浅谈数字视频网络的发展

本对数字视频网络的发展趋势进行一定的分析，在存储网络、件记录格式以及媒体资料查询与管理方面指出以后可能的发展方向。以期为各位同行提供参考。     

气象影视广告智能监播系统的实现

为有效对电视天气预报广告播出效果进行管理,方便广告客户的节目广告监看,及广告播出时间和广告价格的实时查阅,本中心以技术先进、安全可靠、准确高效、可扩展性好为原则,建立了一套高度自动化以图像识别为关键技术的广播电视监播系统。     

基于图像识别技术的矿物加工实验室设备监测系统设计及应用

传统设备监测方法缺乏智能化和实时性,在矿物加工实验室等特殊场合,对设备的状态进行实时监测尤为重要。该文基于图像识别技术构建了一套面向矿物加工实验室的设备状态监测系统,系统可实时监测实验室设备运行状态,能有效识别异常情况并远程报警,协助实验室负责人管理实验室设备。该系统在测试中运行良好,能够满足实验室日常管理的需求,提升了高校管理人员对实验设备的管理效率,为我国高校实验室智能化建设提供了参考。     

基于图像识别技术的电视广告监播系统

在电视广告监播系统中,要采用图像模式识别的办法对电视广告进行监播。在进行模式识别之前,有必要选取一种适应性强,并且高度自动化的二值化方法对电视广告图像进行预处理。针对电视广告监播系统的特点,对模糊C均值聚类算法进行了研究并将其应用于图像二值化,实现了系统所需要的自动二值化。在该系统的图像识别模块中,待检测的对象具有确定性,因此可以采用预先存储的样本,用模板匹配法进行识别,针对其数据量极大的特点,因此采用由模板匹配改进的序贯相似性算法,该算法能显著地减少计算量。     

融入错误图像模型的脸部缺损修补恢复三维建模

在脸部残缺修补建模过程中,匹配图像无明显匹配关键特征,形成匹配错误,造成建立的三维人脸模型特征偏移。为了避免上述缺陷,提出了一种融入错误图像识别模型的脸部残缺修补三维建模方法。建立错误图像识别模型,从大量的脸部图像中识别出错误图像,从而为脸部缺损修补三维建模提供依据。根据采集的大量脸部图像,利用多目标三维重建技术,建立脸部缺损修补三维模型。实验结果表明,利用该算法进行脸部缺损修补三维建模,可以极大的提高建立脸部模型的真实度,降低了建模过程中的误差,取得了令人满意的效果。     

浅谈神经网络的图像识别技术及方法

神经网络图像识别技术是一种新型图像识别技术，是在传统的图像识别方法和基础上融合神经网络算法的一种图像识别方法。神经网络用于图像识别一般都要提取图像特征，然后把提取好的图像特征送入神经网络识别器进行识别。BP神经网络图像识别方法不对图像作特征提取，直接把图像数据作为神经网络识别器的输入。通过用MATLAB完成的网络的训练与测试表明，不作特征提取的神经网络图像识别系统具有很强的抗干扰能力。     

协同联想记忆分类器在车牌照检测与识别中的应用

从协同学角度出发，提出了一种协同联想记忆分类器（SAMC）的实现算法，为了验证SAMC算法的有效性，针对汽车车牌图像的识别系统，构建了一个基于SAMC的解决方案，实验结果表明，用SAMC实现算法来识别效果好，适合于对有噪声的车牌图像进行处理，该算法训练简单，联想能力强，对具有背景噪声和视角引起的图像畸变失真具有一定的抗干扰能力，识别结果令人满意。     

图像识别技术与自动化瞄准

本文介绍了一种基于图像识别的航天器自动化瞄准方法，探讨了光照和目标背景都不确定情况下的标杆图像预处理方法，根据系统对识别精度和成功率要求较高的特点，采用了时间复杂度和空间复杂度都较高的模板匹配识别算法，并针对模板匹配运算量大的特点提出了改进方法。     

基于深度学习的杂草识别系统

田间除草技术在农业生产中具有重要意义。针对复杂背景下农作物与杂草识别率低、算法鲁棒性差等问题,提出一种图像分割网络 Res-Unet。该网络为 unet 网络的改进版本,采用 resnet50 网络代替 unet 主干网络,解决复杂背景下农作物与杂草区域提取困难、小植株检测效果差、分割边缘震荡、变形问题。将图像的平均交并比、准确率、训练时长作为评价指标进行实验。结果表明：使用 Res-Unet 模型的平均交并比为 82.25%,平均像素准确率为 98.67%。改进的 Res-Unet 模型相对于 Unet 平均交并比高出 4.74%,相较于 segnet 平均交并比高出 10.68%,训练时间减少 3 小时。该方法对复杂背景下甜菜杂草检测效果良好,可为机器人精确除草提供参考。