5个研究背景和意义示例,教你写计算机感兴趣区域论文

今天分享的是关于感兴趣区域的5篇计算机毕业论文范文, 如果你的论文涉及到感兴趣区域等主题,本文能够帮助到你

基于DM8168处理器的多路航拍视频编码软件设计

这是一篇关于航拍视频,DM8168处理器,H.264,运动目标检测,感兴趣区域的论文, 主要内容为随着无人机技术的快速发展,相关的衍生应用不断涌现,其中以视频航拍技术的发展最为迅猛,它在军事和民用两大领域都具有很好的应用价值。考虑到航拍视频图像通道多、分辨率高、帧率高、场景大等特点,编码软件不仅需要支持多路视频压缩,以满足本地存储的功能需求,还需要进行低码率和高图像质量的视频压缩,以满足远程传输的性能要求。本文基于德州仪器公司的DM8168异构多核处理器,设计了一种多路航拍视频编码软件,主要内容如下:1.熟悉DM8168的CCS集成开发环境和DVR-RDK软件开发包;搭建DM8168系统软件平台,包括U-Boot和Linux系统内核的裁剪、配置和编译,交叉编译环境和NFS网络文件系统配置,以及UBI文件系统的制作烧写等。2.针对视频航拍业务,设计了一套航拍视频编码系统。该系统首先采用可见光相机和红外相机采集双路视频,并采用FPGA将视频转换成YUV422格式;然后采用DM8168进行H.264视频编码,并通过GPMC协议将视频码流发送回FPGA;最后通过无线通信设备将码流发送到地面站。3.针对航拍视频多路编码的需求,设计了一种航拍视频多路编码软件模块。首先深入分析多通道编码框架McFW的运行机制;接着设计了基于McFW的多核任务分配和数据流链路,实现两路采集、四路编码,并在编码过程中根据视频分辨率和帧率实现H.264编码级别自适应,有效减少内存消耗;并采用GPMC驱动实现码流数据传输到FPGA。此外,针对飞行器所处电磁环境恶劣的问题,在编码模块中额外设计了异常检测机制,有效保证视频数据的可靠性。4.针对在低带宽传输情况下提高航拍视频图像质量的需求,设计了一种基于H.264压缩域的感兴趣区域编码方法。首先根据人眼视觉系统对运动目标敏感特性和中央凹视觉机制,然后采用H.264视频编码过程中生成的运动矢量检测前景运动目标区域,最后根据检测结果框选感兴趣区域。本文进一步在DM8168处理器上实现了该方法,通过调用编码器感兴趣区域的相关接口函数,对所框选区域的编码参数进行设置,进而实现对感兴趣区域的编码,最终有效提升前景运动目标区域中的视频图像质量。

基于非下采样轮廓波SPP Net的高分辨SAR图像变化检测

这是一篇关于感兴趣区域,空间金字塔池化网络,非下采样轮廓波变换,多层特征金字塔池化网络的论文, 主要内容为合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候的探测和侦察追踪能力,被广泛应用于国防建筑和国民经济等领域。SAR图像变化检测技术作为SAR图像处理的重要组成部分,在环境检测、城市建设以及灾害评估等方面起到了重要的作用。本文结合深度学习理论,在本团队提出的基于感兴趣区域获取的SAR图像变化检测方法的框架下,提出了三种具有创新性的方法:1.提出了一种基于空间金字塔池化网络(Spatial Pyramid Pooling Network,SPP Net)的SAR图像变化检测方法。该方法通过SPP Net实现两时相SAR图像感兴趣区域的获取,鉴于SPP Net是一个有监督的深度学习模型,因此利用DBN和FCM获取初始变化检测结果,将初始变化检测结果作为SPP Net的伪标签。获取的感兴趣区域通过FCM聚类算法完成变化类和未变化类的判别,实现最终的变化检测。以SPP Net为基础的感兴趣区域检测方法能够较好地检测出两时相SAR图像中的感兴趣区域,良好的感兴趣区域检测结果可以提升最终的变化检测效果。该算法在5组数据集上进行实验,均取得了良好的结果。2.提出了一种基于非下采样轮廓波变换(Non-Subsampled Contourlet Transform,NSCT)和全局-局部SPP Net的SAR图像变化检测方法。NSCT和全局-局部SPP Net由NSCT全局SPP Net和NSCT局部SPP Net组成。NSCT全局SPP Net实现感兴趣区域的获取,NSCT局部SPP Net对感兴趣区域获取后的区域进行变化检测。该方法有效保留图像的边缘轮廓信息,对高分辨SAR图像中的变化区域具有较好的检测能力。实验结果表明,该算法在5组数据集上的检测性能均有所提升。3.提出了一种基于多层特征金字塔池化网络的SAR图像变化检测方法。多层特征金字塔池化网络不仅包括传统卷积网络中卷积流的自下而上连接,而且加入各级特征层经过空间金字塔池化后的横向连接。多层特征金字塔池化网络克服了上一章中的网络结构只利用了最后的深层特征,没有将深层特征和浅层特征进行结合的缺陷,实现各层语义信息的联合,提高检测精度。

