教学课程资源库 更多>>

关键词： 数字图像处理   卷积神经网络   隐患目标   CCN  

摘要： 随着公路建设事业的快速发展,道路隐患排查管理任务伴随而来,特别是前期建设的一批高速公路已逐步进入中修或大修期,相关管理部门越来越重视道路通行隐患监测数据的收集和分析。为了增强基于机器视觉数字图像处理的道路隐患排查识别效率和准确性,在目标检测技术中引入卷积神经网络CNN算法,快速识别带边界的隐患目标类型、位置和区域,并基于CNN通过隐患目标轮廓网络CCN方法进行定位和提取病害形状。在CCN算法中引入道路隐患类型识别准确率、召回率和方差比值即F值指标,来评价算法模型,根据最大F值划分和确定隐患目标相应的轮廓区域。工程验证结果表明,文章所提出的隐患识别效率和准确率较高,可用性强。置信度阈值取最优值后,准确率、召回率、F值可达到91.8%、86.1%和84.6%。

关键词： 数字图像处理   光子学   阶段性科研   学术论文   实验报告   征稿简则   创新意义   光子学报  

摘要： 一、征稿范围1、研究论文:以光子学、光学及其相关理论技术为主体、具有领先水平或创新意义的学术论文,具有数据详实、结果可信且有实用意义的实验报告,具有国内外先进水平的应用技术文章、阶段性科研成果的研究简报、快报等。不刊自由来稿综述及数字图像处理类的文章。

关键词： MATLAB GUI   图像修复   图像增强   辅助教学   数字图像处理   演示系统  

摘要： 图像处理和机器视觉课程涉及知识面广,需要掌握计算机、数学、大数据、编程等相关知识,但现有的图像处理和机器视觉实验系统程序结构复杂,传统的直接在命令行进行编程的方法在教学直观性方面表现力弱,学生在课程学习中无法理解机器视觉相关算法的基本原理,不适合在课堂学习的初级阶段推广。为提高教学质量及学生的学习兴趣,在Matlab环境下,本文利用图形用户接口(GUI)设计并开发了此套图像处理辅助教学系统。本系统涵盖了图像处理和机器视觉的核心内容,分为图像修复、图像增强、图像滤波三大部分,实现了图像处理的可视化操作,系统交互性强,特别强调了模块化工程,将每个实现图像处理功能的代码分别进行function函数定义,有利于老师的教学讲解与学生的理解、自主学习。设计结果表明,该系统对图像的处理效果良好,化抽象为直观,可以更好地辅助教师授课、帮助学生理解和自学。

关键词： 农作物病虫害   数字图像处理   深度学习   病虫害检测算法  

摘要： 农作物病虫害对农业产量和品质影响巨大。数字图像处理技术在农作物病虫害识别中发挥重要作用。深度学习在该领域取得显著突破,效果优于传统方法。深度学习方法的特征提取能力更强,能准确捕捉细微特征,提高检测精度和可靠性。深度学习为农业提供了有力支持。本研究综述了基于深度学习的农作物病虫害检测研究,从分类网络、检测网络和分割网络3方面进行了概述,并对每种方法的优缺点进行了总结,同时比较了现有研究的性能。在此基础上,进一步探讨了基于深度学习的农作物病虫害检测算法在实际应用中面临的难题,并提出了相应的解决方案和研究思路。最后,对基于深度学习的农作物病虫害检测技术的未来趋势进行了分析和展望。

关键词： 沥青混凝土   封闭层   老化   数字图像处理  

摘要： 文章研究的目的是提出一种无损检测沥青混凝土面板封闭层老化状态的方法。通过数字图像处理方法,首先获取封闭层的图像,然后采用数字图像处理来获取封闭层图像的特征信息,即裂纹密度。通过研究了封闭层裂纹密度与不同老化程度封闭层沥青指标及太阳辐射值之间的关系。结果表明封闭层的裂纹密度与老化程度之间有较好的相关关系,可以作为一种无损评价沥青封闭层老化状态的方法,减少检测时对封闭层的破坏。

