南京邮电大学电子与光学工程学院、微电子学院,江苏 南京 210023
为了在多种环境条件下进行快速、高效的运动目标检测,提出一种基于新型背景提取的运动目标检测算法。首先,从视频中读取N帧连续图像,对任一像素位置,将每帧图像与其余图像对应位置依次作差,得到N组包含N个差值的差值序列;然后,基于矩形径向基函数,统计每个差值序列中属于矩形宽度内的差值个数;最后,将最大频率的差值序列所对应的像素值作为背景,通过背景减法提取运动目标。实验结果表明,在数据量一定的条件下,所提方法建立背景与真实背景的结构相似性值比ViBe算法高0.162,运动目标检测结果的precision、recall、F1-measure、假正率指标均优于ViBe算法和GMM算法。即所提算法是一种具有较高的精确性和抗干扰能力的运动目标检测算法。
图像处理 背景提取 运动目标检测 动态背景 径向基函数 激光与光电子学进展
2023, 60(12): 1210021
1 西安工程大学电子信息学院, 陕西 西安 710048
2 国家电网四川省电力公司信息通信公司, 四川 成都 610000
3 枣庄学院, 山东枣庄 277160
针对电力设备在线监测系统中红外图像分割效果差, 速度慢等问题, 提出一种改进的 Chan-Vese模型的红外图像分割算法。首先, 通过引入边缘能量项, 一方面增强模型的局部控制能力, 另一方面有效抑制了轮廓偏移。其次, 利用径向基函数取代了传统的长度正则项, 简化了计算。然后, 通过引入内部能量项省去初始化过程, 节省了算法的运行时间。经实验验证, Dice重合率(Dice similarity coefficient, DSC)平均值为 0.9808, 错误分割率(ratio of segmentation error, RSE)平均值为 0.025, 算法运行时间比其他模型总体平均值低 66.8%。改进后的 Chan-Vese模型分割算法的 Dice重合率和错误分割率等均优于 GAC-CV、CV-RSF、区域型水平集和 Multiphase-CV模型分割算法。
红外图像分割 Chan-Vese模型 边缘能量项 径向基函数 infrared image segmentation, Chan-Vese model, edge
1 中国计量大学信息工程学院浙江省电磁波信息技术与计量检测重点实验室,浙江 杭州 310018
2 中国计量大学计量测试工程学院,浙江 杭州 310018
互相关光流混合算法是目前粒子图像测速的主流算法,但是重建速度场精度不高。利用高斯径向基函数插值替换互相关光流混合算法中的双三次插值,减小了重建角度误差。进行朗肯涡流仿真实验,使用高斯径向基函数插值混合算法进行粒子速度场重建,其均方根误差和平均角度误差比传统混合算法分别降低了27.36%和38.32%,并分析了位移和粒径大小对重建误差的影响。搭建了二维粒子图像测速技术(PIV)实验系统,采用粒径为100 的聚酰胺粒子作为示踪粒子,进行旋转实验和注水实验,分别模拟涡流场和射流场。采用高斯径向基函数插值混合算法进行速度场重建,可以获得与传统混合算法相近的粒子速度场。
测量 粒子图像测速 高斯径向基函数 朗肯涡流 平均角度误差
1 西北大学 信息科学与技术学院,陕西西安7027
2 西北大学 文化遗产数字化国家地方联合工程研究中心,陕西西安71017
由于外在因素导致出土的文物模型呈现破碎状态,对其进行虚拟修复对考古学具有重要意义。现有孔洞修补方法大多仅针对三维模型结构进行补全,并且在三维结构修复后缺少表面的颜色纹理信息。本文基于文物三维空间结构和纹理信息,提出一种三维文物孔洞修复方法。首先,为了解决三维文物结构修复问题,利用基于径向基函数的算法填补三维文物网格模型的孔洞,通过拟合的曲面方程调整孔洞补丁顶点,使其与原有模型更好地融合。其次,为补全文物表面颜色纹理信息,使孔洞补丁与原有模型表面纹理自然过渡,将三维问题转化为二维图像修复问题,以EdgeConnect为框架,通过添加精细化网络生成更高分辨率的结果。最后,使用Mudbox软件映射二维图像到三维模型表面,融合结构和纹理修复的结果。本文改进后的二维修复网络在评价指标PSNR(Peak Signal to Noise Ratio)、SSIM(Structural Similarity)和MAE(Mean Absolute Deviation)的性能分别提高了0.54%、0.217%和6.52%,该方法能够有效地恢复兵马俑三维模型网格结构和表面纹理信息。
