一种深度学习分割遥感影像道路的损失函数

传统的根据光谱特征或形态学算法来分割道路,存在精度低、阈值难确定等缺点,而深度学习中已有的方法并未考虑道路的特性,只是利用通用方法来分割道路。针对上述不足,提出了一种针对道路特有形态的深度学习损失函数——形态损失函数。首先使用连通性算法将预测结果划分为若干个相互分离的连通区域,分别计算这些区域的面积与外接圆面积的比值,然后取平均值作为此批训练数据的形态损失函数,最后将形态损失函数按一定的比例与交叉熵损失函数求和,得到最终的损失函数。通过在公开的遥感数据集上使用深度学习网络进行对比试验,附加了形态损失函数后平均交并比（MIoU）、准确度（ACC）及F1 Score均有提高。从预测的图形来看,附加了形态损失函数后,预测的道路更为连续。所提出的形态损失函数可用于提高光学遥感影像道路分割的精度。     

指纹图像分割算法的仿真与比较

指纹图像分割是指纹识别过程中非常关键的环节,目前指纹图像分割算法都是基于图像的方向特性或灰度特性。本文介绍了常用的三种指纹图像分割的方法,并在VC6.0中分别用三种方法对同一枚指纹处理,最后根据实际图像分割效果对这三种算法进行分析和比较。     

一种新的路面不平度模拟方法的研究

讨论了一种关于路面不平度模拟信号生成的新方法。根据路面不平度的统计特性，构造出一个下三角滤波器，再由实测信号的统计特征来确定滤波器的值，并利用正态白噪声通过该滤波器来得到所需的信号。实验表明该信号较真实地反映了路面的统计特征，在实际应用中能取得较好的模拟效果。     

水泥混凝土路面损坏的原因及防治措施

水泥混凝土路面具有强度高、使用寿命长、稳定性好、不易变形等特点,在建设中广泛采用.但在行车荷载和环境因素的作用下会出现不同类型的损坏,本文据此有针对性地采取了防治措施,以避免水泥混凝土路面损坏.     

一种基于语义分割的机场跑道检测算法

针对复杂电磁作战环境下无人机自主着陆应用场景,提出了一种基于图像语义分割的机场跑道检测算法,并设计构建了轻量高效的端到端跑道检测神经网络RunwayNet.在特征提取部分,使用空洞卷积对ShuffleNet V2进行改造,得到了输出特征图分辨率可调的主干网络,并利用自注意力机制设计了自注意力网络模块,使网络具备全局跑道...     

基于机器人视觉的银网焊点定位技术研究

铅锌电池制作工艺过程中的银网焊接工序不仅存在肉眼识别不准确、出错率高的问题,而且劳动强度大、效率低。针对此工艺,提出一种基于机器人视觉的自动化焊点定位方法。系统以机器人搭载自动化焊接设备对焊点精确定位并焊接,采用畸变校正和机器人手眼标定完成了图像坐标系到机器人坐标系之间位置的精确变换,并运用Blob分析粗定位和基于形状的模板匹配精定位相结合的算法,有效地解决了噪声干扰、非线性光照干扰及银网变形引起的识别定位障碍,达到焊点识别定位精度高、生产效率高的目标。     

基于快速均值漂移和水平集方法的图像分割技术

通过加强边缘检测函数的约束作用,对L i提出的无需重新初始化的水平集方法进行了改进,用于提高水平集方法对弱边缘与低对比度图像的分割处理性能。同时,利用快速均值漂移法对图像进行预分割,将得到的轮廓作为水平集方法的初始轮廓,从而降低水平集函数的迭代次数。脑部M R图像的分割实验结果表明,该算法能够准确地提取相应的脑组织,同时大大地提高水平集函数的演化速度。     

基于极点与极性的车辆分割及阴影处理方法

视频交通参数检测中的车辆分割需要准确地检测与车辆连在一起的阴影和车灯产生的亮斑。一般地,路面与车辆的图像在灰度结构上存在显著差异。本文推导了图像在光照变化情况下的一种灰度结构——极点与极性分布图,并提出了一个基于该分布图的车辆阴影与亮斑检测算法。该算法能够精确地检测车辆阴影,车灯照射产生的路面亮斑和因其他原因被误为车辆的路面。该方法使用对光照变化不敏感的灰度结构,阴影检测准确而稳定,计算量小。     

英汉专利语料中长句的分割

平行语是基于语料机器翻译方法的重要资源。专利语料中存在大量长句,这给机器翻译系统学习翻译模型带来了复杂性。因此,对专利语料中长句的分割将是十分有必要的。提出了一种基于统计词对齐的专利语料中长句分割方法,将标点的对应位置作为候选分割位置有效的保留了句子的句法结构,并且使用改进后的IBM翻译模型1对分割片段进行评分,进一步保证了长句分割的正确性。翻译实验证明该方法有效地提高了翻译系统的质量。     

改进U-Net网络及在遥感影像道路提取中的应用

高分辨率遥感图像分割在军事、民用等领域具有良好的应用前景,但由于复杂的背景条件以及干扰物的遮挡,导致现有算法无法较好地从遥感影像中提取道路细节信息。研究基于改进U Net网络模型,提出了MDAU-Net（multi dimension attention U-Net）网络结构模型,通过对U-Net网络结构加深至七层结构来提升精细分割道路的能力;并提出了一种多维注意力模块MD-MECA（multi dimension modified efficient channel attention）,将其添加至编码部分的特征传递步骤中,以达到对编码部分的特征传递进行优化的目的;其中利用DropBlock与Batch Normalization解决网络训练过程中出现的过拟合。试验结果表明:改进后算法可以有效提升道路的提取效果,在测试集上的准确率达到了97.04%。