结合多元回归与结构相似算法的图像质量评价
这是一篇关于图像质量评价,结构相似理论,多元回归分析,梯度信息的论文, 主要内容为图像质量评价已成为图像信息工程重要的研究课题之一。主观评价方法费时费力,难以运用到实时系统中；传统的客观评价方法,如峰值信噪比和均方误差,虽然计算简便,但很多情况下其结果与主观感知一致性很差。结构相似理论是一种关于质量评价的新思想,与自底向上模拟人类视觉系统(HVS)低阶组成结构思路不同,它是自顶向下地模拟HVS特性的整体功能,即HVS从视觉场景中提取结构信息的主要功能。结构相似算法(SSIM)特点是易于实现,避免了一些自底向上方法存在的问题,且与之前的方法比较更加接近人的主观感受。 尽管SSM方法较其他方法具优越性,但也存在不足。本文针对SSIM对于模糊失真评价不够准确的情况,提出了一种新的评价算法即在SSIM当中加入梯度信息作为一个新的分量。人眼对图像的边缘及纹理信息极其敏感,而梯度可以很好地反映图像的边缘及纹理信息。此算法对模糊失真评价准确性较好,且对其他失真类型的图像评价效果也有所提高,评价结果与人的主观感知有更好的一致性。 对于SSIM原始算法中分量权值单一固定的情况,本文结合了多元线性回归分析与SSIM算法,利用回归分析对SSIM算法中的分量进行权值调整,其中能够看出各分量在对失真图像进行质量评价时不同等的贡献,同时提高了SSIM算法对不同失真类型图像质量评价的准确性,还有在不同情况下选择相应模型对图像质量进行预测,增加了算法的自适应性能。 通过LIVE图像数据库的大量实验结果证实,本文提出的改进后的结构相似算法在非线性回归后相关系数、斯皮尔曼相关系数、线外率等指标均优于传统评价方法,并较现有改进的SSIM算法也有很大程度的提高,有效地提高了图像客观评价结果的主客观一致性。
基于梯度图像融合的绝缘子缺陷检测技术研究
这是一篇关于接触网绝缘子缺陷,图像融合,多尺度变换,神经网络,WLE-WSEML,图像质量评价的论文, 主要内容为绝缘子作为接触网中比较重要的设备之一,起到了支撑馈电线和阻断电流流向塔杆的作用。然而接触网绝缘子长期暴露在外界环境中工作,易受雨雪、雾霾、太阳光、强电场、强机械张力的影响,使得绝缘子出现破损、自爆、污秽等缺陷。这些缺陷严重威胁着机车的安全运行。因此需要对绝缘子常见的一些缺陷进行检测,提前发现隐患,杜绝因绝缘子缺陷而导致的行车安全事故。传统的绝缘子缺陷检测方法主要基于图像处理技术,如形态学、边缘检测、纹理分析等,但这些方法存在着检测精度低、易受干扰等问题。相较于传统方法,本文的方法在图像融合和缺陷检测方面具有更高的准确性和鲁棒性,能够有效地检测绝缘子的自爆、裂纹、污秽等缺陷。该研究对于提高接触网绝缘子的安全性和可靠性,保障铁路交通的安全运行具有重要的意义。为了解决接触网绝缘子长期暴露在外界环境中易受影响的问题,提出了一种基于红外和可见光图像融合的方法来进行绝缘子缺陷检测。主要研究成果和创新点有:(1)针对单一红外图像或可见光图像不能够实现全天候检测的问题,提出了一种梯度图像融合模型算法,将绝缘子的可见光图像和红外图像融合在一起。先对红外和可见光图像进行预处理,接着采用加速稳健特征算法(Speeded-Up Robust Features,SURF)将两幅图像的特征点进行匹配,使两幅图在不同的维度上都能够对齐,进而确定两者之间的映射关系,为图像的融合奠定基础。在图像融合方面,采用采样剪切波变换(Non-subsampled Shearlet Transform,NSST)算法将图像分解成高频子带图和低频子带图,再分别对高频分量图和低频分量图融合,实现局部融合,再利用NSST的逆变换对高频子带图和低频子带图进行逆变换,得到最终融合图,实现全局融合。