您的位置: 专家智库 > >

许志杰

作品数:13 被引量:81H指数:5
供职机构:哈德斯菲尔德大学更多>>
发文基金:陕西省自然科学基金国家自然科学基金陕西省教育厅科研计划项目更多>>
相关领域:自动化与计算机技术环境科学与工程更多>>

文献类型

  • 13篇中文期刊文章

领域

  • 13篇自动化与计算...
  • 1篇环境科学与工...

主题

  • 10篇图像
  • 4篇图像增强
  • 3篇低照度
  • 3篇全景
  • 3篇滤波
  • 2篇视频
  • 2篇全景图
  • 2篇光照
  • 1篇低照度图像
  • 1篇迭代
  • 1篇形态学操作
  • 1篇形态学处理
  • 1篇行人
  • 1篇行人检测
  • 1篇行人检测算法
  • 1篇预测信息
  • 1篇深度图
  • 1篇深度图像
  • 1篇生物视觉
  • 1篇视频烟雾检测

机构

  • 13篇哈德斯菲尔德...
  • 12篇西安邮电大学
  • 1篇成都信息工程...
  • 1篇延安大学
  • 1篇成都川哈工机...

作者

  • 13篇许志杰
  • 3篇刘颖
  • 3篇王晶
  • 2篇王殿伟
  • 1篇任新成
  • 1篇许源平
  • 1篇卢军
  • 1篇黄健
  • 1篇李大湘

传媒

  • 3篇西安邮电大学...
  • 2篇系统工程与电...
  • 1篇光电子.激光
  • 1篇西北工业大学...
  • 1篇哈尔滨工业大...
  • 1篇物理学报
  • 1篇电子学报
  • 1篇激光与光电子...
  • 1篇控制与决策
  • 1篇成都信息工程...

