检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

神经辐射场恢复水下图像失真

计算机工程与应用 2024年

作者：华喜锋黄志勇杨晨龙姚玉三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院

神经辐射场（Neural Radiance Fields， NeRF）是一个备受关注的新兴研究领域，旨在解决新视角合成问题。然而，将其应用于水下环境时存在诸多挑战，如淹没在波形水面下的静态场景图像时常呈现严重的非刚性失真，这主要是由于水面波动... 详细信息

神经辐射场（Neural Radiance Fields， NeRF）是一个备受关注的新兴研究领域，旨在解决新视角合成问题。然而，将其应用于水下环境时存在诸多挑战，如淹没在波形水面下的静态场景图像时常呈现严重的非刚性失真，这主要是由于水面波动和折射导致的视觉扭曲。为了解决水下物体图像失真问题，本文深入分析波形水面的光学特性以及水下物体表面的失真情况，提出了一种针对水下场景的NeRF框架。首先，自制了一种数据采集装置，将相机固定在水面上方，根据水流在时间和空间具有周期性的物理特性，仿真出多视角的虚拟相机，有效解决了水下数据采集难题。其次，利用图像光流恢复水面波形。最后，基于斯涅尔定律校正采样策略，通过重定义光线追踪过程中的起点和方向，渲染出校正后的水下图像。利用真实水下场景数据集对该方法进行了定性和定量的评估，结果表明本文方法能够有效消除水下图像失真，且该方法在水下图像三维重建方面的表现优于现有的算法，为水下新视角图像合成提供了新的思路和方法。

关键词：神经辐射场水下物体光流法斯涅尔定律

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于跨尺度特征提取的锻件表面裂纹检测算法

计算机集成制造系统 2024年

作者：张岳张上王恒涛张朝阳许欢熊偌炎三峡大学计算机与信息学院水电工程智能视觉监测湖北省重点实验室三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学经济与管理学院三峡大学电气与新能源学院

锻件表面裂纹危害性大，检测效率低。为解决传统人工磁粉检测锻件裂纹场景中存在的问题，提出一种锻件表面裂纹实时检测算法。首先，采集了重卡转向节生产流水线中探伤车间的磁粉检测图像，制作锻件表面裂纹数据集；然后，提出了轻量多... 详细信息

锻件表面裂纹危害性大，检测效率低。为解决传统人工磁粉检测锻件裂纹场景中存在的问题，提出一种锻件表面裂纹实时检测算法。首先，采集了重卡转向节生产流水线中探伤车间的磁粉检测图像，制作锻件表面裂纹数据集；然后，提出了轻量多尺度卷积模块LMSConv，实现单模块跨尺度特征提取；同时，提出了大型可分离内核注意力快速空间金字塔池化模块LSKA-SPPF，进一步加强整体跨尺度特征融合能力；最后，更改Bbox损失函数为Focal EIoU，提高锚框回归精度。在锻件表面裂纹数据集与NEU-DET数据集上的实验结果表明，算法检测精度较高，复杂度低。对比其他主流单阶段目标检测算法，漏检率与误检率降低，具有较强的鲁棒性，能够满足锻件裂纹检测需要。

关键词：表面缺陷检测跨尺度特征锻件裂纹单阶段目标检测

基于YOLO v8的航拍图像小目标算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

红外技术 2024年

作者：张上院永莹陈永麟王莹崔玉杰水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院

针对航拍图像中小目标存在分辨率低、密集、背景相似等问题，本文提出航拍小目标检测算法TINY-YOLOv8。首先，为提高对小目标的检测能力，在YOLOv8模型基础上增加一个小目标检测层，并优化主干部分网络结构来提高精度；其次，将主干网... 详细信息