通过将红外图像的优点来弥补可见光的缺点,增加系统抵抗外界干扰的能力;(2)针对现有用于图像融合的神经网络算法存在易受外界环境的干扰而导致大量的细节信息缺失以及多尺度变换算法的冗余信息较多而导致运算时间增加得问题,提出了采用多尺度变换和神经网络算法相结合的方法来进行融合处理,将两者之间进行优势互补。采用脉冲耦合神经网络(Coupled Neural Net-works,PCNN)算法将两图像的高频子带图融合在一起,采用加权局部能量(Weighted Likelihood Estimation,WLE)和基于八邻域的改进拉普拉斯算子(WSEML)结合的优化算法(WLE-WSEML)将两图像的低频子带图融合在一起,再利用多尺度逆变换对融合后的高频子带图和低频子带图逆变换成一张整体的图,从而实现全局融合;(3)针对评价图像融合算法使用是否合理的问题,提出了通过计算融合图像的边缘信息保持度、信息熵、互信息、空间频率、均方误差、结构相似度等六个维度对融合后的图像质量进行评价。(4)针对绝缘子常见的自爆、裂纹、污秽等缺陷问题,提出了三种检测方法,分别为:采用最小二乘法直线拟合算法在二值图像的基础上来实现绝缘子的自爆检测;采用像素积分投影法来检测绝缘子片裂纹情况;采用颜色特征分析法来判别绝缘子表面污秽情况。经过实验验证,本文提出的基于红外和可见光图像融合的方法能够有效提高接触网绝缘子的缺陷检测能力。与传统方法相比,采用融合图像的方法能够提高绝缘子缺陷的识别率,特别是在绝缘子自爆、绝缘子片裂纹和绝缘子表面污秽三个缺陷的检测方面,识别率分别达到了95%、91%、90%,均高于了单一的红外图像或可见光图像的识别率。这表明,本文提出的方法具有更高的准确性和鲁棒性,能够有效地检测绝缘子的缺陷,为接触网绝缘子的安全运行提供了重要的保障。因此,该研究具有重要的实际应用价值,对于提高接触网绝缘子的安全性和可靠性具有重要的意义。
基于梯度图像融合的绝缘子缺陷检测技术研究
这是一篇关于接触网绝缘子缺陷,图像融合,多尺度变换,神经网络,WLE-WSEML,图像质量评价的论文, 主要内容为绝缘子作为接触网中比较重要的设备之一,起到了支撑馈电线和阻断电流流向塔杆的作用。然而接触网绝缘子长期暴露在外界环境中工作,易受雨雪、雾霾、太阳光、强电场、强机械张力的影响,使得绝缘子出现破损、自爆、污秽等缺陷。这些缺陷严重威胁着机车的安全运行。因此需要对绝缘子常见的一些缺陷进行检测,提前发现隐患,杜绝因绝缘子缺陷而导致的行车安全事故。传统的绝缘子缺陷检测方法主要基于图像处理技术,如形态学、边缘检测、纹理分析等,但这些方法存在着检测精度低、易受干扰等问题。相较于传统方法,本文的方法在图像融合和缺陷检测方面具有更高的准确性和鲁棒性,能够有效地检测绝缘子的自爆、裂纹、污秽等缺陷。该研究对于提高接触网绝缘子的安全性和可靠性,保障铁路交通的安全运行具有重要的意义。为了解决接触网绝缘子长期暴露在外界环境中易受影响的问题,提出了一种基于红外和可见光图像融合的方法来进行绝缘子缺陷检测。主要研究成果和创新点有:(1)针对单一红外图像或可见光图像不能够实现全天候检测的问题,提出了一种梯度图像融合模型算法,将绝缘子的可见光图像和红外图像融合在一起。先对红外和可见光图像进行预处理,接着采用加速稳健特征算法(Speeded-Up Robust Features,SURF)将两幅图像的特征点进行匹配,使两幅图在不同的维度上都能够对齐,进而确定两者之间的映射关系,为图像的融合奠定基础。在图像融合方面,采用采样剪切波变换(Non-subsampled Shearlet Transform,NSST)算法将图像分解成高频子带图和低频子带图,再分别对高频分量图和低频分量图融合,实现局部融合,再利用NSST的逆变换对高频子带图和低频子带图进行逆变换,得到最终融合图,实现全局融合。