- 博客(3)
- 收藏
- 关注
RSS订阅原创 融合YOLOv5s与Criminisi算法的农业遥感图像去云方法研究
其次,为获得完整的云层区域，本研究融合YOLOv5s深度学习网络与图像阈值分割提取得到精确的云层蒙版图像，并在传统Criminisi算法基础上，利用样本块大小自适应调整策略对其进行改进。为去除分割结果中的噪声，提取到更为精确的云层蒙版图像，本研究选用5像素×5像素大小的“Square”模板对分割图像进行形态学的开运算卷积，去除图像中的小连通域及道路等条状目标，再使用相同大小的模板进行形态学的膨胀卷积，以确保获得的分割图像能完整覆盖云层边缘，融合YOLOv5s之后的阈值分割使图像中云雾信息的提取更加精确。
2024-03-13 15:23:17
358
1
原创 改进YOLOX检测单位面积麦穗
最后，基于提取的采样区域，统计位于单位面积框内部的麦穗，实现对单位面积麦穗检测的目的。其次，针对麦穗检测中存在的目标密集和相互遮挡问题，在麦穗检测网络的特征融合层，采用上下文信息进行特征重组的上采样方法（Content-Aware ReAssembly of Features，CARAFE）代替YOLOX-m模型中的上采样算法，同时结合迭代注意力特征融合模块（iterative Attentional Feature Fusion，iAFF），增加对麦穗空间信息和语义信息的提取。CARAFE特征图上采样。
2024-03-13 15:10:16
871
原创 基于MHSA+DeepLab v3+的无人机遥感影像小麦倒伏检测
此外DeepLab v3+网络中ASPP结构使用不同扩张率(6、12、18)来并行处理输入特征以提取多尺度信息，但过大的扩张率会影响图像边缘特征的提取以及局部特征之间的关联，从而产生大尺度目标语义分割空洞现象，这将对农田无人机遥感影像中的大面积小麦倒伏的检测精度造成较大影响。研究表明提出的改进的DeepLab v3+模型能够有效地捕获灌浆期和成熟期的无人机小麦遥感图像中的倒伏特征，准确识别不同生育期的倒伏区域，具有良好的适用性，为利用无人机遥感技术鉴定小麦倒伏灾害等级和良种选育等提供了参考。
2024-03-13 15:04:24
1144
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人