【摘 要】
:
近年来,伴随着深度卷积神经网络以及Graphics Processing Unit(GPU)的出现,作为机器视觉领域的热点方向之一,显著性检测已经取得了快速的发展。另外,随着包含成千上万张的含有标注的数据集的出现,基于深度卷积神经网络的显著性检测精度也在不断提升。但是基于可见光图像的显著性检测在极端情况下,例如低光照环境、遮掩环境、和低对比度环境,精度会大幅下降。因此,借助多模态信息进行显著性检测
论文部分内容阅读
近年来,伴随着深度卷积神经网络以及Graphics Processing Unit(GPU)的出现,作为机器视觉领域的热点方向之一,显著性检测已经取得了快速的发展。另外,随着包含成千上万张的含有标注的数据集的出现,基于深度卷积神经网络的显著性检测精度也在不断提升。但是基于可见光图像的显著性检测在极端情况下,例如低光照环境、遮掩环境、和低对比度环境,精度会大幅下降。因此,借助多模态信息进行显著性检测,例如深度图与红外图像,成为学术和工业研究热点。可见光图像和红外图像各有优缺点,例如,在低光照环境中,可见光图片会失去对比度,但是红外图像会提供较为可靠的热信息,辅助定位显著性物体。在复杂的热环境中,红外图像可能会受到各种复杂热源信息的影响,引起冗余噪声。因此,在可见光与红外图像显著性检测中,如何提高多模态信息源的高效融合,达到多模态互补的作用,是多模态显著性检测的重点与难点。同时,在实际工业检测场景中,多模态传感器成像质量会受到各种外部因素影响,例如烟雾、雨水、低光照等等。为了解决这些问题,本文旨在提出高效准确的多模态显著性检测方法,同时对多模态信息源进行预处理增强,减少外部极端环境的影响。本文取得的创新性研究成果主要包含以下几个方面:1.针对可见光与红外多模态显著性检测,本文提出了高效的基于中期融合的可见光与红外图像融合的显著性检测方法。提出了上下文引导的跨模态融合模块,高效提取多模态视觉信息中的有用信息,抑制噪声信息。同时提出了基于像素、区域、与图片层级的损失函数,更好地监督整个网络进行训练。提出的算法占用较少的计算资源并且精度较高。2.为进一步提高运算速度,本文提出了基于单流编码器的早期融合可见光与红外多模态显著性检测方法。早期融合策略高效地提取多模态信息源,减少了编码器的计算负担。同时提出了语义引导模块,高效地逐步细化检测分割结果,同时算法达到了实时速度(每秒处理53-60张图片)。3.劣质有雾图像对图像对比度和颜色等底层纹理信息有较大的负面影响。针对有雾图像增强这个不适定性问题,本文提出了快速的图像去雾算法,提出了改进的大气照明先验,并针对性地对图像进行直方图矫正和多尺度融合等操作,对有雾图像进行增强,提高了可见光图像在有雾情况下的对比度。同时证明了所提出的算法在视频与JPEG图像上去雾效果的有效性。
其他文献
能源短缺及环境污染成为了当前世界迫切需要解决的两大难题。低温余热的回收能有效提升能源利用效率,缓解能源短缺。目前将低温余热转化为电能极具发展前景。近年来一种电化学转换系统被开发用于将低温废热转化为电能,即热再生氨电池(Thermally Regenerative Ammonia-based Battery,TRAB)。TRAB由于具有反应条件温和、环境友好、可拓展性好、投资成本较低等特点,逐渐引起
电化学还原CO2(CO2 reduction reaction,CO2RR)是实现CO2转化与利用的重要技术手段。同时,太阳能、风能等快速发展的可再生能源可为CO2RR提供丰富而清洁的电能,可将CO2直接转化为具有高附加值的化工产品,从而实现人工碳循环。采用气体扩散电极(Gas diffusion electrode,GDE)以构建膜电极(Membrane electrode assembly,M
