基于小波变换和不变矩匹配的快速人体定位

人体定位是指在图片中确定行人位置的过程。为了提高人体定位的正确率和速度,提出了一种结合小波变换和不变矩匹配的定位方法。首先对图像进行小波变换,提取出图像小波系数;再根据行人模板的系数特征提取出不变矩模板;然后在小波域上通过不变矩匹配实现人体定位。该方法减少了待检区域,降低了计算代价。实验结果表明,该算法识别率达78.6%,测试结果比Oren等人提出的匹配方法提高了26.7%。     

基于小波变换和不变矩匹配的快速人体定位

人体定位是指在图片中确定行人位置的过程.为了提高人体定位的正确率和速度,提出了一种结合小波变换和不变矩匹配的定位方法.首先对图像进行小波变换,提取出图像小波系数;再根据行人模板的系数特征提取出不变矩模板;然后在小波域上通过不变矩匹配实现人体定位.该方法减少了待检区域,降低了计算代价.实验结果表明,该算法识别率达78.6%,测试结果比Oren等人提出的匹配方法提高了26.7%.     

基于小波分量特征值匹配的高光谱影像分类

提出了一种基于小波分量特征值的高光谱影像分类算法。针对每个像素构建一个能反映该分量特征的函数，得到其特征值。再利用这些特征值与参考光谱的特征值进行匹配，从而对整幅影像实现分类。实验证明，该方法比传统的光谱角制图法和交叉相关系数法的分类精度有较大提高。     

基于稀疏多尺度分割和级联形变模型的行人检测算法

行人检测是视频大数据中提取信息的关键技术之一,是视频大数据挖掘的关键环节。提出了一种基于稀疏多尺度分割和级联形变模型的行人检测算法。首先设计基于图像纹理的稀疏多尺度分割算法提取潜在行人区域,完成初级多尺度检测;同时缩小检测范围,剔除大量背景区域;再基于级联形变模型在候选特征区域进行精细检测,最终实现由粗到细的快速行人检测。在TUD-Crossing和TUD-Pedestrian等公开数据集上对算法进行了测试。实验结果表明,本文算法降低了虚警率,提升了检测速度。     

DEM的插值特征分类系统

插值算法是GIS领域中广泛应用的一种算法,也是DEM多尺度变换时的核心问题。DEM插值算法的分类标准较多,根据DEM表达的地形特征和数学特性,再结合DEM插值的实用性,提出DEM的插值特征分类系统,并对该分类体系中的算法进行阐述。在分析这些插值算法的基础上,提出选取插值方法的先验模型,该先验模型在进行DEM重建时更具有针对性。     

基于多层反卷积网络的SAR图像分类

针对传统特征提取方法不能提取目标高层结构特征的问题,提出了一种基于软概率的池化方法,结合多层反卷积网络,学习目标的高层结构特征,并将其用于合成孔径雷达(SAR)图像分类。首先对SAR图像进行子块划分,然后对每个子块进行基于多层反卷积网络的特征编码,学习出不同层次上的图像特征,最后将该特征用于支持向量机(SVM)分类器,实现SAR图像的分类。在国内首批SAR数据上的实验表明,该算法获得了较高的分类准确率。     

结合CNN-BiLSTM-SA运动模式识别的自适应步频检测方法

随着位置服务(LBS)的普及，基于智能手机的行人步频检测方法对行人航迹推算(PDR)有重要影响.针对传统步频检测方法在行人多种运动模式下计步误差大的问题，提出一种结合CNN-BiLSTM-SA运动模式识别的自适应步频检测方法.首先根据行人行走特点划分运动模式，使用卷积神经网络(CNN)提取行人不同运动模式的局部特征，利用自注意力机制(SA)对提取的运动特征进行权重分配；再结合双向长短期记忆网络(BiLSTM)挖掘行人运动特征的前后时序关系进行分类识别；然后根据分类结果提出自适应最小峰距和自适应动态阈值两个特征约束的峰值检测算法对步频进行检测，并在步行中动态调整阈值大小.实验结果表明：本文提出方法在8种组合运动模式下步频检测平均误差率为1.31%，与传统峰值检测相比误差率降低5.97%，同时也优于固定阈值法.     

