,对拍摄图像做了滤波处理,文中采用了中值滤波作为滤波方法。(IV)为了突出感兴趣的区域并减少不感兴趣区域的信息,对图像做边缘增强处理,即用直方图均衡化方法对拍摄图像做边缘增强处理。紧接着,为了便于后续的车道线检测,对其进行边缘检测。文中着重介绍了Canny边缘检测器、Kirsch边缘检测器、Prewitt边缘检测器和Roberts边缘检测器这四种边缘检测算法,对每一算法都做了仿真,经过对比,Kirsch边缘检测器的检测效果最好,但是其缺点也很明显,就是计算量太大,运算时间过长。利用在Kirsch边缘检测器中用到的8个模板矩阵中上下行元素具有相关性的特点对该检测算法进行改进,改进后的计算量大大降低,检测的实时性提升了很多。最后,对霍夫变换检测直线的算法进行介绍并加以改进,介绍了该算法检测直线的流程与步骤。霍夫变换是目前检测车道线的重要选择,但是其计算量大,很难满足系统实时性的要求。为了提升霍夫变换算法的实时性,利用霍夫变换的可加性的性质对霍夫变换进行改进,把待检测的图像划分为若干个子图像块,把原本需要求整个图像上所有像素点的霍夫变换问题变成了在某一子图像块内求部分像素点的霍夫变换问题,计算量大大降低,实时性得到了很大的提升。经过实验仿真,结果证明,改进后的霍夫变换相较于传统霍夫变换,运行时间减少了70%,霍夫变换中最重要的两个参数ρ和θ的误差率也在可以接受的范围,能同时满足车道线检测系统的实时性和准确性的要求。改进后的霍夫变换算法结合改进的Kirsch检测器相较于其他边缘检测算子,角度参数θ的相对误差率减小2.38%,距离参数ρ的相对误差率减小2.34%。改进后的霍夫变换算法与其他经典算法做对比,无论从实时性还是准确性上,改进后的算法都有相对明显的优势。运算时间是其他算法的1/3到1/2之间,角度参数θ的相对误差率减小2.78%,距离参数ρ的相对误差率减小1.02%。本文研究主要贡献就是利用霍夫变换的可加性改进了霍夫变换算法,同时对Kirsch边缘检测器做了改进。无论从实时性还是准确性上来说,改进的算法都有相对明显的优势,能够满足车道线检测系统对实时性和准确性的要求。

关键词： Hopfield神经网络   受限Boltzmann机   模糊理论   数字图像处理  

摘要： 当今社会,随着计算机计算能力的增强,使得一度低迷的神经网络又一次映入了人们的视线中,伴随着神经网络的快速发展,使得其在人工智能研究领域获得了极大的进步,现如今越来越多学者致力于此方面的研究,其中模糊理论、神经网络更是研究的重点对象。本文所研究的车牌识别技术在现代化车牌管理当中有种非常重要的地位,如何将人工智能与车牌识别结合并用于实际工作,是本文的主要研究课题。Hopfield神经网络是一种单层全连接的反馈型神经网络,此网络引入了“能量函数”的概念,在网络运行过程中,可以将吸引子存放在能量极小点中,因此在网络能量递减的过程中,终究会趋于稳定状态,正是基于Hopfield这种特性,我们将使用此网络进行车牌的识别。由于车牌识别过程存在着许多不确定性因素,为了避免这些不确定的因素使得车牌识别率过低,我们将引入模糊理论的概念,将模糊理论与神经网络相结合,不仅可以解决模糊理论本身学习能力差的问题,而且可以提高在识别精度方面的准确性。为了验证此种算法确实是可行的,我们将使用另一种算法与其进行对比分析,即受限玻尔兹曼机。受限玻尔兹曼机是一个随机神经网络,将其与用作特征提取并且与分类器相结合可以作为不错的识别算法。本课题以Hopfield神经网络与模糊推理系统的结合研究为主体并将其与受限Boltzmann机算法进行对比分析,最终完成并获得如下工作及成果:1.讨论了数字图像处理以及定位的一些方法,选择合适的方法对车牌图像进行合理的处理,目的是使其特征完全显现出,易于使用算法进行识别;2.从网络结构、状态、工作方式、学习方法、能量函数等方面研究了Hopfield网络以及Boltzmann机,确定了两种网络在车牌识别方向上的可应用性,设计了应用于车牌识别的Hopfield网络以及Boltzmann机的神经元个数、阈值等参数;3.研究了模糊理论,确定了在网络中加入模糊推理的可行性,并将Hopfield网络与模糊理论相结合,该网络在一定程度上提高了对车牌识别的精度;4.应用编程软件实现了模糊Hopfield网络以及受限Boltzmann机的可视化,并通过实际系统测试,分析对比了两种车牌识别算法的优劣。

关键词： 火焰   数字图像处理   MATLAB   图像分割  

摘要： 火焰燃烧是自然界中一种常见的现象。然而,失控的燃烧现象会对社会经济造成巨大的破坏。因此,对火焰进行有效的识别和监控是国际上的热门课题。目前市面上主流的火焰识别方法为使用温度,烟雾,红外线等传感器以及人造地球卫星进行监控。本文拟用数字图像处理方法,通过从数码设备获取的数字图像,使用MATLAB软件,通过计算火焰轮廓的圆形度来实现对火焰的特征识别。

