视频监视系统中运动目标检测的新方法

运动目标检测是计算机视觉监视系统的核心。对于采用固定摄像机监控视频运动目标的检测,利用Affine Lucas Kanade特征跟踪算法的图像金字塔模型,根据模型的不同层数,将对应不同层数分辨率下的差分图像与Susan算子结合,通过形态学处理实现对复杂背景下运动目标的检测。仿真实验结果表明,采用的算法有效地抑制了噪声对运动目标检测效果的影响,且计算量随金字塔层数的增加而成倍减少。     

一种改进的基于背景差算法的运动车辆检测方法

针对背景固定的交通监控视频中的运动车辆检测问题,提出了一种改进的基于背景差算法的运动目标检测方法。该方法改进了混合高斯模型,对图像进行了平滑滤波预处理,并利用形态学滤波方法对二值化的前景图像进行后处理。该方法提高了背景模型的环境适应能力,能够很好地适应背景改变和光照等变化。同时,也改善了视觉效果,使前景检测误差值降低了14％,可为后续交通参数的提取提供更为精确可靠的图像数据信息。     

一种新的超声波心动图像分割算法

针对超声心动图像噪声大,边界模糊,灰度分布不均匀等特点,提出了一种新的图像分割算法.首先对超声图像进行滤波和边缘锐化等预处理,然后再使用GVFSnake模型对预处理后的图像进行分割,从而提取出心室的边界.经试验证明,这种新的超声心动图像分割算法,比传统的超声图像分割算法在图像分割精度上有显著的提高.     

基于内符合精度改进的接收机自主完好性监测算法

传统的接收机自主完好性监测(receiver autonomous integrity monitoring, RAIM)算法基于最小二乘残差法进行故障检测和识别,由于最小二乘残差法存在系数矩阵病态的问题,可能出现漏排、错排现象。据此,提出一种基于内符合精度改进的RAIM方法。该方法在原有故障检测基础上引入卫星定位内符合精度检验门限,并对传统的故障探测法进行改进,以降低故障漏检率,提高故障识别率。实验结果表明,改进的方法可以在不影响系统完好性算法可用性的情况下有效降低漏检率,高效地识别出故障卫星。相较于两组实验数据中传统算法4.66%和1.95%的漏检率,改进算法可以将漏检率分别降低至2.21%和0.81%。     

π/4-DQPSK调制系统的差分解调信息容量近似分析与计算

从Shannon信息理论的角度对π/4-DQPSK的差分检测（非相干检测）系统的信息容量限进行了讨论,并且采用熵估计的数值方法计算出了系统的可达信息速率,给出了分别以Es/N0和Eb/N0为横坐标的容量曲线图,从而从信道容量的角度解释了π/4-DQPSK差分检测的门限效应,并给出门限值.容量曲线表明,在信噪比低于该门限值时,即使降低系统谱效率,也不会使系统性能提高.     

巡飞弹高精度组合导航方法研究

针对巡飞弹导航系统低成本、高精度和实时性的需求,提出一种时间-星间差分载波相位在GPS/SINS紧组合导航中的应用方法。给出了15种状态下的GPS/SINS紧组合导航动力学模型,推导载波相位的时间-星间双差观测量模型,利用卡尔曼滤波器进行数据融合,并利用仿真和机载实测数据验证算法的有效性。结果表明,与传统的伪距紧组合导航算法相比,时间-星间差分载波相位方法可以为中短航时的巡飞弹导航系统提供m级定位精度和mm/s级速度精度。     

π/4-DQPSK调制系统的差分解调信息容量近似分析与计算

从Shannon信息理论的角度对π/4-DQPSK的差分检测(非相干检测)系统的信息容量限进行了讨论,并且采用熵估计的数值方法计算出了系统的可达信息速率,给出了分别以Es/N0和Eb /N0为横坐标的容量曲线图,从而从信道容量的角度解释了π/4-DQPSK差分检测的门限效应,并给出门限值.容量曲线表明,在信噪比低于该门限值时,即使降低系统谱效率,也不会使系统性能提高.     

设施农业典型地物改进Faster R-CNN识别方法

深度学习方法可有效提高传统基于遥感影像的设施农业典型地物识别与提取方法的结果精度,对传统农业的转型和发展意义重大。本文针对遥感影像大背景小目标的特点,以及设施农业典型地物的图像特征,结合深度残差思想和Faster R-CNN提出DRTOMA算法：首先,使用深度残差网络作为其基础特征提取网络,以此获得更深层次的图像特征,并抑制网络退化和衰退问题;然后在残差单元和全连接层之间加入改进的空间金字塔池化层,从而去除输入图像固定大小的限制,增加网络对图像尺度的敏感度;最后,在全连接层间添加dropout层,减少网络计算的复杂度,提升抗过拟合效果。仿真结果表明：同部分已有的检测算法相比,DRTOMA算法的平均识别准确率和召回率均取为最优,分别为91.87%和90.63%;在最优识别精度近似的情况下,DRTOMA算法比Faster R-CNN算法的召回率高约2%,网络更易收敛,训练难度较低。综上所述,DRTOMA算法是一种有效可行的设施农业典型地物检测方法。     

基于局部维纳滤波的交通图像去雾霾算法

为了提高雾霾天退化交通图像的色彩保真度和清晰度,基于局部维纳滤波并结合暗通道先验理论提出一种快速去雾霾算法。传统的基于暗通道先验理论的去雾霾算法对单一户外场景图像取得了不错的效果,但在处理较高分辨率交通图像时,需要消耗大量的计算和存储资源;同时,不能很好处理图像中的一些白色区域,会导致该区域色彩失真。针对这两个问题展开研究:首先,基于局部维纳滤波并结合暗通道先验原则优化大气散射光,进而得到细化的透射率;其次,通过动态调节参数的大小以适应天空等明亮区域地去雾霾处理;最后,将所提算法用于实例验证,结果表明算法不但可以保证交通图像白色区域的色彩不失真,而且去雾霾效率提高4~25倍。     

基于分水岭算法的地质塌陷遥感识别方法研究

地质塌陷是指地面上的岩层、地面土质在自然或人为因素作用下向下陷落,并在地面形成塌陷洞坑的一种地质现象的动力过程.通过采用分水岭算法对遥感图像进行处理,找出图像上的明显地质特征,判断是否有地质塌陷发生在目标区域,达到远程监控的目的.实验结果表明:经过重建后的开闭操作优化的分水岭算法较传统的分水岭算法能更准确地分割遥感图像,并完整地识别出地质塌陷区域,具有重要的理论和实践意义.