针对航拍图像中小目标存在分辨率低、密集、背景相似等问题，本文提出航拍小目标检测算法TINY-YOLOv8。首先，为提高对小目标的检测能力，在YOLOv8模型基础上增加一个小目标检测层，并优化主干部分网络结构来提高精度；其次，将主干网络中部分卷积替换为轻量级卷积，并将颈部网络中C2f模块替换为轻量级模块Vo V-GSCSP来减少模型参数量和计算量；然后，在网络结构中引入ECA注意力机制，增强特征图在通道层面上的信息交互能力，使探测头提取到更为细腻的目标特征；最后，设计Inner-MPDIoU损失函数来更好地加速模型收敛状况，提升对目标的定位能力。实验结果表明，本文提出的TINY-YOLO v8算法相比于其他目标检测算法有着更为出色的检测效果。与基准算法对比，本文提出的模型在Vis Drone数据集和Tiny Person数据集上m AP50分别提高5.2%、8%，且参数量相较于原模型下降10.1%。因此，本文所提出的算法可以很好地运用在航拍图像检测领域中。

关键词： YOLOv8 航拍图像小目标检测 VoV-GSCSP ECA Inner-MPDIoU

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多尺度特征响应融合的复杂场景红外目标跟踪

计算机工程与应用 2024年

作者：熊偌炎张上张岳三峡大学湖北省建筑质量检测装备工程技术研究中心三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院

针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融... 详细信息

针对红外目标跟踪算法在复杂场景下性能退化的问题，提出了多尺度特征响应融合的红外目标跟踪算法。该算法基于Siamese网络框架，构建了一个自适应模版更新的目标模板库，以提高模版匹配准确性。采用ResNet-50构建了多尺度特征提取与融合网络，通过多分支结构捕获不同信息的特征，并引入分组卷积以及增加每组的基数来提取多样化的深层特征。此外，通过自适应权值分配策略，将不同尺度的特征进行融合；其次，提出了全局感知与快速响应模块，通过可微相关滤波器层实现对整帧图像的全局感知，同时动态生成适应性滤波器以捕捉目标特征。同时，采用核估计概率直方图建立红外目标的多尺度特征模型，在每个前向传播步骤中与候选区域进行比较，提高算法对于目标变化的响应速度和感知能力；最后，提出了空间-通道-帧间交互自注意力模块，使模型能够更好地聚焦于全局空间特征和高响应通道，并利用帧间交互注意力增强了前、后帧信息的互补性。在LSOTB-TIR和PTB-TIR数据集上进行了实验。实验结果表明，在多种复杂场景下，提出的算法显著增强了目标辨别、感知和抗干扰能力。算法的成功率和精准率，在LSOTB-TIR数据集上分别达到了67.3%和80.0%，在PTB-TIR数据集上分别达到了64.5%和83.1%，综合优于对比跟踪算法。

关键词：红外目标跟踪计算机视觉孪生网络相关滤波

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于孪生网络的轻量型无人机单目标跟踪算法

航空学报 2024年

作者：丁奇帅雷帮军吴正平三峡大学水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院三峡大学水电工程视觉监测宜昌市重点实验室数字金融创新湖北省重点实验室湖北经济学院

当前，一些单目标跟踪算法已经取得了领先的性能，但庞大的模型限制了它们在无人机这样资源有限的平台上的应用。为此，本文设计了一种基于孪生网络的轻量型无人机单目标跟踪算法，旨在消耗更少资源情况下实现对目标的高效跟踪。首先，... 详细信息

当前，一些单目标跟踪算法已经取得了领先的性能，但庞大的模型限制了它们在无人机这样资源有限的平台上的应用。为此，本文设计了一种基于孪生网络的轻量型无人机单目标跟踪算法，旨在消耗更少资源情况下实现对目标的高效跟踪。首先，基于MobileNetV3设计了轻量化的孪生特征提取骨干网络，在保证不降低特征提取能力的前提下，极大减少网络的计算量和参数量。其次，设计了双重互相关模块，该模块采用像素互相关快速实现模板图像特征和搜索图像特征的相似性计算，同时结合深度互相关补充缺失特征，有效提升特征匹配的精度和鲁棒性。然后，通过堆叠多个深度可分离卷积层设计了轻量化的预测头部，以最小化的资源消耗来获得准确的目标表达。最后，在传统的分类和回归损失基础上，引入分类排名损失，增强网络对目标前景的学习能力，抑制背景干扰，进一步提升跟踪性能。综合实验表明：本文算法以0.53M的参数量和0.11G的浮点数运算量，在无人机视频目标跟踪数据集DTB70、UAV123和UAV20L上分别取得82.1%、81.2%和64.6%的准确率以及63.4%、61.8%和49.6%的成功率，达到同类跟踪算法的性能且参数量和计算量远小于它们，并且能以100fps以上的速度运行，满足无人机目标跟踪的实时性需求。

