-
题名基于DC-HED网络和骨架提取的岩心图像边缘检测
- 1
-
-
作者
潘少伟
杨怡婷
尚娅敏
郭智
蔡文斌
-
机构
西安石油大学计算机学院
新疆油田公司采油二厂第一采油作业区
中国石油勘探开发研究院
西安石油大学石油工程学院
-
出处
《中国石油大学学报(自然科学版)》
北大核心
2025年第3期97-107,共11页
-
基金
国家自然科学基金项目(52074225)。
-
文摘
整体嵌套边缘检测(holistically-nested edge detection,HED)网络是目前图像边缘检测领域内一种应用广泛且性能良好的深度网络模型,但存在图像检测边缘缺失、冗余和模糊不清等不足。针对此问题,提出一种扩张卷积(dilated convolution,DC)结合HED网络的深度网络模型DC-HED。首先,去除原HED网络最后两层的池化层以进一步保留图像边缘信息;再加入扩张卷积来扩大感受野,更好地还原图像边缘细节,重新设计DC-HED网络。之后利用Zhang-Suen算法对其图像边缘检测结果进行骨架提取。把DC-HED网络和骨架提取应用于中国陕北地区S油田不同岩心铸体薄片图像(简称岩心图像)的边缘检测中,获得较好的试验效果。结果表明:相比已有文献中方法、传统Canny算子、传统Sobel算子和原HED网络,DC-HED网络检测获得的图像边缘更完整,连通性更好;DC-HED网络测试得到的均方误差、结构相似性和峰值信噪比分别为0.1106、0.7997和9.5611,与前面几种方法相比,均有较大幅度的改善。最后将图像骨架提取方法应用于已获得的图像边缘中,剔除了杂乱的图像边缘信息,可得到清晰连续的图像边缘中心轮廓线条。
-
关键词
岩心铸体薄片图像
边缘检测
岩心数字化
hed网络
扩张卷积
骨架提取
-
Keywords
petrographic thin section image
edge detection
core digitization
hed network
dilated convolution
skeleton extraction
-
分类号
TE19
[石油与天然气工程—油气勘探]
-
-
题名改进HED网络在轴承自动测量中的应用研究
被引量：1
- 2
-
-
作者
陈世奇
侯明
李鹏程
-
机构
北京信息科技大学自动化学院
-
出处
《电子测量技术》
北大核心
2024年第2期142-149,共8页
-
基金
国家自然科学基金(61971048)项目资助。
-
文摘
针对在工业环境中传统接触式测量轴承尺寸操作复杂且检测成本高的问题,提出一种新的加入注意力机制和结合Canny算法的改进型HED网络边缘检测算法。该方法基于HED网络,将主干网络第4、5个阶段的卷积层替换成连续空洞卷积,并设置网络的第3、4层池化步长为1,增大模型的感受野,提高输出的边缘图像精度;加入高效通道注意力机制ECA模块,有效抑制无关纹理特征和非边缘像素等影响;使用Canny算法中的非极大值抑制和双阈值处理算法,对检测的粗边缘进行细化,得到更加精确的轴承边缘;使用最小二乘圆拟合算法,获取轴承的内外环尺寸参数。实验结果表明,改进后的HED网络在ODS和OIS指标上分别达到了0.811和0.835,该方法可以有效实现轴承边缘检测并保证轴承尺寸测量精度。
-
关键词
hed网络
轴承边缘检测
尺寸测量
空洞卷积
注意力机制
-
Keywords
hed network
bearing edge detection
dimensional measurement
empty convolution
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进HED网络的金属零件二维条码分割方法
被引量：3
- 3
-
-
作者
李建伟
吕娜
郭宏
刘成波
-
机构
太原科技大学计算机科学与技术学院
太原科技大学机械工程学院
-
出处
《计算机工程与设计》
北大核心
2023年第3期859-865,共7页
-
基金
山西省回国留学人员基金项目(HGKY2019079)。
-
文摘
针对复杂环境金属件标刻的DM码因磨损、腐蚀等原因,导致传统图像分割算法难以精确定位的问题,提出一种基于改进HED网络的金属零件二维条码分割方法。在原HED网络上对主干特征提取网络改进,采用空洞卷积扩大感受野保留DM码全局信息;改变特征融合模块,增加两层卷积运算充分融合深监督模块输出的多尺度特征,提取区域轮廓完成DM码区域分割;使用LSD算法寻找区域分割图中的直线,经过直线聚类减少非感兴趣直线产生的干扰,实现二维条码区域精确分割定位。实验结果表明,该模型在全局最佳(ODS)和单图最佳(OIS)精度评定中F1值分别达到0.813和0.825,平均定位准确率达到97%。
-
关键词
DataMatrix码
hed网络模型
空洞卷积
特征融合
多尺度特征提取
LSD算法
图像分割
-
Keywords
DataMatrix code
hed network model
dilated convolution
feature fusion
multi-scale feature extraction
