摘要：在现有的红外和可见光图像融合方法中,融合图像中的细节信息丢失严重,视觉效果不佳.针对上述问题,文中提出基于差异双分支编码器的多阶段图像融合方法.通过两支不同结构的编码器提取多模态图像的特征,增强特征的多样性.设计多阶段的融合策略,实现精细化图像融合.首先,在差异双分支编码器中,对两个编码分支提取的差异性特征进行初级融合.然后,在融合阶段,对多模态图像的显著性特征进行中级融合.最后,使用远程横向连接将差异双分支编码器的浅层特征传送给解码器,同时指导融合过程和图像重建.对比实验表明,文中算法可增强融合图像的细节信息,并在视觉效果和客观评价上都较优.

摘要：针对泵控系统滑模控制方面的研究,根据泵控系统的降阶数学模型中存在的未知项f(),再结合滑模控制算法设计基于RBF神经网络的滑模控制器。通过MATLAB/Simulink建立系统的仿真模型,然后进行位置指令仿真分析。研究结果表明:相比较PID控制器,基于RBF神经网络的滑模控制器获得了最小跟踪误差。在干扰条件下跟踪10 Hz频率与1 mm幅值的正弦位置信号,基于RBF神经网络的滑模控制器误差最小;施加干扰力后,控制器都出现了更大的跟踪误差,此时基于RBF神经网络构建的滑模控制器可以快速恢复跟踪误差。研究设计的基于RBF神经网络的泵控系统滑模控制器具有很好的跟踪精度和更强的鲁棒性,可以拓宽应用到其他机械传动领域。

摘要：近年来交通标志检测任务得到了广泛的关注,然而现有方法常无法满足检测实时性要求,并且现有方法在检测小尺度交通标志时存在较多漏检情况,为此,提出融合注意力机制和上下文信息的实时交通标志检测算法。该算法以YOLOv5为基准模型,首先,在主干网络中嵌入空间注意力机制自适应地强化关键位置的特征,抑制干扰信息,提高主干网络的特征提取能力;其次,设计跨阶段局部窗口Transformer模块用于学习不同位置间信息的关联性,捕获交通标志周围丰富的上下文信息,有助于提高小尺度交通标志的检测精度;再次,提出轻量的特征融合网络对不同尺度的特征图进行融合,减少计算量的同时确保有效的特征融合;最后,在后处理阶段提出高斯加权融合方法修正检测框,进一步提高定位精度。在TT100K和DFG交通标志检测数据集上的实验表明,提出的算法有效地改善了小尺度交通标志的漏检情况,具有较高的准确性和实时性,可以满足实际场景的交通标志检测需求。

摘要：目的在基于深度学习的红外与可见光图像融合方法中,多尺度分解是一种提取不同尺度特征的重要方式。针对传统多尺度分解方法里尺度设置粗糙的问题,提出了一种基于八度(octave)卷积的改进图像融合算法。方法融合方法由4部分组成:编码器、特征增强、融合策略和解码器。首先,使用改进后的编码器获取源图像的多尺度上的低频、次低频和高频特征。这些特征会被从顶层到底层进行强化。其次,将这些特征按照对应的融合策略进行融合。最后,融合后的深度特征由本文设计的解码器重构为信息丰富的融合图像。结果实验在TNO和RoadScene数据集上与9种图像融合算法进行比较。主观评价方面,所提算法可以充分保留源图像中的有效信息,融合结果也符合人的视觉感知;客观指标方面,在TNO数据集上所提算法在信息熵、标准差、视觉信息保真度、互信息和基于小波变换提取局部特征的特征互信息5个指标上均有最优表现,相较于9种对比方法中最优值分别提升了0.54%,4.14%,5.01%,0.55%,0.68%。在RoadScene数据集上所提算法在信息熵、标准差、视觉信息保真度和互信息4个指标上取得了最优值,相较9种对比方法的最优值分别提升了0.45%,6.13%,7.43%,0.45%,基于小波变换提取局部特征的特征互信息与最优值仅相差0.00205。结论所提融合方法在主观和客观评估中都取得了优秀的结果,可以有效完成图像融合任务。