特征优选下的全极化雷达影像土地覆盖分类

针对极化合成孔径雷达(PolSAR)影像在土地覆盖分类中存在特征利用不充分导致分类精度低的问题，该文提出一种联合ReliefF和相关性的特征选择(CFS)算法的分类方法。首先利用ReliefF算法对极化特征进行特征重要性排序，淘汰无关特征，然后利用CFS算法进行特征优选，最后结合分类回归树(CART)决策树构建分类模型，完成土地覆盖分类。以高分三号(GF-3)两个场景的影像数据进行实验，结果表明，该方法能够有效剔除冗余特征，显著提高分类准确率，适用于PolSAR影像土地覆盖分类。     

基于非高斯分布的全极化SAR数据无监督分类

结合Freeman-Durden以散射模型为基础开发的分解算法和基于非高斯的K-Wishart分布,提出了一种无监督算法对全极化合成孔径雷达(fully polarimetric SAR,PolSAR)数据进行地物分类。该算法主要由3大步骤组成:首先通过Freeman-Durden算法把PolSAR数据划分成3种散射:表面散射、体散射和二面角散射,再使用形状参数χ将各种散射分为3类;然后通过每个像元的8个邻域计算先验概率,以改进分类距离和计算聚类中心;最后应用迭代K-Wishart分类器进行精确分类,并对每一类提出颜色填充方案。与复Wishart分布不同,K-wishart分布不但适合均匀区域数据描述,而且对不均匀区域数据的描述能力也很强。实验结果表明,该方法比FreemanDurden分解和复Wishart分布组合具有更好的分类性能。     

特征提取和特征匹配改进方法的研究

在分析了几种常用的特征提取和图像匹配算法的基础上,针对影像上纹理特征稀少、影像对比度不明显的问题,提出先用高斯差分方法突出图像特征,再用Harris特征点提取算法进行特征提取的方法;针对如同建筑物等相似特征较多的情况,利用双向特征匹配、经过斜率约束得到的结果计算视差,再进行图像匹配,可以将特征匹配限制在相关的小范围内,由此得到的同名点对比较可靠,并且提高了效率。实验证明该算法适合特征稀少不明显区域、建筑物等相似特征较多的图像匹配,具有一定的实际意义。     

利用几何矩和叠置分析进行多尺度面要素自动匹配

针对地图中重要的面要素的自动匹配问题进行了研究。由于在实际情况中,多尺度同名面要素在位置上可能偏差较大,又存在非一对一的匹配关系,现有的方法均难以进行有效匹配。为解决这个问题,首先提取面要素的全局形状特征,并给出了一种快速获取候选匹配面要素组合的方法,然后利用几何矩获取面要素组合的质心,在将待匹配面要素与组合面要素的质心相互重合后,通过计算重叠相似度来判定多尺度面要素之间的匹配关系。实验表明,本文方法即使在同名面要素存在较大位置偏差,甚至非均匀位置偏差时,仍可有效地处理面要素的一对一和一对多两种匹配关系,从而拓展了面要素匹配方法的适用范围,降低了对外界条件的要求和限制。     

Margin-based feature selection for hyperspectral data

A margin-based feature selection approach is explored for hyperspectral data. This approach is based on measuring the confidence of a classifier when making predictions on a test data. Greedy feature flip and iterative search algorithms, which attempts to maximise the margin-based evaluation functions, were used in the present study. Evaluation functions use linear, zero–one and sigmoid utility functions where a utility function controls the contribution of each margin term to the overall score. The results obtained by margin-based feature selection technique were compared to a support vector machine-based recurring feature elimination approach. Two different hyperspectral data sets, one consisting of 65 bands (DAIS data) and other with 185 bands (AVIRIS data) were used. With digital airborne imaging spectrometer (DAIS) data, the classification accuracy by greedy feature flip algorithm and sigmoid utility function was 93.02% using a total of 24 selected features in comparison to an accuracy of 91.76% with full set of 65 features. The results suggest a significant increase in classification accuracy with 24 selected features. The classification accuracy (93.4%) achieved by the iterative search margin-based algorithm with 20 selected features using sigmoid utility function is also significantly more accurate than that achieved with 65 features. To judge the usefulness of margin-based feature selection approaches, another hyperspectral data set consisting of 185 features was used. A total of 65 selected features were used to evaluate the performance of margin-based feature selection approach. The results suggest a significantly improved performance by greedy feature flip-based feature selection technique with this data set also. This study also suggest that margin-based feature selection algorithms provide a comparable performance to support vector machine-based recurring feature elimination approach.     

