视频测量椭圆标志中心点的高精度定位方法

针对近景视频摄影测量中椭圆标志点的中心定位精度影响后续的目标跟踪和三维重建精度的问题,该文为了保证获取椭圆亚像素的中心定位精度,提出了一种基于椭圆标志点亚像素边缘检测的中心定位方法。该方法首先利用Canny算子提取椭圆的轮廓,然后利用阈值分割、形态学边缘轮廓提取方法等方法对边缘进行约束,再利用形态学细化算法和空间矩提取椭圆的亚像素边缘,最后利用最小二乘拟合法实现椭圆中心的亚像素定位。实验结果表明:在模拟实验和真实影像的实验下,该方法与现有其他方法相比较,不仅能获取和定位高精度的椭圆中心(模拟实验下,椭圆中心定位精度高达0.02像素),而且具有高稳健性;能够满足近景摄影测量的精度和稳定性的需求。     

基于CNN和RNN的像素级视频目标跟踪算法

影像目标跟踪定位技术是当前计算机视觉领域的研究热点,目标跟踪算法也是现阶段将视频结果用于定位的薄弱环节之一．本文分析了像素级目标跟踪存在的问题,根据深度学习在图像领域的最新研究成果与视频跟踪需求,结合最新的图像分割、卷积神经网络(CNN)、循环神经网络(RNN)和加密解码结构等方法提出了一种像素级视频目标跟踪算法．使用公开数据集实现算法并设计了定量评价指标．实验结果表明该算法具有较强的像素级视频目标跟踪定位能力      

基于无人机视频的运动目标快速跟踪

无人机视频序列影像是尢人机在高速运动的条件下获取地面目标的动态信息,相机的运动给目标检测、跟踪带来了一定的困难。针对无人机视频序列影像背景位移的特点,将运动目标检测与跟踪技术分为运动估计、目标检测、目标跟踪3个部分。由于无人机视频序列影像中目标较小、分辨率较低,因此采用基于区域的目标跟踪算法。该方法计算量小,计算速度快...     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

基于YOLOv5目标检测模型和视觉的垂直位移测量方法

基于视觉的结构位移测量方法具有低成本、高精度、多点测量等优点,在实际工程中得到了广泛的应用。提出基于YOLOv5目标检测模型和视觉的封闭空间建筑物垂直位移测量方法,该方法利用YOLOv5目标检测模型识别和提取标志物兴趣区域,减少了后续标志物定位与跟踪的计算量。以基准点反算CCD相机架设的观测点位移量,并归算由相邻帧间标志物圆心像素变化转化的垂直位移值,实现观测点移动状态下封闭空间建筑物位移测量。实验结果表明,该方法得到的垂直位移测量的最大误差小于0.16 mm,能够满足工程结构垂直位移测量与监测的需要。     

序列立体影像中的动目标快速定位方法

针对当前无人机倾斜摄影测量技术广泛用于场景三维建模等相关领域,对于序列立体影像中的立体信息和运动信息的综合利用不够充分的状况,该文提出一种基于运动平台获取立体序列影像实现动目标三维定位的技术框架,重点针对其中动目标匹配和定位问题,给出一种结合立体校正和降维相位相关边缘影像匹配的动目标快速定位方法.真实序列立体影像的试验表明,相较当前主流算法,该文方法对于噪声和光照变化具有鲁棒性,运算效率更高.该文提出的技术框架及快速匹配方法可用于无人平台立体视觉系统实现运动目标的快速准确定位,为促进无人机摄影测量技术拓展应用于动目标检测和定位提供了技术思路.     