在工业生产中大约10%-50%的热量是以余热形式向外排放的,回收利用这部分能量对提高能源利用率促进节能减排具有重要的作用。目前余热回收利用主要集中在易于利用的中高温余热,而低温余热虽然含量丰富却由于其回收困难,利用效率低等原因回收利用较少。热再生氨电池(thermally regenerative ammonia battery,TRAB)作为一种将低温余热转化为电能的新型装置,因其成本较低、结构
柴油机作为当前社会的主要动力转换装置之一,在全世界都有着极为广泛的应用。当柴油机在极寒环境下起动时,不但会因为缸内较差的燃烧条件排放大量的污染物;而且如果多次起动不成功还会造成化石能源和时间成本的浪费。因此寻求一种快速、稳定、成功率高的起动控制策略显得尤为重要和迫切。针对这一科学问题,本文首先建立了柴油机的一维冷起动稳态仿真模型,研究了多种参数对缸内着火情况的影响规律;其次,基于DOE(实验设计)
凝结液滴结冰及霜层传播现象广泛存在于人类活动和工业生产中,如空调制冷、航天航空、电力传输行业等领域。结霜现象一旦发生,将会增加换热器的热阻,降低换热器的换热效率,进而增加运行能耗,严重时会损害换热设备造成巨大经济损失。大多数情况下,霜层的发展及传播往往是以表面上液滴的冻结作为开端,凝结液滴的冻结既是霜层生长的载体,同时,也对后续霜层的发展起着尤为重要的影响。因此,研究过冷表面上的液滴冻结过程对初始
环境污染、能源危机和全球变暖等问题正在不断制约着全球的经济发展,发展新能源是一个十分有效的途径,尤其是新能源汽车的发展,锂离子电池作为新能源车的核心部件,由于能量密度高、寿命长、输出功率高、无记忆效应等优点被广泛应用,但是由于锂离子电池自身受到温度的影响较大,尤其低温下,电池的性能大幅度降低,充放电的容量均减少,严重影响整车的续航和里程,更严重的是低温下充电可能导致的“析锂”现象,使得电池内部短路
提拉法(Czochralski法),简称Cz法,是目前人工制备单晶硅棒等高纯度晶体材料最主流的方法之一,其过程中熔体内存在的耦合热-溶质毛细对流使内部热质输运变得相当复杂,另外,耦合毛细对流稳定性改变在系统内诱导产生的温度、浓度波动也将直接影响生长晶体的质量。毛细对流稳定性研究为优化晶体生长技术提供了丰富的理论指导,但为了简化物理过程,大量相关研究采用了忽略自由表面变形的平表面假设,这导致了数值模
电缆终端将电缆与电气设备连接在一起,起到良好的绝缘作用,确保电缆系统安全可靠地运行。但是,在安装制作电缆终端的过程中,常因操作不当而造成交联聚乙烯(XLPE)表面损伤、交界面混入导电杂质或进入潮气、应力锥与半导电层断口搭接错位等各类缺陷。在较高的工作电压下,缺陷处的电场畸变严重,极易发生局部放电,最终导致电缆终端绝缘失效,引发重大事故。因此,本文以理论建模、仿真分析与实验验证为研究思路,提出一种基
单相两级式AC-DC变换器在直流微电网中广泛应用,其前级变换器实现功率因数校正(PFC),后级DC-DC变换器为不同负载供能。然而,由于前级PFC变换器的瞬时输入输出功率不平衡,导致直流侧母线电压中存在二倍工频谐波。该谐波经后级DC-DC变换器传递到输出负载电压,会降低变换器效率,甚至引起软开关失效。同时,该二倍工频谐波会作用于前级PFC变换器控制回路,进而引起谐波迭代,使得输入电流出现奇次谐波,
超高压XLPE(Crosslinked Polyethylene)海缆是承担风能、太阳能等清洁能源大容量输送的关键电力装备,XLPE绝缘性能是保障其安全运行的关键。然而,在高比例可再生能源和电力电子装备逐渐接入现代电网背景下,谐波、重复的电压暂态和电流暂态以及交直流电压混合供电等存在于现代电网中,上述现象将引起超高压XLPE海缆处在加速热老化风险之中。海缆XLPE绝缘热老化将会降低绝缘系统的可靠性