基于HT的多条直线检测的特点及其算法改进

依据霍夫（Hough）变换原理,给出了多条直线检测的算法,分析了基于霍夫变换（HT）检测多条直线的特点,即直线—峰值对应性,检测直线不确定性（针对斜率大于0的情况）,累加器A的值与待测直线段长度的关系,带噪声多条准直线的参数空间峰值特征,倾角为90°的直线段参数空间峰值特征,并有针对性的提出了改进方法。提出了依据峰值自动搜索填充范围的算法,实现了峰值的搜索,并通过马铃薯作物的行检测验证了该方法的有效性。     

基于Hough变换的植物叶片特征点检测及几何校正

图像采集设备采集的植物叶片图像会发生几何畸变,本文提供了对畸变植物叶片图像快速几何校正的方法。首先将畸变图像进行预处理和局部阈值分割,然后提出了1种基于Hough变换求特征点的方法,最后通过空间变换和灰度差值完成了几何校正。校正结果表明此方法具有较强的可行性和有效性。     

基于改进随机Hough变换的椭圆形农产品大小分级

针对椭圆形农产品的分级问题,采用最近邻分类算法和随机Hough变换理论,对哈密瓜这类椭圆形农产品的大小分级方法进行研究。结果表明:1)哈密瓜边缘轮廓近似椭圆形,所测出的长短轴半径,可以作为椭圆形哈密瓜大小分级的新标准;2)通过试验测定,对于白色背景的哈密瓜,最近邻分类算法可以提取出较为完整的边缘轮廓;3)随机Hough变换可以在边缘轮廓不完整且有随机噪声干扰的情况下,检测出任意曲率的哈密瓜边缘轮廓的近似椭圆;4)与椭圆形哈密瓜的半径的真实值相比,本改进算法识别值的相对误差小于6%;5)当哈密瓜处在不同倾斜状态时,如0°、45°、90°、135°,本改进算法仍可以准确测得其长短轴半径。本改进算法还可以推广到其他椭圆形和类椭圆形农产品的大小分级中。     

基于改进Hough变换的公路车道线快速检测算法

针对机器视觉导航中道路引导线检测方法复杂、实时性不能满足使用要求的问题提出了基于改进Hough变换的公路车道线快速检测算法:根据车道线与路面颜色的不同判断车道线位置计算出车道线的方向候补点群,根据车辆所处车道的情况对方向候补点群进行聚类,以每一类的中点为基准点使用基于一点的改进Hough变换算法计算出车道线的斜率。实验结果表明,一幅图片的处理时间约85 ms,处理结果与实际情况吻合。算法能够检测出高速公路上所有车道线的斜率,为道路引导线的实时检测提供了一种新思路。     

一种改进的多任务级联卷积神经网络人脸检测算法

人脸识别是人工智能的重要应用领域之一,人脸检测是人脸识别的关键步骤.由于姿势变化、外物遮挡以及光源方向等多方面因素的影响,人脸检测的准确率不高,并且对于多人图片,往往很难准确地识别出所有人脸.提出了一种改进的多任务级联卷积神经网络的人脸检测算法(IMTCNN):对R-Net层网络集成图片信息卷积残差模块,通过扩大特征图的感受野来获取更多人脸信息,以提升R-Net层网络对人脸目标的检测鲁棒性,并且通过加入反卷积层和最大池化层解决特征融合时维度不一致问题;对O-Net层网络集成图片信息卷积残差模块,进一步提升对多人图片的人脸检测性能,降低人脸检测过程中受外部条件影响产生的误差,同时添加2个卷积池化层使特征融合时维度一致.通过改进R-Net层和O-Net层集成图片信息卷积残差模块,扩大特征图的感受野,对图片进行人脸候选框定、选区筛选以及人脸关键点定位,最终实现人脸检测.试验结果表明,该算法速度快,准确性高,并且可以一次性检测多张人脸,为后续人脸识别打下了良好的基础.     