LSD algorithm
image segmentation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进HED网络的重叠葡萄果粒轮廓特征提取
被引量：3
- 4
-
-
作者
张舒
苗玉彬
-
机构
上海交通大学机械与动力工程学院
-
出处
《计算机应用与软件》
北大核心
2023年第9期157-164,共8页
-
基金
国家自然科学基金项目(51975361)。
-
文摘
针对复杂背景以及果粒重叠造成的葡萄果粒边界难以准确检测识别的问题,提出一种基于改进HED网络的图像边缘检测算法。算法改进HED神经网络模型,使网络中每个卷积层的输出均得到充分利用;引入骰子(Dice)系数改进原有加权交叉熵损失函数。利用非极大值抑制方式对生成的边缘预测图进行边缘细化处理。实验结果表明,改进后的模型在验证集下的ODS(Optimal Dataset Scale)和OIS(Optimal Image Scale)分别达到0.801和0.817。通过比较改进HED与Canny、HED、DeepEdge三种算法对不同光照条件下的检测结果,表明改进的HED在不同条件下Dice系数高于其他算法约0.01,准确度高于其他算法约0.04。该研究结果为葡萄表型特征提取和葡萄生长规律研究提供了参考。
-
关键词
深度学习
hed网络
葡萄
果粒轮廓
特征提取
-
Keywords
Deep learning
hed network
Grape
Fruit contour
Feature extraction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种煤矿井下输煤大块物检测方法
被引量：9
- 5
-
-
作者
杜京义
郝乐
王悦阳
杨若楠
文静怡
-
机构
西安科技大学电气与控制工程学院
重庆大学大数据与软件学院
西北大学公共管理学院
-
出处
《工矿自动化》
北大核心
2020年第5期63-68,共6页
-
基金
陕西省科技厅自然科学基金项目(2018JQ5197)。
-
文摘
针对现有煤矿井下输煤大块物检测方法存在无法检测大块物数量且检测精度不高的问题,提出了一种基于改进HED神经网络融合Canny算子的煤矿井下输煤大块物检测方法。采用提取反射分量结合边缘保留滤波方法对采集的图像进行预处理,增强图像亮度、对比度,加深图像边缘信息;将预处理的图像代入改进的HED神经网络与Canny算子的融合模型中,得到连续的大块物边缘图像,根据边缘图像做非运算得到二值化填充图像;对二值化填充图像中的大块物进行矩形标注,计算出大块物像素个数与面积;统计大块物数量并判断大块物面积是否高于设定阈值,若高于设定阈值,则报警。实验结果表明,基于改进HED神经网络融合Canny算子的煤矿井下输煤大块物检测方法具有较好的边缘检测效果,能够有效降低图像边缘检测误差,有效统计出大块物数量,并能计算出大块物的面积。
-
关键词
胶带运输
输煤
大块物检测
反射分量
hed神经网络
边缘检测
-
Keywords
belt transportation
coal transportation
large blocks detection
reflection component
hed neural network
edge detection
-
分类号
TD634
[矿业工程—矿山机电]
-
-
题名一种基于双目视觉的立方星位姿参数估计算法
被引量：1
- 6
-
-
作者
张杜祥
刘成
-
机构
中国科学院国家空间科学中心复杂航天系统综合电子与信息技术重点实验室
中国科学院大学计算机科学与技术学院
-
出处
《空间控制技术与应用》
CSCD
北大核心
2023年第6期28-37,共10页
-
基金
中科院国家空间科学中心“攀登计划”支持(E1PD30031S)。
-
文摘
针对当前使用图像特征的空间非合作目标立方星位姿估计算法存在鲁棒性差的问题,提出一种利用立方星顶点进行位姿估计的设计方案.基于双目视觉获取的灰度图像,采用HED(holistically-nested edge detection)网络结合二值化形态学处理方法以提高边缘提取的鲁棒性.检测出边缘图像中的多边形特征后,滤除重复和干扰的多边形,设计共边双框关键顶点判别算法判别立方星的关键顶点,实现了对立方星结构参数和位姿的估计.采用立方星模型进行实验验证,整体方法相比ICP(iterative closest point)精配准方法在30~70 cm探测距离内实现了最大4.4°、1.2 cm的偏差;边缘提取方法对目标结构参数判别准确率提升10%~40%,为非合作目标立方星的结构参数和位姿估计提供新技术路线.
-
关键词
非合作目标
立方星
hed网络
结构参数估计
位姿估计
-
Keywords
non-cooperative object
CubeSat
hed network
structural parameter estimation
pose estimation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
