基于改进U-net网络的桥梁裂缝检测方法
这是一篇关于桥梁裂缝检测,图像增强,残差网络,空间金字塔空洞卷积,改进U-net网络的论文, 主要内容为随着我国对“一带一路”经济纽带的建设,公路交通等基础设施在日益完善,使得桥梁里程数直线上升,桥梁在长期的使用中受到自然因素和人为因素的损害,造成桥梁会出现一些病害,从而使得桥梁的使用年限大大地缩短,国家经济遭受巨大损失。但是如果对桥梁的病害能在早期发现,并进行修补,则可以延长桥梁的使用寿命,所以保护桥梁对国家经济建设起到很重要的作用。传统的桥梁裂缝检测方法是利用常用的高精度直尺,游标卡尺或者测宽仪等裂缝检测工具进行人工测量,这些测量方法不仅成本高,具有一定的危险性,而且效率低,漏检率较高。所以国内外研究者致力于使用数字图像处理技术对桥梁裂缝图像进行检测,传统的桥梁裂缝检测算法可以检测出桥梁裂缝图像中的裂缝,但是由于桥梁裂缝图像背景复杂,检测出裂缝往往带有大量的噪音像素,造成检测的精确度较低。随着卷积神经网络的发展,又出现了基于全卷积神经网络的桥梁裂缝检测方法,这些方法在一定程度上提高了裂缝检测精度,但是裂缝边缘检测比较模糊,检测结果还是无法达到实用的需求。桥梁裂缝检测的重点和难点是如何提高裂缝检测的精度和提升裂缝边缘细节信息的检测效果,本文利用基于改进的U-net网络对桥梁裂缝进行检测。包含的主要步骤有:桥梁裂缝图像预处理,图像数据增强,定义网络模型与初始化模型参数,加载训练数据集与标签,训练网络模型,测试网络模型的精度。本文的主要工作内容和创新点主要包括:(1)引入了三层残差网络学习单元,有效地提高了网络模型训练收敛速度,同时在U-net网络模型基础上加入残差网络学习单元,解决了随着网络的加深出现的梯度消失问题,降低了网络模型的训练难度,提升了桥梁裂缝检测的效果。(2)引入了空间金字塔空洞卷积网络,提高了网络模型对图像多尺度信息和图像上下文信息的获取能力,同时也对像素的空间层级信息的定位有了一定的改善,提高了网络对桥梁裂缝图像中裂缝特征的学习能力,对桥梁裂缝检测的准确率有了显著提高。(3)多次使用了复制通道,将低层次的图像特征与高层次的特征进行融合,提高了网络模型对于桥梁裂缝图像细节信息的获取能力。
对数图像处理模型应用研究及FPGA实现
这是一篇关于FPGA,数字图像处理系统,对数图像处理模型,图像增强,边缘检测的论文, 主要内容为数字图像处理技术是指在计算机软件或各种硬件处理器平台上进行图像处理的技术。伴随信息时代的跨越式发展,数字图像处理技术及其相关应用深刻影响与变革着人们的生产生活方式,与此同时人们对数字图像处理系统高效性、实时性和高清性的需求也随之水涨船高,仅通过软件平台来实现图像处理算法已经很难满足现实需求,因此在硬件加速平台上设计实现相关图像处理技术成为了目前的研究热点。相比于传统的CPU处理数字图像,FPGA具有运行速度快、时延低、灵活度高和并行计算的优势,同时FPGA还拥有丰富的板上逻辑资源,其模块化的设计方式使得电路设计的可移植性非常强,能够更好地满足实时图像处理系统的要求,提升算法整体的处理速度。本文主要研究对数图像处理模型及相关应用算法在FPGA上的设计实现,硬件平台选用Xilinx公司Zed Board系列FPGA开发板,使用Verilog硬件描述语言编写图像处理算法的硬件实现逻辑,在集成开发工具Vivado上完成电路设计、功能仿真、约束配置、综合优化等工作,最终将工程烧录到FPGA开发板上进行上电调试并验证系统的功能。1.本文将在FPGA上设计并实现了基于LIP的图像增强系统。由于传统的Lee图像增强方法以及与对数图像处理模型结合的基于LIP模型的图像增强方法存在参数过多且难以选取合适参数的问题,导致增强效果不佳。于是本文根据图像局部像素均值和局部信息反差值自适应构造相关参数,提出了基于LIP的自适应Lee图像增强算法。自适应增强算法在处理过程中能够自适应选择参数,通过与传统的Lee图像增强算法对比增强效果,得出结论基于LIP的自适应Lee图像增强算法能够有效地提升低照度图像的对比度,增强效果更佳。此外还在FPGA上设计实现了基于LIP的图像增强系统,整个系统包括图像存储转换模块,对数处理模块,局部均值计算模块,图像增强模块以及图像合成显示模块,将布局布线后的工程烧录到FPGA开发板上电调试验证了所设计的系统功能。