摘要：小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。

摘要：摄像头采集到的图像容易受到外部光照变化变得模糊,导致图像中的对象无法清晰的辨别。针对这一问题,通过对安防系统中的图像特性进行研究,本文提出和设计了一种基于图像直方图模型的亮度保持的图像增强算法,该算法采用分段常数直方图模型原理实现对图像的亮度保持的同时来提升视频图像的质量。通过实验证明本文提出的算法在算法效率、图像亮度保持等方面相对于经典的图像增强算法具有明显的优势。