关键词：无人机孪生网络单目标跟踪轻量化互相关

基于图像超分辨率生成对抗网络的MIMO信道估计方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

微波学报 2024年第4期40卷 46-51页

作者：危梦张清河三峡大学水电工程智能视觉监测湖北省重点实验室宜昌443002 三峡大学计算机与信息学院宜昌443002 三峡大学湖北省建筑质量检测装备工程技术研究中心宜昌443002

在毫米波大规模多输入多输出系统中,针对传统信道估计需要借助信道和噪声的统计特性来提高精度的弊端,提出了一种基于图像超分辨率生成对抗网络的信道估计算法(SRGAN),将信道估计建模为图像超分辨率恢复问题。首先,采取最小二乘算法得... 详细信息

在毫米波大规模多输入多输出系统中,针对传统信道估计需要借助信道和噪声的统计特性来提高精度的弊端,提出了一种基于图像超分辨率生成对抗网络的信道估计算法(SRGAN),将信道估计建模为图像超分辨率恢复问题。首先,采取最小二乘算法得到导频位置处的信道信息;其次,通过二维线性插值得到分辨率较低的信道矩阵信息作为所提SRGAN网络的输入;最后,通过训练恢复出真实信道频率响应。仿真实验表明:文中所提信道估计算法的性能较传统信道估计算法有较大的提升,并且恢复的信道更符合真实信道。

关键词：大规模MIMO 信道估计图像超分辨率生成对抗网络

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

动态聚焦多维注意力遥感弱小目标检测

无线电通信技术 2024年

作者：张朝阳张上胡益民张岳熊偌炎三峡大学电气与新能源学院湖北省建筑质量检测装备工程技术研究中心水电工程智能视觉监测湖北省重点实验室三峡大学计算机与信息学院

遥感图像的目标检测在民用和军事领域有着广泛的应用场景。由于遥感图像中检测目标存在形态多变、弱小目标较多以及背景复杂等原因，导致遥感图像在目标检测方面存在检测精度识别不高，模型参数过大等问题。为了提升算法对遥感图像目标... 详细信息

遥感图像的目标检测在民用和军事领域有着广泛的应用场景。由于遥感图像中检测目标存在形态多变、弱小目标较多以及背景复杂等原因，导致遥感图像在目标检测方面存在检测精度识别不高，模型参数过大等问题。为了提升算法对遥感图像目标的检测准确率以及缩减算法模型量，提出了动态聚焦多维注意力检测算法YOLO-WiseGOD。首先，在YOLOv8n基线网络中使用WIoU（Wise-IoU）构建动态聚焦机制的边界框损失，弱化因几何因素导致的梯度增益泛化能力不足的问题，在协调高低质量锚框竞争力的同时，使之适用于聚焦普通锚框，提高网络模型检测的定位能力；然后，在网络末端融合改进的L-ODConv多维注意力机制避免梯度锯齿的问题，在减少模型参数的同时，优化输出特征和卷积权值的调制，提升网络加权特征融合；最后，在主干网络中引入轻量化注意力模块C2FGhostV2，在能更好地捕捉输入特征图中的多尺度特征和全局上下文信息的同时，也能保持较低的参数量和计算复杂度，更好地平衡训练精度和模型量之间的关系。将本文提出的算法在遥感数据集NWPU VHR-10（Northwestern Polytechnical University Very High Resolution-10）和RSOD（Remote Sensing Object Detection）上进行实验验证，对比当前主流算法模型YOLOv8n，其平均检测准确率（mean average precision，mAP）分别提高了2.0%和2.3%，模型参数量减少4.5%，计算量减少10.9%。本文算法能有效提高遥感图像中微小目标的检测精度和实现一定的模型轻量化。