最后通过对比算法在软件平台和硬件平台上的处理速度、运行时间以及资源消耗等情况,证明了基于LIP的图像增强系统硬件资源消耗合理的前提下,既能获得良好的增强处理效果又能显著提升算法处理速度。2.本文将在FPGA上设计实现基于LIP的视频图像实时边缘检测系统。首先本文针对传统的LIP模型下的边缘检测算法处理细节丰富图像时丢失边缘的问题,引入了新的方向检测模板改进算法。通过实验对比发现改进后的边缘检测算法能够更好地勾勒图像边缘,保留低对比度区域的细节信息。然后基于FPGA硬件设计实现了基于LIP的视频图像实时边缘检测系统,整个系统包括视频图像采集模块、方形窗生成模块、对数处理模块、边缘检测模块、VDMA缓存控制模块和图像显示模块。系统通过IIC配置驱动OV5640 CMOS传感器采集彩色视频图像数据,通过VDMA驱动板上的DDR3内存控制缓存图像数据,然后驱动图像处理模块读取缓存数据并处理,最终将实时边缘图像输出显示到VGA显示器上。最后将布局布线后的工程烧录到FPGA开发板上电调试验证系统功能,分析系统在FPGA上的边缘检测效果、资源消耗等情况,证明了基于LIP的视频图像实时边缘检测系统在消耗资源可控的情况下有效保持了算法的处理效果。
多光谱智能平板扫描仪软件系统设计与实现
这是一篇关于图像增强,显著性检测,模板匹配,图像分割的论文, 主要内容为平板扫描仪是一种常见的成像设备,普通的扫描仪只能采集白光下的彩色图像。纸币、支票、护照、身份证等防伪票证需要通过人眼或机器视觉实现红外隐形油墨、紫外荧光等防伪特征的鉴别,普通扫描仪不能满足需求。多光谱平板扫描仪可以实现白光、红外、紫外光下的图像采集,本文研究该设备中的图像增强、图像鉴伪等关键技术,并设计实现了一套图像扫描处理软件。首先,针对接触式图像传感器像素亮度不均匀问题、设备间图像亮度的差异问题,提出了自适应图像校正算法;其次,为提高紫外荧光图像质量,提出了一种基于显著性检测的图像增强算法,能够增强荧光前景图像,而抑制非荧光的图像背景,提高紫外荧光防伪图像的对比度,便于人眼观察和机器识读;再次,提出了改进的Grab Cut算法,在不需要人机交互的情况下,利用显著性信息定位荧光图案的位置,实现紫外荧光防伪图像的检测与分割;再次,提出了一种基于区域统计特征的模板匹配算法,提取荧光防伪图像的分块统计特征,基于特征向量与标准模板图像进行模板匹配,实现票证的通用、可靠鉴伪;最后,集成上述成果,设计实现一套平板扫描仪软件系统,实现白光、红外、紫外光下的图像采集与处理,具备基于紫外荧光图像的智能鉴伪识别功能。实验测试表明,研制的平板扫描仪软件系统能够快速采集清晰稳定的白光、红外及紫外图像,获取高对比度的紫外荧光防伪图像,实现高效、可靠的鉴伪识别功能。相关设备已量产,达到预期的设计要求。
基于深度学习的水下图像语义分割方法研究
这是一篇关于深度学习,水下图像,语义分割,图像增强,暗通道的论文, 主要内容为有效保护和合理开发海洋资源成为了多国面向二十一世纪的新目标。为了应对新的世界形势,我国也加快了针对海洋的战略部署来维护海洋权益。对海洋资源信息的采集和处理不仅可以了解生物资源的生长情况,也可以对海底的能源进行探测以及监测输油输气管道或输电线路的运行情况,同时也可以对水雷、潜艇等军事设施进行观测。因此海洋信息的采集和处理对开发利用海洋资源有着至关重要的影响。但目前针对海洋的目标检测领域研究较少且并没有面向我国的海洋环境进行具体研究。基于深度学习的水下图像语义分割可以识别并分割多类海洋目标,在海洋资源监测、环境监测和军事检测等领域有着一定的应用意义。因此,本文针对目前水下图像语义分割中存在的图像质量较差以及成熟算法不适配等问题,提出了利用图像增强提高水下图像语义分割质量的方案,并对语义分割方法进行了研究。首先提出了一种基于优化的暗通道先验提高图像质量的方法,为水下图像语义分割提供了基础。分析了水下图像质量较差的成因,建立了水下图像的成像模型。利用暗通道先验的方式去掉了水下图像成像中后向散射的影响,并根据实际应用需求对暗通道模型进行了部分优化。在此之后利用自适应的拉伸方式提高了图像对比度并校正了图像的颜色。通过边缘检测、特征点匹配的方法验证了图像增强结果的有效性,并利用结构相似性等指标对比了本文所用的方式和几种广泛应用的图像增强算法,证明了本文所用算法具有更好的效果。接着搭建了应用于水下图像语义分割的网络框架。