XiaoMi-AI文件搜索系统
World File Search SystemImages
数字证据图像的存储、回放和处置
1.1 范围 这是为支持国家警务改革局 (NPIA) ACPO (2007) 警察使用数字图像的实践建议而制定的三份技术文件中的第一份。它涵盖了与警方生成或第三方传输的证据数字图像的存储、重放和最终处置相关的方面。在这种情况下，“证据”一词应理解为包括警方生成或传输给警方的任何图像，无论捕获这些图像的初衷如何，即最初假设所有图像都有可能成为证据。提出的一些问题并不特定于图像数据，也同样适用于其他形式的数字证据。然而，数字图像（尤其是视频）占用的存储空间特别大，也带来了与长期维护重放功能相关的独特困难。话虽如此，任何关于数字图像存档的讨论都不可避免地必须在 IT 系统设计的更广泛背景下进行。本文件并非试图涵盖 IT 方面，而是提供了一个模板，通过该模板可以将警察成像部门的需求传达给部队内的 IT 专家。目前，刑事司法系统各机构之间传输图像的更广泛问题（包括披露和公开的过程）不在本范围之内。然而，这些也将对广泛产生影响
混凝土表面图像的自动缺陷诊断...
它减少了手动阈值计算问题。自适应阈值每个块可分为平滑、纹理、混合。块处理将图像分成几个块。每个块都独立处理并根据自适应阈值对块进行分类。大图像的边缘检测影响处理的速度。块处理减少了较大图像的边缘检测计算时间，最后将块组合起来得到图像的最终边缘。块分类发现检测到非常微小的裂缝并且没有边缘丢失。块分类将图像处理成块，最后将这些块组合起来我们得到表面裂缝的边缘。
一种识别图像中读数的新方法... - IIETA
对于电力线路巡检，传统的人工巡检方式存在着抄表工作量大、准确率低、存在安全隐患等一系列问题。基于数字图像技术的电表读数图像智能识别方法具有很大的实用价值。但现有的基于深度学习的电表读数识别方法普遍忽略了电表仪表盘指针、刻度等关键点的提取，现有算法鲁棒性和抗干扰能力较差，因此本文旨在研究一种基于深度学习的电力线路巡检电表图像读数识别新方法。首先对电表仪表盘倾斜进行校正，精确定位仪表盘中心；然后基于YOLOv5网络模型构建电表读数识别模型，给出YOLOv5网络模型结构，介绍其工作原理；最后通过实验结果验证了所提出的电表读数图像处理方法及构建的识别模型的有效性。
遥感图像三维可视化在...中的应用
戴小爱，杨武年 国土资源信息技术部级重点实验室，成都大学遥感与地理信息系统研究所理工学院 成都 610059，四川，中国 daixiaoa@cdut.cn 摘要 —本文选取多源多尺度数据，通过数字化处理和高精度DEM建模，实现遥感影像的三维可视化。数字高程模型（DEM）反映地形因素，地表纹理图像覆盖真实情况。在ERDAS软件支持下，通过融合影像数据与DEM透视面，叠加多种人文、自然等特征信息的空间数据，建立虚拟三维飞行模型。以腾冲机场为例，提取空间信息，分析越障障碍，使复杂抽象的数据可视化。从而对机场建设预算进行准确评估。
近红外图像辐射质量评估方法...