关键词：遥感图像弱小目标检测 YOLOv8 动态聚焦机制多维注意力

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于模板更新和双特征增强的视觉跟踪算法

北京航空航天大学学报 2024年

作者：雷帮军丁奇帅牟乾西吴正平三峡大学计算机与信息学院水电工程视觉监测宜昌市重点实验室湖北省水电工程智能视觉监测重点实验室

针对视觉跟踪中由于目标形变、翻转和遮挡而导致的跟踪失败问题，提出了一种基于图像结构相似性的模板更新算法，通过动态更新模板以适应目标在跟踪过程中的变化，具体地，使用队列来保存最近N帧跟踪结果，并根据当前跟踪结果和模板图... 详细信息

针对视觉跟踪中由于目标形变、翻转和遮挡而导致的跟踪失败问题，提出了一种基于图像结构相似性的模板更新算法，通过动态更新模板以适应目标在跟踪过程中的变化，具体地，使用队列来保存最近N帧跟踪结果，并根据当前跟踪结果和模板图像之间的结构相似性得分来判断是否更新模板，如果更新，则从历史N帧跟踪结果中匹配出最优的目标图像作为新模板用于后续跟踪。同时基于SiamMask网络设计了跟踪特征增强模块和分割特征增强模块。跟踪特征增强模块包括非局部操作和卷积下采样，用于建立上下文关联，增强目标特征，抑制背景干扰，提高跟踪鲁棒性，解决由于目标被遮挡而导致的特征减弱问题。分割特征增强模块引入了卷积块注意力模块和可变形卷积，以提高网络对通道和空间特征的捕捉能力，自适应地学习目标的形状和轮廓信息，提升网络对跟踪目标的分割精度，进而提高跟踪准确率。实验表明，所提算法在解决上述问题时表现良好且稳定，与基线SiamMask相比，在VOT2016、VOT2018和VOT2019数据集上期望平均重叠率分别提升了5.2%、5.3%和2.5%，鲁棒性分别提升了6%、7.9%和15.6%，且达到了每秒91帧的实时速度。

关键词：目标跟踪图像分割 SiamMask 模板更新特征增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

差分视野融合与协同感知的建筑变化检测方法

测绘科学 2024年第6期49卷 97-105页

作者：程泽敏万书振管宗胜王伟成湖北省水电工程智能视觉监测重点实验室湖北宜昌443002 三峡大学计算机与信息学院湖北宜昌443002

针对当前建筑变化检测方法在边缘检测模糊和捕捉全局信息处理、小目标漏检方面存在问题,该文提出了一种差分视野融合与协同感知的建筑变化检测方法。采用孪生编码器提取图像特征,并通过差分解码器还原图像,一方面提出了差分视野融合模块... 详细信息

针对当前建筑变化检测方法在边缘检测模糊和捕捉全局信息处理、小目标漏检方面存在问题,该文提出了一种差分视野融合与协同感知的建筑变化检测方法。采用孪生编码器提取图像特征,并通过差分解码器还原图像,一方面提出了差分视野融合模块,结合差分和多尺度技术相结,有效提取双时特征图中不同尺度的变化对象,并利用跳跃连接将其与解码器相连接;另一方面设计出协同感知模块,利用深层次中的抽象特征调节解码器中的浅层特征图;并在解码器输出特征图后,采用有效通道注意力模块进一步提升模型的检测性能。为了评估该方法的效果,分别在LEVIR-CD和WUH-CD数据集上进行实验,实验结果显示,相较于其他建筑变化检测方法,该方法在F1和IoU上表现最优,分别达到了91.34%、84.06%和91.43%、84.21%,这表明该方法在建筑变化检测任务中取得了显著的性能提升。

关键词：变化检测遥感影像深度学习差分视野融合协同感知

维普期刊数据库