摘要：在建筑行业内,低碳、舒适是当今社会追求的目标,暖通专业的能耗在建筑能耗中占比较大,而新风系统的能耗是暖通能耗中较多的部分,故在设计环节中选择合理的新风系统显得尤其重要。温湿解耦型恒温恒湿新风系统应用于住宅项目中是一种新颖的措施,其独立的控制系统可按照室外气象参数实现多种模型的运行方式,保证室内的一定温度、湿度和含氧量,人体感觉舒适、健康,同时又能实现节能的效果。

摘要：该文采用Pred RNN技术设计了蓝藻时空序列预测综合实验方案,可为湖泊蓝藻治理提供有效参考。实验利用Python语言,在Pred RNN算法基础上,构建蓝藻时空序列预测系统。整个实验方案包括蓝藻NDVI(归一化植被指数)图像数据预处理、蓝藻数据集划分、时空序列预测模型训练、预测模型测试与彩色化显示5个模块,并通过对比实验说明了PredRNN算法用于蓝藻时空序列预测的可行性和实用性。该实验方案的设计可帮助学生熟练掌握Python编程技能,有利于提升学生对图像处理与计算机视觉知识的综合应用能力,实现计算机视觉课程教学理论至实践的延伸,强化教学与科研的有机结合,提升学生的科研素养,促进计算机视觉课程的建设。

摘要：城市轨道交通综合监控系统或电力监控系统的顺控功能,是实现多个遥控对象一系列操作的自动化技术,提高操作人员的工作效率。通过基于算术表达式前置条件的设计与实现,在保证系统自动化的基础上,减少误操作,简化配置,有效提高系统运行的可靠性和可用性。

摘要：首先利用模糊C-均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行多尺度小波分解;然后利用柯西函数构造区域的模糊相似度,应用模糊相似度及区域信息量构造加权因子,从而得到融合图像的小波系数;最后利用小波逆变换得到融合图像·采用均方根误差、峰值信噪比、熵、交叉熵和互信息5种准则评价融合算法的性能·实验结果表明,文中方法具有良好的融合特性·

摘要：目的 人脸活体检测是人脸识别技术安全的重要保障,而背景环境的负面干扰是限制检测系统性能的关键问题。针对这一问题,提出了一种基于面部纹理和前/背景差异分析的人脸活体检测模型。方法 首先,基于新型骨干网络构建面部纹理分析模块,为模型提供充足的面部纹理信息,减缓模型受背景差异的负面干扰;接着,结合边缘检测算法思想对前/背景差异分析模块的卷积核重新改写,以此突出面部边缘的细节特征;最后,设计注意力特征融合模块将两个分流模块有机结合,提升模型在各种复杂环境下的可靠性。结果 在CASIA-MFSD(CASIA-mobile face spoofing dataset)、Replay-Attack和OULU-NPU等3个数据集上做了多组对比实验,在CASIA-MFSD数据集上的等错误率(equal error rate,EER)为0.19%,在Replay-Attack数据集上的等错误率和半错误率(half total error rate,HTER)均为0.00%和0.00%,在OULU-NPU数据集4个协议上的平均分类错误率(average classification error rate,ACER)分别达到0.6%、1.9%、1.9±1.2%和3.7±1.1%。结论 在人脸反欺诈模型中融合前/背景差异信息和面部纹理信息,可有效减缓背景环境带来的负面干扰,提升模型的鲁棒性。所提模型在背景复杂、欺诈攻击方式尖锐的数据集上均取得较低的错误率,较同类先进算法具有明显优势。

摘要：现有的基于深度学习的红外和可见光图像融合方法大多基于人工设计的融合策略,难以为复杂的源图像设计一个合适的融合策略.针对上述问题,文中提出基于GhostNet的端到端红外和可见光图像融合方法.在网络结构中使用Ghost模块代替卷积层,形成一个轻量级模型.损失函数的约束使网络学习到适应融合任务的图像特征,从而在特征提取的同时完成融合任务.此外,在损失函数中引入感知损失,将图像的深层语义信息应用到融合过程中.源图像通过级联输入深度网络,在经过带有稠密连接的编码器提取图像特征后,通过解码器的重构得到融合结果.实验表明,文中方法在主观对比和客观图像质量评价上都有较好表现.