相位相关辅助的重复纹理区域特征跟踪匹配

在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及三维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。     

融合航空影像的震后机载LiDAR建筑物点云提取

基于机载激光雷达LiDAR(Light Detection and Ranging)数据识别震后建筑物震害,其前提是快速准确地提取建筑物点云。通过分析地震灾区机载激光雷达点云中提取建筑物点云的诸多难点,已有的方法难以达到预期效果,因此提出融合同机航空影像数据的方法,实现了震后灾区建筑物点云的获取。该方法首先在数据预处理的基础上,利用布料模拟滤波CSF(Cloth Simulation Filtering)算法进行点云滤波,得到地面点云和非地面点云(主要是建筑物、植被和车辆行人等),并将航空影像红波段光谱信息赋予非地面点云;然后基于灰度直方图阈值分割的方法剔除植被点;最后对剩余激光脚点利用具有噪声的基于密度的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行聚类提取最终的建筑物点,并与参考建筑物点比对,进行精度验证,得到建筑物点云提取的漏检概率、虚警概率分别为15.61%、7.52%,总体精度可达84.39%。结果表明,在一定精度要求范围内,该方法能有效实现地震灾区建筑物点云的提取,可为震后机载LiDAR建筑物点云提取提供技术参考和方法借鉴,为建筑物震害识别做好基础工作。     

一种八邻域图像边界追踪改进算法

针对传统的边界追踪算法主要用来提取环形封闭边界的局限性,提出了基于八邻域目标边界追踪改进算法,着重解决了图像追踪过程中边界重叠部位的内外边界标定与"孤岛"处理。应用本文算法与摩尔邻域边界追踪算法分别对MPEG7-CE图形库中的4幅图像进行边界提取测试,结果表明改进算法提取结果正确。最后将本文算法应用于北极冰雪图像海冰边界提取,试验结果表明改进的算法可以有效提取大范围具有复杂拓扑关系的图像边界。     

Canny算子对人工标志中心的亚像素精度定位

在使用圆型人工标志的计算机视觉检测中,人工标志的识别率和中心定位精度直接影响到检测的整体精度。传统的中心定位算法对人工标志识别率低、中心定位精度差,已不能满足精密检测的要求。文中采用Canny算子对带有圆形人工标志的数字图像进行边缘分割,通过模式识别方法、最小二乘拟合方法计算人工标志中心。该方法解决了标志识别率低的问题,提高了标志图像中心定位精度。其精度可达到亚像素级,能够满足高精度计算机视觉测量的要求。     

利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割

为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。     

LiDAR测量点云融合影像的分块滤波方法

针对现有LiDAR地面点滤波算法对复杂地形地物适应性不强的问题,本文提出了一种融合点云与地面影像分块滤波的方法。首先,将地面影像与点云匹配,使点云从影像中获取更多的光谱纹理信息。然后,分析地物光谱、林地相对密度、点云高程特征、地面DSM模型及其坡度,并基于决策级融合将原始点云切割成若干独立的区块。最后,根据每块区域不同的多元细节特征,对IPTD滤波算法进行改进并利用搜索法优化参数,得到最优且稳健的结果。利用滤波后的总地面点通过插值算法得到的DEM模型和相关试验验证了本文算法的优越性。     

自适应图像增强的差值哈希算法对运动目标的跟踪定位研究

对于运动目标的跟踪定位研究成为当前的研究热点,利用北斗卫星定位系统对微小运动目标进行跟踪定位尚存在一定难度.文中借助无人机的摄像机设备,采用跟踪算法进行对运动目标的跟踪,通过对无人机的定位获取到相应的坐标信息,实现目标定位的精准化。为了更好地实现对于目标跟踪的效果,文中采用自适应图像增强的方式提高图像质量,通过拉普拉斯变换的差值哈希算法能够提高对运动目标跟踪的效果,在跟踪速度上有了明显的提升.      