通过将红外图像的优点来弥补可见光的缺点,增加系统抵抗外界干扰的能力;(2)针对现有用于图像融合的神经网络算法存在易受外界环境的干扰而导致大量的细节信息缺失以及多尺度变换算法的冗余信息较多而导致运算时间增加得问题,提出了采用多尺度变换和神经网络算法相结合的方法来进行融合处理,将两者之间进行优势互补。采用脉冲耦合神经网络(Coupled Neural Net-works,PCNN)算法将两图像的高频子带图融合在一起,采用加权局部能量(Weighted Likelihood Estimation,WLE)和基于八邻域的改进拉普拉斯算子(WSEML)结合的优化算法(WLE-WSEML)将两图像的低频子带图融合在一起,再利用多尺度逆变换对融合后的高频子带图和低频子带图逆变换成一张整体的图,从而实现全局融合;(3)针对评价图像融合算法使用是否合理的问题,提出了通过计算融合图像的边缘信息保持度、信息熵、互信息、空间频率、均方误差、结构相似度等六个维度对融合后的图像质量进行评价。(4)针对绝缘子常见的自爆、裂纹、污秽等缺陷问题,提出了三种检测方法,分别为:采用最小二乘法直线拟合算法在二值图像的基础上来实现绝缘子的自爆检测;采用像素积分投影法来检测绝缘子片裂纹情况;采用颜色特征分析法来判别绝缘子表面污秽情况。经过实验验证,本文提出的基于红外和可见光图像融合的方法能够有效提高接触网绝缘子的缺陷检测能力。与传统方法相比,采用融合图像的方法能够提高绝缘子缺陷的识别率,特别是在绝缘子自爆、绝缘子片裂纹和绝缘子表面污秽三个缺陷的检测方面,识别率分别达到了95%、91%、90%,均高于了单一的红外图像或可见光图像的识别率。这表明,本文提出的方法具有更高的准确性和鲁棒性,能够有效地检测绝缘子的缺陷,为接触网绝缘子的安全运行提供了重要的保障。因此,该研究具有重要的实际应用价值,对于提高接触网绝缘子的安全性和可靠性具有重要的意义。
结合多元回归与结构相似算法的图像质量评价
这是一篇关于图像质量评价,结构相似理论,多元回归分析,梯度信息的论文, 主要内容为图像质量评价已成为图像信息工程重要的研究课题之一。主观评价方法费时费力,难以运用到实时系统中；传统的客观评价方法,如峰值信噪比和均方误差,虽然计算简便,但很多情况下其结果与主观感知一致性很差。结构相似理论是一种关于质量评价的新思想,与自底向上模拟人类视觉系统(HVS)低阶组成结构思路不同,它是自顶向下地模拟HVS特性的整体功能,即HVS从视觉场景中提取结构信息的主要功能。结构相似算法(SSIM)特点是易于实现,避免了一些自底向上方法存在的问题,且与之前的方法比较更加接近人的主观感受。 尽管SSM方法较其他方法具优越性,但也存在不足。本文针对SSIM对于模糊失真评价不够准确的情况,提出了一种新的评价算法即在SSIM当中加入梯度信息作为一个新的分量。人眼对图像的边缘及纹理信息极其敏感,而梯度可以很好地反映图像的边缘及纹理信息。此算法对模糊失真评价准确性较好,且对其他失真类型的图像评价效果也有所提高,评价结果与人的主观感知有更好的一致性。 对于SSIM原始算法中分量权值单一固定的情况,本文结合了多元线性回归分析与SSIM算法,利用回归分析对SSIM算法中的分量进行权值调整,其中能够看出各分量在对失真图像进行质量评价时不同等的贡献,同时提高了SSIM算法对不同失真类型图像质量评价的准确性,还有在不同情况下选择相应模型对图像质量进行预测,增加了算法的自适应性能。 通过LIVE图像数据库的大量实验结果证实,本文提出的改进后的结构相似算法在非线性回归后相关系数、斯皮尔曼相关系数、线外率等指标均优于传统评价方法,并较现有改进的SSIM算法也有很大程度的提高,有效地提高了图像客观评价结果的主客观一致性。
城市级视频监控质量评估系统设计与实现