管线设计的断面数据处理方法

把空间矢量数据的压缩方法道格拉斯-普克法引入到断面数据的抽稀处理中,并对算法进行改进。首先按照一定算法进行整条断面线的粗滤处理,找出地形特征点、平面转折点、地物点等作为关键点,然后依据关键点对断面线进行分段,在段内使用道格拉斯-普克法进行细滤。通过实验能有效地抽稀断面点。     

管线设计的断面数据处理方法

把空间矢量数据的压缩方法道格拉斯一普克法引入到断面数据的抽稀处理中,并对算法进行改进。首先按照一定算法进行整条断面线的粗滤处理,找出地形特征点、平面转折点、地物点等作为关键点,然后依据关键点对断面线进行分段,在段内使用道格拉斯一普克法进行细滤。通过实验能有效地抽稀断面点。     

层次特征点控制的线状要素Morphing方法

针对多尺度表达中同名线要素的变换问题,提出一种层次特征点控制下的线状要素Morphing变换方法,在已有的线性插值Morphing变换基础上,利用层次特征点对线要素进行分段控制,按对应弧段的结点的相对位置在本弧段的相同的相对位置处插入点,提高插值过程中点的位置对应精度,使中间比例尺的插值表达得到优化,提高Morphing变换的精度。     

Remote Targets Recognition Based on Adaptive Weighting Feature Dictionaries and Joint Sparse Representations

With the improvement in resolution, more and more useful information is contained in the space of remote sensing images, which makes the processing of remote sensing data become more complex, and it is easy to cause the curse of dimensionality and the poor recognition effect. In this paper, a remote target recognition approach named AJRC is proposed, which uses joint feature dictionary for sparse representation based on different feature information for adaptive weighting. Firstly, the features of the images are extracted to calculate the contribution weight of each eigenvalue in sparse representation, and each eigenvalue contribution weight is calculated in sparse representation. Through the adaptive method, the contribution ability of each feature value in sparse representation is strengthened, and new atoms are formed to construct feature dictionary, which makes the dictionary more discriminative. Then, the common features of each category image and the private features of a single image are extracted from the feature vector, and a joint dictionary is formed to represent the test image sparse and recognize the output of the target. Aiming at the problem that the target visual contrast difference, the low resolution and the rotation of the target with different angles, the experiment is carried out by different feature extraction methods. At the same time, we use the PCA method to reduce the feature dictionary in order to avoid dimensionality. Experiments show that compared with the existing SRC method and JSM method, this method has better recognition rate.     

基于特征点法向量的点云配准算法

在传统的迭代最近点算法（ICP）中，需要两片点云具有良好的初始位置，否则在配准时容易陷入局部最优。针对该问题，本文提出了一种基于特征点提取与配对的粗配准方法，以调整两片点云重叠部分的初始位置。首先，利用SIFT算法提取两片点云公共部分的特征点；其次，根据特征点法向量之间的欧氏距离将两片点云的特征点两两配对；然后，利用法向量的夹角对特征点对进行提纯；最后，通过单位四元数法，求解出旋转及平移矩阵，完成粗配准。试验表明，本文基于特征点法向量的粗配准方法可为精配准提供良好的初始位置，在一定程度上避免配准时陷入局部最优的现象。     

高分辨率遥感影像建筑区域局部几何特征提取

及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号等影像数据集进行实验,实验结果表明本文方法相对于已有的Harris和HSCD点检测算法,在建筑区域提取质量上(Quality)上分别提高了4.79%,5.96%;1.47%,3.76%和1.91%,4.08%。     

多方位角图像决策融合的SAR目标识别

提出了一种基于多方位角图像决策融合的合成孔径雷达(SAR)图像目标识别方法。对目标切片图像用二维小波分解和主成分分析提取特征向量,利用支持向量机对特征向量进行分类,用贝叶斯方法对目标多幅不同方位角下图像的分类输出进行决策融合,得到最终类别决策。用MSTAR数据库中3个目标进行识别实验,实验结果表明,对3幅以上不同方位角的图像进行决策融合时,该方法可显著提高目标的正确识别率。该方法是一种有效的SAR图像目标识别方法。     

融合空谱特征和集成超限学习机的高光谱图像分类

为提高高光谱图像的分类精度,提出了一种融合空谱特征和集成超限学习机的高光谱图像分类方法。首先结合每个像素邻域的光谱信息提取空谱特征向量;考虑到高光谱相邻波段信息具有一定的相关性,先对提取的特征向量进行平均分组,然后从每个区间随机选择若干个波段进行组合,采用具有快速学习能力的超限学习机训练分类器。为提高分类模型的泛化能力,基于集成学习思想,对提取的空谱特征进行多次抽样,训练得到多个弱分类器,最后采用投票表决法得到用于高光谱图像分类的强分类器。采用3个典型高光谱数据进行了分类试验,试验结果表明,提出的算法总体分类精度较优,尤其当训练样本数较少时能取得较高的分类精度。提出的算法具有可调参数少、训练速度快、分类精度高等优点,具有广阔的应用前景。