空对地环境下成像视角单一,且需要依靠深层网络提供强特征表达能力。针对深层网络存在的计算量大、收敛速度慢等问题,在稠密连接网络(DenseNet)框架下,提出了一种用通道差异化表示的目标检测网络模型。首先,用DenseNet作为特征提取网络,并用较少的参数加深网络,以提高网络对目标的提取能力;其次,引入通道注意力机制,使网络更关注特征层中的有效特征通道,重新调整特征图;最后,用空对地目标检测数据进行了对比实验。结果表明,改进模型的平均精度均值比基于视觉几何组(VGG16)的单步多框检测算法高3.44个百分点。
2022-05-12 16:32:38
5.77MB
1
针对传统图像边缘检测算法存在的边缘方向性不强及边缘较粗等问题，提出了一种基于八方向卷积模板的边缘检测算法。算法采用0°、22.5°、 45°、67.5°、 90°、112.5°、135°和157.5°八个方向的卷积模板进行边缘检测，模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定，充分考虑到了邻域内像素对中心点方向梯度的贡献大小，能够较好地检测出图像不同的方向边缘。对梯度图像采用了改进的非极大值抑制方法进行细化，可得到单像素的图像边缘。实验结果表明，该算法获取的边缘图像边缘较为完整，方向性强且边缘较细，整体效果明显优于传统Sobel算法。
2022-05-11 23:39:54
855KB
1
CannyLines直线检测算法编译好的lib库、源代码和测试图片集，了解更多详情可参见博文：https://blog.csdn.net/wenhao_ir/article/details/124636972
2022-05-10 18:09:46
3.48MB
LSM直线检测算法的源代码，了解更多详情可参见博文：https://blog.csdn.net/wenhao_ir/article/details/124636972
2022-05-10 18:09:45
917KB
图像的边缘是指图像灰度值的不连续点或变化剧烈的点的集合，图像的边缘提取是模式识别中物体特征抽取的重要环节之一，基于梯度的传统边缘检测方法对图像的边缘检测研究已经取得了一些成果，但目前在实际检测中得到的边缘结果并不令人满意；并且随着计算机速度和存储的飞速发展，图像量化像素点宽度将越来越小，即使在边缘处，相邻像素灰度值的差异将越来越小，从而制约了建立在以梯度为原则的边缘检测算子的发展。橡胶圈边缘检测是要提取缺陷和背景的边界线。工业用橡胶圈在生产过程中不可避免地会出现各种各样的缺陷，例如切割不平、厚度不均、毛边和气泡等。本文以橡胶圈的气泡缺陷为例，提出了一种基于数字图像处理的混合边缘检测算法，并给出
2022-05-09 20:32:50
139KB
1