关键词： 教学改革   三个转变   研究性   数字图像处理   案例库建设  

摘要： 在“三个转变”建立“知识、能力、人格”三位一体的创新型人才培养模式的要求下,结合该校“遥感技术”世界一流学科建设及该校与中日友好医院联合基金项目研究,提出面向实践案例库建设的研究性课程改革探索。通过研究性示范课建设,实现教学方式的转变、教学内容的提纯,以激发学生学习热情和兴趣,使学生的主观能动性得到发挥,激发学生的创造性思维。结果表明,提出的教学改革方法调动学生的积极性,培养和增强学生的动手能力和科研能力。

关键词： 机器视觉   表面粗糙度检测   数字图像处理   分水岭算法  

摘要： 抛丸和喷砂是船体金属表面处理过程中非常重要的2个步骤,其处理后金属表面的粗糙度和微坑的形貌会直接影响后续喷漆的质量,因此,对抛丸和喷砂后表面质量的测量是必需的流程。目前常用的表面粗糙度测量方法有触针法、显微镜头调焦法、复制带法等。为了提高表面质量检测的自动化水平,构建了一套基于激光结构光3D视觉的船体金属表面处理质量自动检测系统。通过该视觉方法,获取了高分辨的表面高度图像。开发了图像的预处理算法和粗糙度检测算法,同时用前处理和分水岭算法实现了微坑的分割和统计,为船体金属表面质量评价提供了条件。

关键词： 区域特色   教学内容改革   遥感数字图像处理  

摘要： 随着遥感科学技术的迅速发展,对海量遥感数据的综合应用人才的需求日益增长。相关高校在图像处理教学方面注重基础知识而较少涉及综合应用,导致学生对于遥感应用的实践能力较差、主观能动性不强。为应对遥感领域的大数据浪潮,激发学生学习热情,本文结合区域特色地理现象,依据一流专业教师的最新研究成果,调整教学模块、设置综合应用篇实验课程方案,丰富学生对前沿知识的认知、培养科研创新思维。期望该课程改革方案能够培养更多具备实际操作技能和创新思维的综合型人才,更好地应对遥感领域的挑战和机遇。

关键词： 数字图像处理   表面缺陷   TLBO优化算法   灰度导数   图像边缘检测  

摘要： 非接触式、数字化的工程质量检测方法对于快速发现建筑结构表面缺陷,如裂缝、焊接缺陷等,降低工程质量检测的劳动强度具有重要的工程意义。本文在计算机数字图像处理技术基础上,根据建筑结构表面缺陷图像特征,提出基于TLBO算法的缺陷图像轮廓识别预处理方法,作为进一步缺陷特征判断的依据。本文在TLBO算法基础上,边缘像素点的搜索不需要设定任何算法参数,实现简单;提出基于的8个方向的灰度导数,建立图像边缘强度矩阵,将边缘点附近的小规模局部搜索和大量的全局搜索相结合,TLBO算法保证了所提出的边缘检测方法不会陷入局部边缘点,找到最重要的图像全局边缘特征;将TLBO算法应用于图像边缘检测,以工程质量检测中常见的钢结构焊缝检测为例加以验证和分析,证明了本文方法在缺陷图像轮廓识别预处理中的抗噪性和有效性。

关键词： 数字图像处理   图像修复   深度学习   计算机视觉  

摘要： 图像修复是指通过使用计算机算法和图像处理技术还原损坏、缺失或被破坏的图像区域,其目标是使修复后的图像在视觉上具有合理的结构、纹理和连贯性,并且尽可能与原始图像的外观和信息接近。传统的图像修复技术通常基于规则和启发式方法,利用像素间的局部关系、边缘信息、纹理统计等低级特征进行图像修复,难以修复具有复杂语义的图像。近年来,深度学习技术由于其强大的特征提取能力,在图像修复任务中逐渐成为主流方法。这些方法借助大规模数据集进行训练,通过深层次的卷积神经网络或生成对抗网络自动学习图像的高级特征和复杂语义信息。然而,现有的图像修复总结研究较少,且深度学习技术更新太快,为了更好地推动深度学习技术在图像修复领域中的应用及发展,有必要对现有相关方法进行分类和总结。该文对基于深度学习的图像修复方法进行了系统回顾和全面概述,从修复策略的角度出发对图像修复方法进行系统性总结。具体分析了每类方法的优势和局限性,总结了常用的数据集、定量评价指标及代表性方法的性能对比,对图像修复领域存在的难点问题及未来研究方向进行了展望。