这是一篇关于智慧安防,视频监控,图像质量评价,卷积神经网络,web前端的论文, 主要内容为随着智慧城市中智慧安防建设的持续推进,一个二线以上城市智慧安防拥有的监控摄像头数量通常会接近或超过百万,智慧监控要求已从看得见、看得清向看得懂进行转变。针对如此巨大规模的摄像头,仅依靠人工浏览对视频监控系统中每个摄像头的质量进行检测评估已变得不太现实,开展城市级规模摄像头的科学视频质量管理已经成为智慧安防的研究热点之一。本文针对城市级视频监控系统中百万及以上摄像头的视频图像的质量评估系统、方法及设计与实现开展研究,以期达到智慧安防要求的城市级规模摄像头科学视频质量管理的目的。首先,根据公安视频监控专网中市局、分局和派出所三级组织架构的实际情况,论文中的监控视频质量分析管理系统整体架构设计采用分布式部署;为方便用户使用,系统软件开发选用B/S架构;按照公安系统软件使用原则,将使用者分为系统管理员和实际操作用户两类人员,并分别设计不同的功能模块。本文采用前后端分离模式,配合项目组,主要负责对系统的web前端以及前后端接口进行详细设计。技术选型方面,使用Vue、Antdesign Vue等框架和组件库完成web前端开发,使用Axios进行前后端数据交互。其次,针对监控视频质量检测方法,选用残差网络Res Ne Xt50进行分析研究。在公开TID2013失真数据集中补充监控图像,扩展图像类型再进行数据增强。通过引入Leaky-Re LU激活函数和交叉熵损失函数优化网络训练。针对Res Ne Xt50在扩展后的数据集上分类精度不高的问题,引入c SE模块提升特征提取能力。最后,参与整个项目组对上述系统进行整体调试和测试。按照测试用例对各模块进行功能测试,对整体进行UI测试和安全性测试,并在实际场景中进行了实验,结果表明该系统各项功能达到了设计要求。
城市级视频监控质量评估系统设计与实现
这是一篇关于智慧安防,视频监控,图像质量评价,卷积神经网络,web前端的论文, 主要内容为随着智慧城市中智慧安防建设的持续推进,一个二线以上城市智慧安防拥有的监控摄像头数量通常会接近或超过百万,智慧监控要求已从看得见、看得清向看得懂进行转变。针对如此巨大规模的摄像头,仅依靠人工浏览对视频监控系统中每个摄像头的质量进行检测评估已变得不太现实,开展城市级规模摄像头的科学视频质量管理已经成为智慧安防的研究热点之一。本文针对城市级视频监控系统中百万及以上摄像头的视频图像的质量评估系统、方法及设计与实现开展研究,以期达到智慧安防要求的城市级规模摄像头科学视频质量管理的目的。首先,根据公安视频监控专网中市局、分局和派出所三级组织架构的实际情况,论文中的监控视频质量分析管理系统整体架构设计采用分布式部署;为方便用户使用,系统软件开发选用B/S架构;按照公安系统软件使用原则,将使用者分为系统管理员和实际操作用户两类人员,并分别设计不同的功能模块。本文采用前后端分离模式,配合项目组,主要负责对系统的web前端以及前后端接口进行详细设计。技术选型方面,使用Vue、Antdesign Vue等框架和组件库完成web前端开发,使用Axios进行前后端数据交互。其次,针对监控视频质量检测方法,选用残差网络Res Ne Xt50进行分析研究。在公开TID2013失真数据集中补充监控图像,扩展图像类型再进行数据增强。通过引入Leaky-Re LU激活函数和交叉熵损失函数优化网络训练。针对Res Ne Xt50在扩展后的数据集上分类精度不高的问题,引入c SE模块提升特征提取能力。最后,参与整个项目组对上述系统进行整体调试和测试。按照测试用例对各模块进行功能测试,对整体进行UI测试和安全性测试,并在实际场景中进行了实验,结果表明该系统各项功能达到了设计要求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工厂 ，原文地址：https://bishedaima.com/lunwen/52256.html
