视频星运动目标检测方法的对比和分析

视频卫星可提供大尺度运动场景的实时监控,而运动目标检测是其应用的核心问题。本文设计并实现了目前3种主流的运动目标检测方法,以路面交通监控视频和卫星视频为应用背景,详细探讨了3种方法在检测精度、实时性和运动目标完整性等方面的优缺点和适用条件。实验表明:混合高斯模型方法在多目标复杂背景下,表现出较强的适应性。粒子滤波法具有抗灰尘噪声干扰特性,运动目标边缘保持较好。     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

基于欺骗式动目标的SAR干扰技术研究

针对军事运动目标的保护问题，提出了基于欺骗式动目标的SAR干扰方法，该方法根据收到的雷达信号，调制不同的散射强度和位置信息，模拟产生多个虚假的运动目标，避免了静止场景不能干扰动目标成像的缺点。分析了雷达位置确定误差对欺骗式动目标干扰效果的影响，给出了一种干扰机的布阵方法。仿真证明，欺骗式动目标干扰方法可以达到保护运动目标和向被干扰雷达提供虚假信息的目的。     

基于CNN模型迁移的OLI影像光伏电池板场景识别

获取光伏电池板的空间分布及动态变化信息对于国土调查、资源环境监测和能源结构评估具有重要意义,然而,传统的光伏电池板的识别依赖于人工设计的中低层次特征,无法克服对象光谱不确定性、空间结构类型复杂等难题,算法普遍存在稳健性不强、效率不高等问题。目前,基于场景单元从遥感影像中提取空间信息,多数算法仅建立在少数标准数据集上,未考虑实际应用中遥感图像质量、空间分辨率等因素对图像场景深度特征表达的影响,制约了遥感技术在城市结构、经济社会知识挖掘方面的深入应用。针对以上情况,本文基于卷积神经网络（CNN）采用迁移学习和模型微调的策略,在中等分辨率的Landsat影像上进行光伏电池板场景识别。结果表明,本文方法能够提取电站场景的多层次特征,在形态结构复杂的电站场景中取得了较好的识别效果。     

仿射不变特征转换的运动目标跟踪方法

运动目标跟踪技术在交通管制、智能监控、GPS导航等多个领域有广阔的应用前景。本文提出一种基于经纬度和尺度的ASIFT(Affine-SIFT)跟踪算法,模拟序列图像成像时的倾斜角度,进行实时更新来去除由形变带来的过时特征信息,保证了特征的稳定,提高了配准精度。实验证明,此方法不受传感平台倾斜造成的图像仿射变形影响,能够有效处理目标由于旋转、形变而导致跟踪性能下降甚至跟踪目标丢失的问题,同时对跟踪过程中多目标的关联,也具有较好的鲁棒性,取得了良好效果。     

基于高分辨率SAR图像成像机理的震害信息分析

与中低分辨率SAR图像相比,高分辨率SAR图像受目标复杂性和成像噪声等因素的干扰更为严重,致使应用高分辨率SAR图像检测震害目标变得更加困难.传统的适用于中低分辨率SAR图像的震害信息提取方法对于高分辨率SAR图像有一定的局限性.为了从高分辨率SAR图像中更加准确地提取震害信息,从SAR图像成像机理和目标的后向散射特征出发,对建筑物和道路、桥梁的震害特征进行了细致分析,为寻求合适的目标检测和提取方法提供了思路.     

交通监控视频图像语义分割及其拼接方法

视频拼接是图像拼接的外延,在场景监控、目标识别等应用中发挥着重要作用。传统视频拼接算法多要求视频间具有较大重叠区域且特征点匹配过程中只顾及图像几何特征,当处理交通监控视频时,会因不同摄像头之间重叠区域极小或主光轴之间夹角较大而导致无法拼接或图像变形较大。为此,本文提出一种交通监控视频图像语义分割及其拼接方法。首先,利用边缘角度二阶差分直方图算法自动识别多视频交汇区域的正射影像,并将其作为拼接背景图像;然后,基于全卷积神经网络对正射影像和视频图像进行语义分割,提取图像中的交通专题语义;最后,以交通专题语义作为约束进行特征点匹配,将各个交通监控视频匹配至背景正射影像,实现监控区域视频拼接。采用山东省某市实际视频数据进行试验验证,结果表明对于重叠区域较小的监控视频,本文方法可获得较好地拼接图像,同时可有效提高特征点匹配的准确度。     