孔洞修复 神经网络 GAN网络 纹理修复 径向基函数 hole repair deep learning GAN network texture inpainting radial basis function
华东理工大学信息科学与工程学院, 上海 200237
基于深度学习的目标检测方法是当前计算机视觉领域的研究热点,但在小目标的检测问题上,基于深度学习的检测器存在较多的漏检。高光谱图像的每个像元包含了物质的光谱信息,能够提升小目标的检测率。然而,高光谱图像的相邻波段相关性高,需要从中选取具备代表性的波段以降低计算冗余。为此,提出了一种高光谱小目标检测模型,使用径向基激活函数(RBAF)进行光谱筛选与目标检测。具体而言,针对高光谱图像波段冗余的特点,利用RBAF设计注意力机制进行光谱维的特征筛选;针对小目标纹理模糊,相对于背景不显著的特点,先对输入图像进行分辨率重建,随后利用RBAF构建径向基目标输出子网络(RBOON),以加强目标分类。为了简化模型,将光谱筛选与分辨率重建整合为注意力分辨率重建子网络(ABRRN),配合径RBOON,检测模型能够筛选特定光谱,抑制虚警,从而提高小目标检测的正确率。高光谱小目标检测实验表明,本研究方法可以使两种检测精度评价指标AP50和AP50:95分别提升5.4%和0.2%,相较其他方法更具备优势。
机器视觉 图像检测系统 高光谱图像 目标检测 径向基函数 注意力机制 光学学报
2021, 41(23): 2311001
四旋翼飞行器因存在参数不确定性和环境干扰,会出现姿态不稳定的问题,而传统的PID控制对四旋翼的姿态稳定及机动性达不到控制需求。为此,提出了一种扩张状态观测器(ESO)的RBF神经网络PID控制器。首先,利用ESO的扩张特性和非线性函数对扰动进行估计和补偿,减少系统的误差; 其次,将ESO对系统输出的估计值作为RBF神经网络的输入,使梯度信息更加精确,能够更好地优化增量PID的参数; 最后,该神经网络的激励函数取高斯基函数,利用RBF神经网络的自适应性、自学习能力对模型控制参数进行调整。Matlab仿真实验表明,在未知干扰环境下,ESO的RBF神经网络PID控制器能够明显提高系统的抗干扰能力,且具有较小的超调量及较好的鲁棒性。
四旋翼控制 扩张状态观测器 径向基函数神经网络 比例积分微分控制 quadrotor control extended state observer RBF neural network PID control
湖南警察学院 刑事科学技术系, 长沙 410138
为了实现对墙面涂料物证的无损鉴别, 提出了显微共聚焦喇曼光谱技术结合多元建模分析的无损鉴别墙面涂料方法。采用不同Savitzky-Golay(SG)平滑多项式次数及平滑点数对分类模型准确率的影响进行预处理, 同时比较了不同分类模型的区分能力。结果表明, 相较于径向基函数神经网络模型, 多层感知器神经网络模型对各样本的区分能力更强, 且经过SG平滑1次多项式结合平滑点数27点预处理后, 多层感知器神经网络模型能够实现对梅菲特等3种不同品牌墙面涂料样本, 以及梅菲特3种不同类型墙面涂料样本100%的准确区分。该方法提高了检验鉴定效率, 降低了检验鉴定成本, 具有一定的普适性。
光谱学 法庭科学 径向基函数神经网络 多层感知器神经网络 墙面涂料 spectroscopy forensic science radial basis function neural network multilayer perceptron neural network wall paints