关键词： 图像处理   特征参数测量   无芒隐子草   叶解剖结构  

摘要： 荒漠草原是内蒙古草原的重要组成部分,近年来,由于受到自然和人为活动等因素的影响,退化现象十分严重,严重影响了当地生态系统的可持续发展。因此,分析和预测荒漠草原潜在退化危险,加强草原保护和治理显得尤为重要。随着数字图像处理技术的不断发展,图像处理技术已逐渐用于草原生态环境及草原植被相关研究中。本文以内蒙古鄂尔多斯荒漠草原为试验区,以荒漠草原指示性植物无芒隐子草为试验对象,应用图像处理技术研究了无芒隐子草叶片解剖结构,重点研究了显微图像处理中的图像增强、图像分割、特征提取、参数测定等关键技术,揭示了无芒隐子草叶片解剖结构对荒漠草原环境的响应和适应机制,分析了其与草原退化梯度的相关性。主要研究工作如下:(1)图像获取2014—2016年每年7—8月,根据目前常用的李博院士提出的草原退化分级理论,课题组通过实地考察和分析确定了不同退化梯度试验样地,按照统计学和生态学要求,在样地上采集无芒隐子草叶片样本,共采集了 10800个无芒隐子草叶片样本。对采集的样本通过石蜡制片,获得了 768张切片,将YYS-80E型生物光学显微镜与计算机结合,采集和存储了无芒隐子草叶片解剖结构源图像。(2)图像增强针对CLAHE算法对过暗图像对比度增强效果欠佳的问题,在CLAHE算法的基础上引入了图像全局亮度自适应调整环节,提出了基于自适应亮度调整的CLAHE对比度图像增强算法。经过对30幅测试图像试验得出,通过本文提出的算法对图像增强后,图像信息熵、图像平均梯度和图像对比度的平均值相对于原始图像分别提高了约22.3%、177.7%和67%,而CLAHE算法处理后,分别提高了约18.4%、164.4%和 59.6%。(3)图像分割①整体分割。针对传统灰度化方法使无芒隐子草叶片解剖结构图像对比度明显下降、细节丢失严重的问题,根据无芒隐子草叶片解剖结构图像前景和背景之间红色和蓝色色差较为明显的特点,通过调整R、G、B三色权重,提出了无芒隐子草叶片解剖结构图像灰度化方法,并与传统灰度化方法处理结果进行了对比分析,结果显示,经本文方法处理后,图像信息熵、图像平均梯度、图像对比度相对于传统方法中处理效果较好的分量法(R)分别提高了约1.05%、224.4%和133.7%。在此基础上,使用最大类间方差(Otsu)结合形态学开运算和线性滤波,实现了无芒隐子草叶片解剖结构的整体分割,对30幅测试图像试验,分割的平均误检率FPR为0.75%,平均漏检率FNR为3.49%,平均整体分割精度GSA达到98.14%。②角质层分割。由于无芒隐子草叶片解剖结构角质层部分被染为红色,在整幅图像中具有较好的视觉显著性,本文对目前十种经典的显著性检测算法所遵循的视觉显著性规律、使用的图像特征以及对特征的处理方式进行深入分析,提出了基于FT算法和AC算法相融合的显著性检测算法,结合阈值分割,实现了无芒隐子草叶片解剖结构角质层的准确分割,对30幅测试图像分别采用FT算法、AC算法和本文算法显著性检测后,分割的平均误检率FPR分别为0.75%、1.02%和0.48%,平均漏检率FNR分别为7.19%、5.87%和3.45%,平均整体分割精度GSA分别为98.43%、98.11%和99.21%,本文算法显著性检测后分割精度高于其他两种方法。③维管束分割。针对整幅图像中维管束鞘细胞整体平均颜色值最高的特点,提出了基于自动选取样本点的RGB空间自适应阈值分割算法。首先对图像进行算术运算,结合阈值分割自动选取维管束鞘细胞所在位置的像素值作为彩色样本点,然后通过样本点平均颜色估计值与待分割图像中像素值的欧几里得距离度量相似性,实现维管束的准确分割。经过30幅测试图像试验,采用传统算法和本文算法分割后,平均误检率FPR分别为7.61%和0.72%,平均漏检率FNR分别为7.08%和1.35%,平均整体分割精度GSA分别为92.64%和98.73%,本文提出的算法分割精度更高。④花环细胞分割。针对无芒隐子草叶片解剖结构花环细胞图像特征,提出采用交互式分割方法实现花环细胞的分割,对比分析了交互式分割方法中分割效果较好的基于变分水平集主动轮廓算法和基于最大相似度区域合并图像分割算法,对30幅测试图像试验,结果显示,采用基于变分水平集主动轮廓算法和基于最大相似度区域合并图像分割算法对花环细胞分割后,平均误检率FPR分别为1.63%和0.82%,平均漏检率FNR分别为4.01%和4%、平均整体分割精度GSA分别为98.20%和98.65%,采用基于最大相似度区域合并图像分割算法分割效果略优于基于变分水平集主动轮廓算法,并且在算法操作性和稳定性方面,最大相似度区域合并图像分割算法更适合花环细胞的分割。(4)特征提取①叶片宽度(LW)测量。根据叶片宽度为无芒隐子草叶片解剖结构图像上最远处两点之间距离的实际测量方式,本文提出