首先分析了应用于语义分割领域的全卷积神经网络的原理和网络模型,接着针对本课题语义分割目标的具体情况,设计了具有针对性的编码器和解码器,采用Res Net-50的前部分作为编码器,应用Seg Net的解码器并加入了金字塔池化模块。选择了合适的损失函数和梯度优化器,并提出应用数据增强和迁移学习提高语义分割整体效果。最后建立了符合实际应用需求的数据集,对神经网络进行训练、验证和实验。根据水下图像语义分割的实际应用需求,采用多种方式采集水下原始图像并进行标注,从而建立了符合实际应用条件的水下图像语义分割数据集。搭建了进行实验的软件平台,通过选用的三种语义分割评价指标对预实验进行验证,证明所选用的Seg Net主体网络的优越性。选用合适的参数对本文设计的神经网络进行训练,展示了本文所搭建的神经网络的训练结果包括训练过程的acc曲线、loss曲线和语义分割结果。利用对比实验证明了水下图像增强对于水下图像语义分割的整体效果有一定幅度的提升。最后通过搭建水下仿真实验环境模拟真实海洋情况和在哈尔滨极地馆采集图像,制作了相机防水装置并完成图像采集,通过图像增强和语义分割得到实验结果,证明了本文所研究算法的有效性。
基于深度学习和LabVIEW的多类指针式仪表检测方法研究
这是一篇关于多类指针式仪表,YOLOv5,图像增强,特征提取,LabVIEW的论文, 主要内容为指针式仪表因其结构简单、价格低廉、抗干扰能力强且能适应高温高压的恶劣环境,被广泛应用在煤矿、变电站和集气站等工业场合,用于监视设备运行状态。指针式仪表种类繁多,表盘大小、刻度划分均差异较大,因而现在大多仍使用人工读表的方式对指针式仪表进行巡检,这种方式不仅人力成本高且效率低下。针对以上问题,本文采用深度学习和Lab VIEW相结合的方法,设计并开发出一种实时性强、准确度高和普适性更强的多类指针式仪表自动读数系统。本文的主要研究内容如下:开发基于YOLOv5目标检测网络模型的多种类指针式仪表表盘检测算法。针对在复杂环境下YOLOv5算法存在对体积大小不一的指针式仪表漏检情况,利用Shuffle Net网络和CA注意力机制对YOLOv5算法进行改进,构建基于YOLOv5的Shuffle Net-CA-YOLOv5网络。与原YOLOv5网络和其他改进的YOLOv5网络相比,改进的Shuffle Net-CA-YOLOv5网络具有更好的性能,平均精度为98.14%,实现在黑暗条件下小体积指针式仪表的检测。利用透视变换矫正倾斜仪表,对暗光仪表图像进行增强。针对获得的部分仪表图片存在一定角度倾斜的情况,使用ORB算法和RANSAC选取最佳匹配点后,利用透视变换进行矫正。同时,为提高暗光仪表图片的清晰度,利用Retinex-Net进行处理,并通过与单尺度Retinex(SSR)和多尺度Retinex(MSR)实验对比,结果显示Retinex-Net在保证色彩还原度高和细节保留完好的情况下,能很好地提高图片的清晰度。采用改进的Hough圆变换进行指针式仪表的特征提取,基于Lab VIEW的NI视觉模块实现示数的读取。为实现Lab VIEW的NI视觉模块精准读取示数,针对图像存在一些无用信息的问题,采用图像预处理方式处理图像以提取有效信息并简化图像数据,采用双边滤波和5×5滤波器对Canny算法进行改进,并利用改进的Canny算法对仪表图片进行边缘检测以保留完好的仪表边缘细节信息;针对Hough变换对圆检测时存在计算量大,抗干扰能力差的问题,优化改进了Hough圆变换确定圆心和半径的方法,提出改进的Hough圆变换算法,提高圆心检测精度,实现对多类指针式仪表圆心信息的提取,并结合Lab VIEW机器视觉中的IMAQ Get Meter 2 VI和IMAQ Read Meter VI控件,完成指针式仪表的示数读取。设计基于LabVIEW平台设计多类指针式仪表自动读数系统。进行多类指针式仪表自动读数系统方案设计,完成系统硬件的选型以及基于Lab VIEW开发多类指针式仪表自动读数系统配套软件。通过MVS图像采集软件以及可视化用户登录界和操作界面,完成多类指针式仪表的图像采集、仪表量程确定、示数读取,并通过实验进行验证。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码驿站 ，原文地址：https://m.bishedaima.com/lunwen/46730.html