一种卫星图像多模态数据处理系统FPGA设计与实现

这是一篇关于星载实时系统,目标检测,感兴趣区域,FPGA的论文, 主要内容为论文涉及一种针对卫星图像的多模态数据处理系统的设计与实现。针对星载红外目标监视图像数据率高与星地数传带宽有限的矛盾,以及星载资源受限下的数据实时处理传输难题,论文研究了多模态数据处理传输方法及其FPGA实现技术,提出基于弱小目标检测的动态感兴趣区域提取、静态感兴趣提取、抽帧全域/静态区域/动态区域数据调度下传技术,完成了基于FPGA的硬件设计与实现,具体内容如下:首先,针对数据传输带宽有限的难题,设计在轨疑似目标区域提取处理模态,显著降低下传数据率。基于多尺度块对比度弱小目标检测算法(Multiscale Patch-based Contrast Measure,MPCM),提出基于像素邻域的高亮盲元检测与补偿方法,逐像素检测过预置门限点并抽取其所在图像子块,生成包含疑似目标的动态感兴趣区域;进一步,提出结合帧间位置关联性与过阈值点强度的目标区域置信度估计方法,衡量动态感兴趣区域包含目标概率。实验结果表明,输入数据率为134Mbps,疑似目标区域提取后输出数据率降低至7Kbps,过目标置信度门限子块包含目标概率达97%。其次,设计抽帧全域数据压缩、参数上注静态感兴趣区域压缩模态,形成抽帧全域/静态区域/动态区域多数据处理模态。针对星载计算资源受限约束,提出基于全流水线并行的多模态处理FPGA硬件架构;针对有限带宽约束下的多模态处理数据传输难题,提出一种静态-动态结合调度的带宽分配方法,实现基于检测的动态阈值自适应调控,能够完成星地数传带宽分配情况的动态调整。系统验证结果表明,像素吞吐率达43.01Mpixel/s,各模态数据传输时延均小于2ms,各种资源使用量控制在80%以下,满足在资源受限情况下数据实时下传的要求。

基于深度学习的掌静脉识别方法与应用

这是一篇关于掌静脉识别,特征提取,目标检测,感兴趣区域,数据增强的论文, 主要内容为随着社会的不断发展以及互联网技术的不断进步,人们对于信息安全的要求越来越高,如何解决个人身份认证问题变得十分重要。生物特征识别具有准确、安全、方便等特点,相对于传统的识别方法具有极大的优势。但现有的生物特征身份认证技术无法满足人们的要求,掌静脉识别技术是一种新兴的生物特征识别技术,其原理是利用近红外摄像头照射手掌得到静脉特征进行身份验证,相对于其它的生物特征识别其更难被伪造,同时也更容易被用户接受。但掌静脉识别存在一定的技术难点,主要包括感兴趣区域定位以及静脉特征提取网络模型的性能和轻量化问题,本文将对上述的掌静脉识别问题的难点展开研究。为了减少掌静脉图像无效信息和干扰因素以提高识别准确性和效率,首先需要对掌静脉图像进行感兴趣区域定位,然而由于在进行掌静脉图像采集时存在光照、位置、角度等外界环境的干扰,传统的感兴趣区域定位方法可能会出现错误的情况,为了提高掌静脉感兴趣区域定位方法的鲁棒性,本研究提出了一种基于目标检测的感兴趣区域定位方法,以解决现有的掌静脉感兴趣区域定位失败的问题。由于目标检测算法YOLOv3网络模型以及参数量较大,不适合部署到嵌入式设备上,因此本文使用轻量级网络模型Mobile Net V2替换YOLOv3的主干网络Darknet-53。此外,本文使用GIo U损失函数来优化感兴趣区域定位问题,进一步提高检测效果,最后在Poly U掌静脉数据集上进行试验,掌静脉感兴趣区域定位准确率达到了99.5%。针对掌静脉特征提取网络性能以及轻量化问题,本文使用轻量化网络模型Mobile Net V2进行掌静脉特征提取,为了减少下采样导致的重要静脉特征的丢失,本文提出了新的特征融合模块FFD来替换Mobile Net V2的Bottleneck模块,同时在Bottleneck中添加SENet模块增加重要特征的权重。另外,本文使用Focal Loss代替传统交叉熵损失函数,根据样本难易程度为每个样本赋予不同的权重,进一步提高模型性能。本文选择数据集扩增的方法克服掌静脉数据样本少的问题,最后在Poly U掌静脉数据集上进行试验,等错误率为0.58%。另外,本文将网络模型部署到嵌入式计算设备中,实现了用户注册和验证功能,并对网络模型识别时间进行了测试,识别时间大约200毫秒,证明了本文提出方法的可行性。