一种基于RLS算法主动噪声控制系统的研究

为了改善单通道主动噪声FX-LMS系统的噪声抵消性能，尤其是非平稳噪声的抵消性能。将基于QR分解的RLS算法应用于FX-LMS系统中构成了FX-QRLS系统。仿真结果表明，对粉红平稳噪声信号，该系统抵消效果较FX-LMS系统提高了约8dB；对于在FX-LMS系统中不收敛的非平稳噪声，也可以得到较好的抵消效果。实际噪声控制中应用QRLS算法是可能的。     

基于Openpose改进的苹果生长方向检测

【目的】苹果采摘机器人在果园作业过程中,不仅需要精准地确定果实的位置,还需要对苹果的生长方向进行精准检测,这样才能够实现机械爪规划出仿人式采摘的抓取方式,实现果实的高效采摘。【方法】文章提出了一种基于改进Openpose的方法,实现了对自然生长状态下果实生长方向的精准检测。改进方案主要从两个方面进行,首选是通过ShuffleNet V2和CA注意力机制相融合的方式替换原VGG19结构,降低主干的参数量,然后是结合单个苹果关键点的特征对该模型进行了去除部分PAF分支的优化改进策略。【结果】改进后的Openpose在各个指标上,全面超过了原Openpose,其运行速度是改进前的6.56倍,对于mAP、m AP-s、mAP-b、AP50和AP75这些参数,分别增长9.18%、8.50%、11.56%、1.67%和6.35%,并且在各项指标上超越了AlphaPose和CFA算法。【结论】经过对Openpose模型改进前后的对比和现有算法对比,证明了该文算法在自然场景下对果实生长方向检测的优越性和鲁棒性。     

基于改进YOLOv4模型的群养生猪姿态检测

为了提升猪舍环境下生猪姿态检测的速度和性能,在YOLOv4模型的基础上提出一种改进的Mini＿YOLOv4模型。首先,该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构,以降低模型参数量;其次,在检测网络的CBL＿block1、CBL＿block2模块中使用深度可分离卷积代替传统卷积,避免了复杂模型导致的内存不足和高延迟问题;最后,将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构,以提高模型在生猪姿态检测上的准确率。应用上述模型,对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示,Mini＿YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点,在检测速度上提升近1倍,在保证识别精度的同时提升了实时性,可为生猪行为识别提供技术参考。     

一种改进的基于小波变换模极大值的边缘检测方法

一种改进的基于小波变换模极大值的边缘检测方法包含如下2个步骤:(1)求出边缘及噪声点的局部极大值;(2)利用边缘点与噪声点具有不同小波变换模极大值的特点,对局部极大值进行二次判别,从而实现噪声与边缘的分离.实例验证结果表明,该方法能很好地解决高精度定位与强去噪能力之间的矛盾.     

基于改进的BP网络的高速公路事件检测

在高速公路交通拥挤状态自动判别(ACI)系统中,高速公路事件检测的精度尤为重要。分析了引起高速公路交通事件的主要因素,提取人、车和环境三者中对交通事件影响比较大的因素的模糊评价值作为输入,然后运用BP神经网络对基本的交通参数进行预测,把预测值和实测值的比值也作为神经网络的输入。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,采用了自适应的学习速率和附加动量法,对网络进行训练。最后,将此算法在MATLAB环境中进行仿真。仿真结果表明了算法的有效性。     

GIDC-C密码算法芯片的研制与开发

GIDC C密码算法芯片适用于计算机网络安全领域 ,该芯片采用超大规模集成电路工艺 ,是集CPU、加解密运算部件、存储器等为一体的SOC芯片。采用了自顶向下的设计方法 ,重点讨论了芯片的总体实现方案及CPU ,RSA ,DES等模块的内部结构 ,分析了功耗、可靠性、仿真等设计难点及解决办法。仿真和物理验证的结果表明 ,所设计的电路工作正常 ,运行稳定可靠。 10 2 4bit的RSA加 /解密速率为 5次·s-1,DES加 /解密速率达 2Mbit·s-1,达到了设计的要求。