年份

  • 3篇2023
  • 1篇2021
  • 2篇2020
  • 3篇2019
  • 3篇2018
  • 1篇2017
13 条 记 录,以下是 1-10
排序方式:
多类场景下无人机航拍视频烟雾检测算法
2023年
在无人机航拍视频烟雾检测领域中,由于不同检测场景差异大,导致现有烟雾检测算法经常出现检测精度低、速度慢等问题。为了解决以上问题,建立了一个基于无人机视角的多类场景下的烟雾数据集(UAV smoke dataset,USD),并提出了一种改进YOLOx的多类场景下无人机视频烟雾检测算法。首先,在YOLOx网络模型中引入改进的注意力机制,分别改进通道特征和空间特征的提取过程,提取更加具有表征能力的烟雾特征;然后,提出一种双向特征融合模块,增强多尺度特征融合模块对小目标烟雾特征的融合能力;最后,引入Focal-EIOU损失函数,解决训练过程中出现正负样本不平衡,以及预测框和真实框不相交时无法反映两个框的距离远近和重合度大小等问题。实验结果表明,所提算法在应用于多类场景下无人机视频烟雾检测任务时具有较好的鲁棒性,对比多个经典烟雾检测算法,本文算法在不同数据集上的烟雾检测准确率均有不同的提升,比如对比原有的YOLOx-s模型,准确率提升2.7%,召回率提升3%,速度达到73.6帧/s。
王殿伟赵文博房杰许志杰
低照度全景图像增强处理研究进展被引量:2
2018年
概述了低照度全景图像增强算法及其相关研究现状,以典型的低照度全景图像增强算法为例,进行了算法仿真实验。从主观和客观指标评价两个方面分别对各类典型算法仿真结果进行了比较分析,总结了各类算法的优缺点。指出在兼顾低照度全景图像亮度提升、图像去噪以及细节增强的同时,提高算法的有效性、实时性与自适应性是未来低照度全景图像增强算法发展方向。
王殿伟王殿伟刘颖许志杰刘颖许志杰
关键词:低照度全景成像图像增强
基于细节特征融合的低照度全景图像增强被引量:6
2019年
为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.
王殿伟韩鹏飞李大湘刘颖许志杰王晶
关键词:双边滤波图像增强
一种基于改进SiameseRPN的全景视频目标跟踪算法被引量:6
2020年
在全景视频目标跟踪过程中,由于光照条件变化复杂和目标相对镜头运动时尺度变化剧烈,目标跟踪算法存在精度低和适用性差等问题。为了解决这个问题,提出了一种基于改进SiameseRPN的全景视频目标跟踪算法。首先采用MobileNetV3中的网络结构提取深度特征,使算法对全景视频序列中出现的场景缺陷有更好的适应性,并利用Squeeze and Excite模块增加网络对特征选择的敏感度。提出并构建了一种基于双线性插值的特征融合模块,运用双线性插值的方法使输出的后三层深度特征具有相同尺度,并融合这三层特征以用于网络预测。最后利用分类分支预测出当前序列中的正负样本,利用回归分支预测当前输出目标的位置信息和尺度信息,最终输出目标的位置信息。实验结果表明:所提算法可以有效地解决全景数据中的局部图像质量欠佳和尺度变化的问题,在保持实时跟踪性能的同时,具有较高的跟踪精度,对目标跟踪中出现的小目标、目标遮挡及多目标交叉运动等情况表现出良好的适应性,具有良好的视觉效果和较高的跟踪得分。
王殿伟方浩宇刘颖姜静任新成许志杰覃泳睿
关键词:图像处理目标跟踪全景视频
一种光照不均匀图像的自适应校正算法被引量:31
2017年
为了提高光照不均匀条件下采集的图像的视觉效果,提出了一种基于改进二维伽马函数自适应亮度校正算法。首先基于光照反射成像模型,利用快速引导滤波算法提取出光照信息;然后构造了一种改进的二维伽马函数,并利用光照的分布特性动态地调整二维伽马函数的参数,实现对图像亮度的自适应校正处理,提高光照过暗区域图像的亮度值,降低光照过强区域图像的亮度值,得到增强后的图像。对多种场景图像的处理结果表明,本文算法可以有效地降低不均匀光照的影响,提高图像的质量。
王殿伟王晶许志杰刘颖
关键词:图像增强
融合纹理信息的深度图像修复被引量:4
2019年
针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。
王殿伟陈鹏李大湘刘颖许志杰王晶
关键词:形态学处理
基于光照-反射成像模型和形态学操作的多谱段图像增强算法被引量:14
2018年
为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.
王殿伟韩鹏飞范九伦刘颖许志杰王晶
关键词:形态学操作
改进的菱形解相位法在相位展开中的应用
2021年
为解决菱形解相位法在展开复杂相位场时容易出现拉线或孤岛的问题,提出了菱形解相位法的改进算法。该算法首先结合Goldstein枝切法找出包裹相位分布中的残差点,并将包裹相位图分为残差点区域和非残差点区域,然后对非残差点区域采用传统菱形解相位法进行展开,最后依据相位的连续性原则,利用最小二乘法拟合残差点区域的相位,获取实际相位的最佳逼近值,从而获得真实且可靠的相位展开结果。仿真结果表明:改进后的菱形解相位法可以有效展开复杂相位场,使拉线与孤岛现象减少了约70%。
蒋含许源平张朝龙许志杰周治宇黄健卢军
关键词:相位展开拉线孤岛
群体异常行为分析中面临的挑战与相关技术被引量:1
2020年
群体异常行为的分析与识别过程在技术层面通常面临与个体行为分析不同的挑战,如群体行为类型的定义不明确、用于群体行为分析的数据不足以及对多种类型群体行为检测难度较高等问题。针对群体行为分析的3个阶段所面临的主要问题,对群体行为数据模拟、群体行为图像特征提取和群体异常行为识别相关的研究进行了相关的归纳与介绍。其中,群体行为数据模拟方面,主要介绍不同研究中对群体行为的分类定义,以及宏观、介观和微观方式群体行为模拟的相关研究。其次,对多个研究中使用的群体行为图像特征提取方法,按照低级别运动流的特征到高级别语义特征的顺序进行介绍。最后,分别归纳群体能量模型等基于全局的群体行为识别方法,以及社会力模型等基于局部的群体行为识别方法相关研究,对比其优势及缺陷,并对群体异常行为分析与识别领域可能的研究方向进行展望。
郝羽刘颖范九伦许志杰
关键词:特征提取
基于主动学习的图像分类技术:现状与未来
2023年
图像分类作为计算机视觉领域中的重要研究方向之一,应用领域非常广泛.基于深度学习的图像分类技术取得的成功,依赖大量的已标注数据,然而数据的标注成本往往是昂贵的.主动学习作为一种机器学习方法,旨在以尽可能少的高质量标注数据达到期望的模型性能,缓解监督学习任务中存在的标注成本高、标注信息难以大量获取的问题.主动学习图像分类算法根据样本选择策略,从未标记样本数据集合中选择出信息量丰富,对分类模型训练贡献更高的样本进行标注,以更新已标注训练数据池,如此循环直至满足给定的停止条件或模型标注预算耗尽.本文对近年来提出的主动学习图像分类算法进行了详细综述,并根据所用样本数据处理及模型优化方案,将现有算法分为三类:基于数据增强的算法,包括利用图像增广来扩充训练数据,或者根据图像特征插值后的差异性来选择高质量的训练数据;基于数据分布信息的算法,根据数据分布的特点来优化样本选择策略;优化模型预测的算法,包括优化获取和利用深度模型预测信息的方法、基于生成对抗网络和强化学习来优化预测模型的结构,以及基于Transformer结构提升模型预测性能,以确保模型预测结果的可靠性.此外,本文还对各类主动学习图像分类算法下的重要学术工作进行了实验对比,并对各算法在不同规模数据集上的性能和适应性进行了分析.另外,本文探讨了主动学习图像分类技术所面临的挑战,并指出了未来研究的方向.
刘颖庞羽良张伟东李大湘李大湘
关键词:图像分类数据分布
共2页<12>
聚类工具0