摘要。无人驾驶飞行器适用于各种摄影测量和遥感任务。此类平台配备了各种在可见光和红外光谱范围内成像的光电传感器以及热传感器。如今，从低空获取的近红外 (NIR) 图像通常用于制作精准农业等的正射影像图。一个主要问题是使用低成本定制和紧凑型 NIR 相机，广角镜头会引入渐晕。在许多情况下，此类相机会根据照明条件获取低辐射质量图像。本文介绍了一种从定制传感器对低空 NIR 图像数据进行辐射质量评估的方法。该方法利用 NIR 图像的统计分析。用于分析的数据是从不同高度、不同天气和光照条件下获取的。研究结果确定了客观的 NIR 图像质量指数。使用该指数获得的结果可以将图像分为三类：辐射质量好、中等和低。通过分类可以确定所获取图像的先验误差，并评估是否需要重新进行摄影测量飞行。© 2018 光学仪器工程师协会 (SPIE) [DOI：10 .1117/1.JRS.12.015008]
数字图像中的镜像对称检测 - SciTePress
对称性是解决数字图像和视频分析与识别各种问题的重要分类特征。镜像对称性可用于分割和分类对象。通过找到的对称轴，可以在图像上确定对称对象的方向。例如，可以在通过分割远程图像中的图像获得的众多对象中确定飞机的对称轮廓及其方向（图 1）。确定图像中对称对象的方法可以在各种设置中解决问题，例如，它们寻找具有轴向或中心、全局或局部对称性的对象（Liu 等人，2010 年）、（Lee 和 Liu，2012 年）、（Widynski 等人，2014 年）。该方法的另一个重要方面是使用图像中对象的初步分割或直接处理图像而无需初步处理。我们考虑确定分割图像的全局轴对称性的问题。假设对物体进行了分割，但这种分割的质量不是很高。图 1 显示了一个例子。在分析通过地球遥感获得的图像时会出现这样的问题。图像尺寸非常大，在没有初步分割的情况下寻找对称物体需要大量的计算时间。根据阈值或使用训练有素的神经网络对源图像进行分割。结果是二进制图像，其中
利用360度图像进行合成数据生成...
摘要：基于计算机的安全监控需要在涵盖各种观点，表面特性和照明条件的通用数据集上训练的机器学习模型。但是，由于施工方案的风险，捕获某些施工场景的高质量和广泛的数据集在实际工作场所都具有挑战性。先前的方法提出了涉及基于游戏引擎中虚拟对象的2D背景随机化的合成数据生成技术。虽然在利用360度图像用于各种目的方面已经进行了广泛的工作，但尚未使用360度图像来生成专门针对施工站点量身定制的合成数据。为了改善合成数据生成过程，本研究建议使用Unity 3D游戏引擎进行基于360度图像的合成数据生成方法。该方法有效地生成了具有更好尺寸和缩放的巨大数据集，其中包括具有随机照明强度的一系列相机位置。要检查我们提出的方法的有效性，我们进行了主观评估，考虑了三个关键因素：对象定位，对象各自的大小和生成数据集的整体大小。合成的图像说明了所有三个因素的视觉改进。通过提供改进的数据生成方法来培训以安全为重点的计算机视觉模型，这项研究有可能显着增强建筑安全监控过程的自动化，因此，这种方法可以通过提高运营效率并加强工人的安全措施来为建筑业带来重大利益。
使用梯度法对脑 MRI 图像进行提示性注释...
近年来，机器学习在图像分割和分类任务中表现出色，被广泛应用于医学图像分析。机器学习，尤其是监督学习的成功取决于手动注释数据集的可用性。对于医学成像应用，这种带注释的数据集并不容易获取，需要大量的时间和资源来整理带注释的医学图像集。在本文中，我们提出了一种有效的脑部 MRI 图像注释框架，可以为人类专家提供信息丰富的样本图像进行注释。我们在两个不同的脑图像分析任务上评估了该框架，即脑肿瘤分割和全脑分割。实验表明，对于 BraTS 2019 数据集上的脑肿瘤分割任务，仅使用 7% 带有提示性注释的图像样本训练分割模型就可以实现与在完整数据集上训练相当的性能。对于 MALC 数据集上的全脑分割，使用 42% 带有提示性注释的图像样本进行训练就可以实现与在完整数据集上训练相当的性能。所提出的框架展示了一种在医学成像应用中节省手动注释成本和提高数据效率的有希望的方法。