-
题名基于视觉传达机理的低光照图像增强方法
- 1
-
-
作者
郑哲孚
钟健
-
机构
广州理工学院计算机科学与工程学院
广州理工学院信息与网络中心
-
出处
《激光杂志》
北大核心
2025年第4期103-108,共6页
-
基金
广东省普通高校特色创新类基金资助项目(No.2020KTSCX292)
广州市科技计划项目(No.202102080235)
广州市高等教育教学质量与教学改革工程名师工作室项目(No.2022MSGZS017)。
-
文摘
低光照影响图像的质量,针对当前低光照图像增强方法无法获得理想结果的问题,提出基于视觉传达机理的低光照图像增强方法。该方法利用平滑滤波消除原始低光照图像噪声,根据人眼视觉特性对低光照图像进行增强处理,并通过脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)模型优化图像细节。仿真结果表明,明显提高了低光照图像视觉效果,低光照图像增强后的G梯度均值为0.0078,PSNR为23.94 dB,SSIM达到0.852,均优于对比方法。该方法有效保留了图像边缘细节,降低了噪声和失真,保持了图像结构信息的完整性,从而提升了低光照图像的整体质量和视觉效果。
-
关键词
视觉传达
低光照图像
增强方法
平滑滤波
-
Keywords
visual communication
low light images
enhancement methods
smooth filtering
-
分类号
TN279
[电子电信—物理电子学]
-
-
题名基于深度学习的逆变器电路图像数据智能识别方法
被引量：2
- 2
-
-
作者
何韦颖
钟健
谌颃
-
机构
广州理工学院计算机科学与工程学院
广州理工学院信息与网络中心
广州科技贸易职业学院信息工程学院
-
出处
《现代电子技术》
北大核心
2024年第10期139-142,共4页
-
基金
2020年广东省普通高校青年创新人才项目(2020KQNCX13)
2020年广东省普通高校特色创新项目(2020KTSCX292)。
-
文摘
进行逆变器电路图像数据识别时,特征信息提取不充分使得无法准确捕捉到关键特征,导致识别精度下降。为此,提出一种基于深度学习的逆变器电路图像数据智能识别方法。首先,利用逆变器数据采集系统,采集逆变器电路图像数据。然后,将图像数据输入到卷积神经网络模型中,通过卷积核提取数据的特征。最后,采用YOLO算法对其进行有效识别,基于CA模块对特征信息进行关注,并利用Detect模块输出识别结果。Detect模块主要包括置信度函数和模型的损失函数,将两者结合,利用分类框和检测框来实现对逆变器电路图像的识别。实验结果表明,所提方法的识别误报率最高仅为6%,具有实用性。
-
关键词
深度学习
逆变器电路
图像识别
数据特征提取
卷积神经网络
YOLO算法
-
Keywords
deep learning
inverter circuit
image recognition
data feature extraction
convolutional neural networks
YOLO algorithm
-
分类号
TN624-34
[电子电信—电路与系统]
TH39
[机械工程—机械制造及自动化]
-