曲折道路遥感影像圆投影匹配改进追踪法

道路提取是遥感信息提取的重点和难点。曲折道路（如盘山公路等）方向突变现象严重,当道路的宽度有变化或受到阴影、杂物遮挡等干扰时,其提取难度进一步增大。针对该问题,本文提出一种基于改进圆投影匹配的曲折道路自动追踪方法。首先,对标准圆投影匹配进行改进,包括：（1）提出圆投影向量近似度参数,实现对圆投影模板离散近似程度和计算量的控制;提出圆投影模板最优半径确定方法,以保证获得最大道路特征条件下,减少模板匹配计算量;（2）引入干扰校正算法,在一定程度上克服了由于光照、噪声等因素造成匹配困难的问题;其次,提出基于改进圆投影匹配的道路追踪方法,并在模板匹配过程中加入自适应机制,即将已匹配道路按照一定的权重参与后续模板匹配,一定程度上克服道路形态的变化和干扰。最后,以曲折道路特征突出的山区遥感影像SPOT-5和GeoEye-1进行道路提取实验。实验结果表明,采用提出的基于改进圆投影匹配的道路追踪算法具有方向无关的特点,适用于曲折道路遥感提取。对道路中心线的提取误差约2~5m,提取准确率高于80%。     

利用天文观测图像对空间碎片目标进行自动识别与追踪

提出了一种利用天文观测手段获取的CCD图像序列对空间碎片进行自动识别和追踪的方法。该方法采用计算机图像处理、图像识别与分析和计算机视觉等相关技术,自动识别出每幅CCD图像中的空间碎片以及背景恒星等空间目标,并定量计算其有关特征;然后根据空间碎片移动较快的特点,在CCD图像序列中结合基于Snake模型的主动轮廓追踪和特征相似性比较两种方法,对其中出现的空间碎片目标进行自动识别和追踪。实验结果显示,该方法能准确地对空间碎片目标进行自动识别和追踪。     

结合分形理论和自适应图像块划分的遥感图像噪声估计

针对场景复杂的光学遥感图像中加性噪声估计问题,提出了一种结合分形理论和自适应图像块划分的噪声估计方法。区别于传统的基于规则图像块划分的噪声估计方法,本文提出了一种自适应于图像局部信息的图像块划分算法,更大程度地保证了自适应图像块内部的平滑性。结合基于分形理论的图像低粗糙度纹理区域选取和基于统计分析的图像噪声标准差计算,实现了光学遥感图像加性噪声强度的自动估计。利用资源三号卫星图像进行定量试验分析,试验结果表明本文方法可以有效地适用于不同复杂程度、不同噪声强度的光学遥感图像。同时,本文中低粗糙度纹理区域选取和自适应图像块划分的方法经过改进后,还可以应用于雷达图像中乘性噪声的估计。     

基于形态学理论的自动目标识别技术--自适应BP学习算法

在设计了一种具有实用意义的形态学开、闭滤波的神经网络模型基础上，完成了用于目标检测识别的优化学习算法，为克服BP算法存在的收敛速度慢、需要选择学习参数且无法保证全局最优等固有缺陷，将启发引导策略与学习规则相结合，采用了一种动态调控学习参数的自适应BP学习算法。试验结果表明，该算法不仅能适应复杂多变的背景环境，而且对运动目标的持续检测能力具有位移不变、伸缩不变和旋转不变的特性。     

影像连接点均衡化高精度自动提取

针对空中三角测量影像连接点提取中存在的误匹配、点位多而分布不均和点位定位精度低等问题,提出了一种影像连接点均衡化高精度自动提取方法。首先采用分块SIFT技术进行特征的提取与匹配,并利用并查集数据结构进行特征点的高效多视追踪;然后采用提出的物方分块点位筛选算法对点位进行了相对均衡化的择优挑选;最后采用最小二乘匹配技术对得到的SIFT连接点坐标位置进行精化。选取中国嵩山遥感定标场的有人机影像和沙漠地区无人机影像作为试验数据,通过目视检查、像方反投影误差和检查点精度等3个指标进行了分析,结果表明本文方法有效克服了弱纹理和重复纹理导致的连接点提取与匹配困难,并改善了连接点分布的均匀性和提高了连接点的定位精度。