期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于双模态融合的光伏电站周界入侵检测研究 被引量:1
1
作者 侯北平 陈家豪 +2 位作者 朱昱臻 郑洋斌 于爱华 《太阳能学报》 EI CAS CSCD 北大核心 2024年第11期289-295,共7页
针对分布式光伏电站周界入侵检测数据不足、精度低、检测异物不完全等问题,在双模态特征融合基础上提出一种改进式的周界入侵目标检测算法(VT-DETR)。首先,将单通道网络拓展为双通道网络,以同时提取可见光与红外图像的多维特征;其次,引... 针对分布式光伏电站周界入侵检测数据不足、精度低、检测异物不完全等问题,在双模态特征融合基础上提出一种改进式的周界入侵目标检测算法(VT-DETR)。首先,将单通道网络拓展为双通道网络,以同时提取可见光与红外图像的多维特征;其次,引入软权重分配策略,以弥补可见光与红外图像融合时热辐射信息的缺失;最后,改善损失函数的计算方式,提升注意力机制训练效率。另外,构建面向分布式光伏电站的周界入侵图像数据集。实验结果表明,改进后算法的平均检测精度达到92.08%,验证了该方法在分布式光伏电站周界入侵检测上的有效性。 展开更多
关键词 深度学习 目标检测 图像融合 分布式光伏电站 周界入侵
在线阅读 下载PDF
基于计算机视觉的纸浆纤维特性检测与研究 被引量:5
2
作者 侯北平 李平 宋执环 《中国造纸学报》 EI CAS CSCD 2005年第1期190-195,共6页
设计了基于计算机视觉的纸浆纤维特征在线检测装置,并提出了用于在线特征提取的纤维图像处理算法,采集的在线纤维图像经图像去噪、图像增强、细化后便可以提取纤维的特征。采用纤维长度、宽度、弯曲度以及统计分布来描述纤维特征,除了... 设计了基于计算机视觉的纸浆纤维特征在线检测装置,并提出了用于在线特征提取的纤维图像处理算法,采集的在线纤维图像经图像去噪、图像增强、细化后便可以提取纤维的特征。采用纤维长度、宽度、弯曲度以及统计分布来描述纤维特征,除了传统方法中曲度的方法外,还利用拐角检测算法来描述纤维的弯曲特征。 展开更多
关键词 计算机视觉 特性检测 纸浆纤维 在线检测装置 图像处理算法 纤维特征 线特征提取 图像去噪 图像增强 纤维长度 统计分布 传统方法 检测算法 弯曲度 细化
在线阅读 下载PDF
纸浆纤维的形状特征提取应用研究 被引量:1
3
作者 侯北平 李平 宋执环 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2006年第7期1132-1136,共5页
为了正确描述纸浆纤维图像的弯曲特性,提出了一种基于角点检测的纤维特征提取算法.本算法应用自适应滑动窗口策略进行纤维图像各边界点局部支持域的选取,以提取最优邻域,根据各边界点对应特征向量,将二维平面曲线转化为一维特征曲线,利... 为了正确描述纸浆纤维图像的弯曲特性,提出了一种基于角点检测的纤维特征提取算法.本算法应用自适应滑动窗口策略进行纤维图像各边界点局部支持域的选取,以提取最优邻域,根据各边界点对应特征向量,将二维平面曲线转化为一维特征曲线,利用一维小波变换提取特征曲线奇异点,即二维平面曲线上的角点,根据边界点对应特征值与一维特征曲线的奇异特征确定纤维扭结个数,并根据各点对应局部支持域确定曲度与扭结平均角度,从而完成纸浆纤维的弯曲特征提取.实验结果证明,本算法能有效提取纸浆纤维弯曲特征. 展开更多
关键词 纸浆纤维 小波变换 特征提取 角点检测
在线阅读 下载PDF
阿尔茨海默症的多模态分类方法 被引量:1
4
作者 李伟汉 侯北平 +1 位作者 胡飞阳 朱必宏 《应用科学学报》 CAS CSCD 北大核心 2023年第6期1004-1018,共15页
目前在阿尔茨海默病(Alzheimer’s disease, AD)、早期轻度认知障碍患者(early mild cognitive impairment, EMCI)和正常人(normal control, NC)的分级诊断中存在着EMCI识别困难、多分类识别率低的问题。针对上述难点,提出一种脑区域特... 目前在阿尔茨海默病(Alzheimer’s disease, AD)、早期轻度认知障碍患者(early mild cognitive impairment, EMCI)和正常人(normal control, NC)的分级诊断中存在着EMCI识别困难、多分类识别率低的问题。针对上述难点,提出一种脑区域特征选取方法,设计了融合残差网络的多模态AD分类模型。首先对三类脑核磁共振影像进行配准;然后采用贝叶斯方法和高斯混合模型分割脑组织,获得灰质信息进行组间差异性分析,确定脑图像选取区域;最后将脑图像与生物标志物一起输入分类模型。实验表明:与传统方法相比,本方法脑图像分类准确率提高5%以上,融合生物标志物和脑图像的多模态分类中AD&NC、AD&EMCI、AD&EMCI&NC分类准确率分别为95.5%、93.5%、86.3%,均高于任意单模态网络,验证了本方法的有效性。 展开更多
关键词 核磁共振影像 最大差异脑区域 多模态融合 临床标志物 残差网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部