简介:摘要:设备故障常常表现为发热,长时间的发热可能会导致设备故障的进一步加深,最终威胁电力系统的稳定。利用红外成像技术不受电磁干扰、无需停电、安全可靠、判断准确等特点,可以采用红外成像仪对设备运行情况进行监测,并观测设备是否存在故障。然而实际运行中,红外图像的拍摄与处理均由运维人员人工完成,过程较为繁琐,且耗费大量时间成本。因此,本文基于现有的红外成像仪以及红外图像拍摄特点,提出一种基于图像识别技术的红外图像批量识别与归档方法,自动识别红外图像关键数据,并对图像按照设备位置进行归档,节省红外图像人工处理成本,为设备运维工作提供便利。
简介:【摘要】视频网络监控和图像信息调查手段作为一种新的、独特的网络调查方式,具有数据资源海量、丰富、简单、方便、高效、移动互联、良好的直接证据提取等新特点。实现视频网络监控系统和图像网络调查系统的主要条件应该是:基本条件之一——大型视频图像监控和采集设备,第三个技术条件——大型视频监控计算机图像采集和处理应用技术,四个必要的工作条件——大型专业图像联合调查专业团队,是确保工作条件之一——完善视频监控网络图像联动调查机制。现阶段,我国视频监控和图像信息调查技术的难点主要体现在以下两个关键方面:一是现有视频信息监控应用基础设施的规划和建设存在突出困难,二是,现有视频信息监控和图像信息调查设备的应用还存在新的突出问题。
简介:摘要:图像标注处理是一种连接图像和文本的处理方法。人眼可以看到图像上的信息,但对于计算机来说,图像只是像素值,而文本标签是字符串。两者之间的信息是不对称的,这意味着存在“语义鸿沟”。本文将使用卷积神经网络算法作为主要模型来解决这一“语义鸿沟”。然而,传统的卷积神经网络可能泛化能力较差,忽略了小对象特征。因此,该项目将添加去噪自动编解码模型(DAE),并引入空间金字塔池(SPP)来改进算法模型,抑制图像信息中一些不重要的数据特征。为了提高模型的泛化能力和鲁棒性,同时考虑全局和局部信息,Skip gram模型用于计算标签之间的相关性,过滤掉不合理的注释词,使预测的注释词更接近图像信息。
简介:摘要:本次课题的目的,是对现在主流的图像去雨算法进行一个对比,并通过对比,通过具体的案例,来分析出不同的算法间的优略。在本次课题中,主要对两个算法进行,分别是基于滤波去雨算法和暗通道先验算法去雨。对于基于滤波去雨算法和暗通道先验算法去雨的优略而言,基于滤波去雨算法更加适合雨水相较不那么密集的图像,面对雨水密集的图像时,它处理的结果一般。但它算法简单,易于实现;对于暗通道先验算法去雨而言,它对于雨水是否密集无太大的要求,都能有较好的效果,缺点在于运算量较大,且需要构建不少函数来支撑算法的实现,最后的结果如果不进行图像融合,呈现出灰色的图像。对于它们二者的结果,用MATLAB进行了复现。
简介:摘要目的通过基于卷积神经网络深度学习方法从增强CT合成平扫CT图像,临床主观和客观评估合成平扫CT图像(DL-SNCT)与金标准平扫CT图像的相似性,探讨其潜在临床价值。方法同时行常规平扫和增强CT扫描的患者34例,通过深度学习模型将增强CT图像合成DL-SNCT图像,以平扫CT图像为金标准,主观评价DL-SNCT的图像质量(评价指标包括解剖结构清晰度、伪影、噪声、图像结构完整性、图像变形,均采用4分制);利用配对t检验比较DL-SNCT与金标准平扫CT图像不同血供特点的解剖部位(主动脉、肾脏、肝实质、臀大肌)以及不同强化模式的肝脏病变(肝癌、肝血管瘤、肝转移瘤、肝囊肿)的CT值。结果主观评价上,DL-SNCT图像在伪影、噪声、图像结构完整性、图像变形方面评分都达到4分,与平扫CT图像评分相一致(P>0.05);在解剖结构清晰度方面评分略低于平扫CT图像[(3.59±0.70)分vs. 4分)],差异有统计学意义(Z=-2.89,P <0.05)。对于不同解剖部位而言,DL-SNCT图像主动脉、肾脏的CT值显著高于平扫CT图像(t=-12.89、-9.58,P <0.05),而肝实质、臀大肌CT值与平扫CT图像差异无统计学意义(P>0.05)。对于不同强化模式肝脏病变而言,DL-SNCT图像肝癌、肝血管瘤、肝转移瘤的CT值显著高于平扫CT图像(t=-10.84、-3.42、-3.98,P <0.05),而肝囊肿CT值与平扫CT图像差异无统计学意义(P>0.05)。结论DL-SNCT在图像质量上以及一些强化方式比较单一的解剖部位的CT值已接近金标准平扫CT,但对于强化程度变化大的解剖部位,以及有着不同强化模式的肝脏病变,DL-SNCT在临床应用前还有很大的改进空间。