【摘 要】
：
为了提高织物图像疵点检测的质量,提出了并行综合学习粒子群算法。首先,通过织物透光率获得织物图像的疵点;接着多尺度利用织物图像灰度值差异对疵点区域显著性增强,把疵点与周围像素进行区分,从而弱化背景对织物疵点的影响;然后综合学习粒子增设局部吸引因子,多群和并行策略提高搜索能力;最后得出算法流程。实验仿真显示本文算法对疵点检测清晰,破损疵点检测准确率为88.15%,缺失疵点检测准确率为90.46%,移位
论文部分内容阅读
为了提高织物图像疵点检测的质量,提出了并行综合学习粒子群算法。首先,通过织物透光率获得织物图像的疵点;接着多尺度利用织物图像灰度值差异对疵点区域显著性增强,把疵点与周围像素进行区分,从而弱化背景对织物疵点的影响;然后综合学习粒子增设局部吸引因子,多群和并行策略提高搜索能力;最后得出算法流程。实验仿真显示本文算法对疵点检测清晰,破损疵点检测准确率为88.15%,缺失疵点检测准确率为90.46%,移位疵点检测准确率为93.87%,断经疵点检测准确率为86.54%,高于其它算法,同时检测消耗时间较少。
其他文献
探槽方法能够揭露地质记录中保存的古地震事件,可弥补仪器地震及历史地震记录的短暂性及局限性。文章通过数字影像分析、地质地貌调查,在红河断裂带中段北变形遗迹保存较好的德苴乡大丫口村段开挖了一个大型组合探槽。根据探槽剖面揭露的断裂信息以及断裂切、盖地层关系分析,组合探槽共揭露出了3次古地震事件,从老到新命名为E1、E2和E3。利用OxCal软件对古地震事件断错地层及覆盖地层中的炭屑样品AMS~(14)C
数字视频伪造被动取证技术直接依据已获得的视频数据本身来判别其真实性， 具有更好的适应性， 逐渐成为取证研究领域的主流。为了从整体上梳理与描述数字视频伪造被动取证技术，分析了常见的视频伪造操作的特点和它们遗留的痕迹以及对视频被动取证的影响，从取证手段和采用技术2个角度，归纳与总结了基于数字视频来源、基于视频篡改遗留痕迹、基于深度学习框架和基于原始视频特征表征等视频被动取证的典型方法，并详细地探讨了视
当前通过图像处理的方法来进行瞳孔分割，导致鲁棒性不高、分割精度低以及运算量大无法满足实时性要求的问题，为此提出一种基于深度学习的人眼瞳孔精确分割方法．该方法采用基于ADEU-Net 的快速人眼语义分割网络来获取瞳孔区域，实现对瞳孔的精准分割；该网络创新性的提出膨胀卷积与普通卷积双线并行的方式，在扩大感受野的同时可提升局部精细化能力，并且引入了注意力机制，以充分提取语义特征。实验结果表明，该瞳孔分割
如今，数字图像编辑技术和软件已经被广泛应用于各行各业，但是图像编辑技术被滥用的案例也层出不穷，造成严重的后果与不良的社会影响。为了证明和维护数字图像的真实性，防止图像编辑技术被滥用，数字图像取证技术已成为与社会生活息息相关的重要技术和多媒体信息安全领域的重要研究方向。本文针对数字图像取证中图像操作检测任务，归纳图像操作检测的基本原理，并介绍在单一操作检测、通用操作检测、操作链检测等多个取证场景下，
2019年6月17日四川长宁县发生6.0级地震，该次地震余震活动频度高、强度大、其中超过5.0级以上的强余震就有4次，具有不同于以往6.0级地震的独特特征。余震活动与震后区域应力变化密切相关，为研究它们之间的关系，考虑区域主要活动构造、地表起伏和深部反演结果，建立长宁地区岩石圈三维黏弹性有限元模型。采用数值方法重建基本符合研究区GPS观测和最大水平主压应力方向测量结果的现今构造背景应力场。进而依次
探究土壤pH的空间分布特征及其变异规律，分析环境因子对土壤pH空间分异的影响，对安顺市山地复杂环境下土壤pH的精准管理和土壤资源的可持续利用具有重要意义。基于22 851个野外采样点，综合采用全局Moran’s I指数、冷热点分析、半方差函数和克里金插值的方法，从不同角度揭示了安顺市土壤pH值的空间结构特征和分布规律，并借助地理探测器分析了环境因子对其空间分异的影响。结果表明：①安顺市表层土壤pH
近年来，得益于深度生成模型的发展，人脸的操控技术取得了巨大突破，以Deepfake为代表的人脸视频深度伪造技术在互联网快速流行，受到了学术界和工业界的广泛重视。这种深度伪造技术通过交换原始人脸和目标人脸的身份信息或编辑目标人脸的属性信息来合成虚假的人脸视频。人脸深度伪造技术激发了很多相关的娱乐应用，如使用面部替换技术将使用者的人脸替换到某段电影片段中，或使用表情重演技术来驱动某个著名人物的静态肖像
淹水频率是影响河口潮滩湿地固碳潜力的关键环境因子之一。为了揭示淹水频率增加对河口潮滩湿地土壤碳动态的影响，对福建省九龙江河口潮滩剖面土壤有机碳（SOC）储量、活性有机碳组分和碳库稳定性指数CSI进行了测定与分析。结果表明随着淹水频率的增加，SOC的储量减少54%，土壤活性有机碳组分MBC、DOC和LOC的含量亦随着淹水频率的增加而减少。随着淹水频率的增加，活性组分中DOC/SOC和LOC/SOC分
为提高羊绒羊毛纤维定量的自动化程度,引入基于掩模区域卷积神经网络(Mask R-CNN)深度学习技术,对通过光学显微镜采集的图片进行图片处理、算法模型优化,以及学习和训练,建立起山羊绒和绵羊毛的自动识别模型。采用测试集对所建立的模型进行了验证测试,结果显示,对山羊绒和绵羊毛纤维的自动识别正确率达到95%以上,证实了所建立的识别技术的可行性。
城市道路环境目标检测是无人驾驶研究的重要内容，卷积神经网络被广泛用于城市道路的车辆与行人目标检测。本文选择anchor-free的FCOS网络作为基础检测算法，引入了深度可分离卷积大幅减少网络参数，进一步压缩了算法的特征金字塔网络，并优化了目标分层识别方案以提高特征金字塔的利用率。同时本文基于输入图像分辨率对算法精度和速度影响的分析，优化了输入图像的长宽比和分辨率，增大了行人与车辆目标的区分度。实