为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研...为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研究旨在突破现有技术对人工干预依赖性强、易产生接缝、亮度不均及视觉伪影等瓶颈,提升钻孔内壁图像拼接的精度、连续性与整体效率,为后续钻孔质量评估与爆破设计参数优化提供高保真、高一致性的视觉数据支持。在技术方法上,引入轻量化YOLOv11s目标检测网络,充分利用其深层特征提取能力与多尺度检测优势,精准识别钻孔图像中的圆形边界,自动提取圆心坐标与半径参数,有效克服因镜头畸变、光照不均或局部遮挡引起的定位偏差;随后,基于精确的几何参数进行极坐标变换,将环形内壁区域逐帧展开为矩形图像,保留原始纹理信息的同时构建空间有序的展开图集。在此基础上,创新性地融合SSIM结构相似性度量与滑动窗口匹配策略,通过系统分析相邻展开图像在重叠区域内的亮度、对比度与结构一致性,自适应搜索最优配准位置,实现高效、无缝的图像拼接,最终生成完整内壁环状全景图。试验结果表明,该方法在处理240张图像时,拼接耗时仅为34.98 s,同样实验条件下,相较于传统SIFT特征点匹配方法所需的271.35 s,该方法耗时更短且拼接结果具有更高的视觉连贯性与几何保真度,抑制了接缝错位、亮度跳变和纹理重复等常见问题。创新在于提出了一种自动化拼接流程,融合YOLOv11s与SSIM算法,提升了拼接效率与视觉质量。展开更多
为动态识别无线视频传输过程中视频码率变化情况,结合结构相似度(structural similarity,SSIM)的图像失真评价测度,根据终端视频帧质量数值分布特点,提出一种基于结构相似度的无线视频码率变化聚类识别算法SBVCRA(SSIM based bitrate va...为动态识别无线视频传输过程中视频码率变化情况,结合结构相似度(structural similarity,SSIM)的图像失真评价测度,根据终端视频帧质量数值分布特点,提出一种基于结构相似度的无线视频码率变化聚类识别算法SBVCRA(SSIM based bitrate variation clustering recognition algorithm for wireless video)。使用结构相似度(SSIM)计算视频帧质量,计算相邻帧质量数据之间的相似程度;基于二叉树分裂方法,以相邻帧质量相似度值最小的帧序号为分裂点对帧区间进行递归分裂;依据分裂结果完成无线视频码率聚类,实现码率变化情况的识别。实验结果表明,所提算法可根据视频帧质量数值分布特性对相同码率自动聚类,码率变化情况的识别结果准确。展开更多
随着图像拼接技术在摄影、医疗影像及虚拟现实等领域的广泛应用,开发高效且精确的拼接算法具有重要实践意义。设计并实现了一种基于特征点匹配的图像拼接系统,利用Gamma校正方法对初始图像进行亮度预处理,以尺度不变特征变换(Scale-Inva...随着图像拼接技术在摄影、医疗影像及虚拟现实等领域的广泛应用,开发高效且精确的拼接算法具有重要实践意义。设计并实现了一种基于特征点匹配的图像拼接系统,利用Gamma校正方法对初始图像进行亮度预处理,以尺度不变特征变换(Scale-Invariont Feature Transfom,SIFT)算法为核心,通过OpenCV视觉库及Python编程语言完成图像特征点提取、匹配及图像拼接。设计了直观友好的用户界面(User Interface,UI)以支持用户操作并保存拼接结果。以结构相似性指数(Structural Similarity Index,SSIM)及峰值信噪比(Peak Signal to Noise Ratio,PSNR)评价指标,在不同光照及环境条件下对系统进行实验验证。结果表明,系统可高效、精准完成不同环境的图像拼接,增强后的拼接图像在PSNR及SSIM值上均表现出提升,验证了系统的实用性及可靠性。展开更多
文摘为实现深井钻孔内壁形态的高质量全景可视化,克服传统图像拼接方法在自动化水平、拼接质量及处理效率方面的局限,提出了一种融合YOLOv11s(You Only Look Once)与结构相似性(Structural Similarity Index Method)的智能图像拼接方法。研究旨在突破现有技术对人工干预依赖性强、易产生接缝、亮度不均及视觉伪影等瓶颈,提升钻孔内壁图像拼接的精度、连续性与整体效率,为后续钻孔质量评估与爆破设计参数优化提供高保真、高一致性的视觉数据支持。在技术方法上,引入轻量化YOLOv11s目标检测网络,充分利用其深层特征提取能力与多尺度检测优势,精准识别钻孔图像中的圆形边界,自动提取圆心坐标与半径参数,有效克服因镜头畸变、光照不均或局部遮挡引起的定位偏差;随后,基于精确的几何参数进行极坐标变换,将环形内壁区域逐帧展开为矩形图像,保留原始纹理信息的同时构建空间有序的展开图集。在此基础上,创新性地融合SSIM结构相似性度量与滑动窗口匹配策略,通过系统分析相邻展开图像在重叠区域内的亮度、对比度与结构一致性,自适应搜索最优配准位置,实现高效、无缝的图像拼接,最终生成完整内壁环状全景图。试验结果表明,该方法在处理240张图像时,拼接耗时仅为34.98 s,同样实验条件下,相较于传统SIFT特征点匹配方法所需的271.35 s,该方法耗时更短且拼接结果具有更高的视觉连贯性与几何保真度,抑制了接缝错位、亮度跳变和纹理重复等常见问题。创新在于提出了一种自动化拼接流程,融合YOLOv11s与SSIM算法,提升了拼接效率与视觉质量。
文摘随着图像拼接技术在摄影、医疗影像及虚拟现实等领域的广泛应用,开发高效且精确的拼接算法具有重要实践意义。设计并实现了一种基于特征点匹配的图像拼接系统,利用Gamma校正方法对初始图像进行亮度预处理,以尺度不变特征变换(Scale-Invariont Feature Transfom,SIFT)算法为核心,通过OpenCV视觉库及Python编程语言完成图像特征点提取、匹配及图像拼接。设计了直观友好的用户界面(User Interface,UI)以支持用户操作并保存拼接结果。以结构相似性指数(Structural Similarity Index,SSIM)及峰值信噪比(Peak Signal to Noise Ratio,PSNR)评价指标,在不同光照及环境条件下对系统进行实验验证。结果表明,系统可高效、精准完成不同环境的图像拼接,增强后的拼接图像在PSNR及SSIM值上均表现出提升,验证了系统的实用性及可靠性。