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决"层叠式"信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。     

掩模图像生成时阈值取值的合理性探讨

阈值取值是否合理对生成符合某种条件的二值及多值掩模图像是否正确至关重要,而这项技术是去除干扰信息及提取有用信息的关键步骤。基于不同的阈值,探讨如何判断在生成单一干扰因素的二值掩模图像时阈值是否合理的方法;并以青海省天峻地区TM数据为例,利用阈值合理的多值掩模图像得到无干扰信息的遥感图像,进而提取了矿化蚀变异常信息,以实现阈值的合理性验证。结果表明,当利用多种干扰因素的二值及多值掩模图像提取的非干扰区域一致时,则说明生成单一干扰因素的二值掩模图像的阈值取值合理,各种干扰因素相互不重叠;利用合理正确的多值掩模图像才能更有效地剔除干扰及假异常信息,提取出真实可靠的矿化蚀变异常信息;由于合理的阈值较多,应结合多种地学资料才能获得最优阈值。     

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决“层叠式”信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。     

一种基于道路监控视频图像质量评估的新方法

针对近些年图像质量评价的重要性,提出一种针对道路监控视频的图像质量评估方法。因为道路监控视频具有连贯性、图像稳定性强、单个监控视频场景单一等特点,本文采用一种结合多幅图像创建物理模型对比恢复天气影响的图像质量评估方法,通过多幅图像比较恢复道路视频图像清晰度,加入噪声亮度比的因子来增加图像的鲁棒性和准确性,分析该方法的优势和不足。     

利用分形和多尺度分析的中低分辨率SAR图像变化检测

对于合成孔径雷达(synthetic aperture radar,SAR)图像像素级变化检测,常见的对数比、交叉熵差异图在提取建筑物等人造目标的变化时不能保持其结构特征。本文将分形维数引入到差异图构造中,定义了分形-对数比(fractal dimension-log ratio, FD-LR)融合差异图,在有效提取不同地物类型变化的同时,能够保持其轮廓结构。为克服斑噪干扰,对FD-LR进行多尺度分析,通过贝叶斯分割和决策级融合提取变化信息。实验结果表明,该方法模型简单,能够有效检测不同地物类型的变化,在中低分辨率复杂场景的SAR图像变化检测中具有优势。     

基于图像语义分割的动态场景下的单目SLAM算法

在恢复场景信息和相机运动时,传统的SLAM算法是基于静态环境假设的。场景中的动态物体会降低算法的稳健性和最终的定位精度。本文提出将基于深度学习的图像语义分割技术与传统的视觉SLAM算法结合,以减少动态物体对定位结果的干扰。首先,构建有监督的卷积神经网络对输入图像中的动态物体进行分割,获得语义图像;然后,从原始图像中提取特征点,并根据语义图像剔除动态物体特征点,保留静态物体特征点;最后,利用静态物体特征点采用基于特征点的单目视觉SLAM算法对相机运动进行跟踪。在ApolloScape自动驾驶数据集上的试验表明,与传统方法相比,本文算法在动态场景中定位精度提升约17%。     

改进DeepLabV3+网络的遥感影像道路综合提取方法

遥感图像复杂场景道路提取过程受树木和建筑物阴影,以及荒地、空地等因素干扰较多。针对利用DeepLabV3+网络模型进行道路提取时存在的道路信息不完整和细节信息丢失的问题,本文提出了一种改进DeepLabV3+网络的遥感影像道路提取方法。该方法以轻量级的MobileNetV2作为骨干网络进行特征提取,采用空间金字塔池化模块获得多尺度道路信息特征,从而减少道路遥感图像细节的损失,并提高网络模型的道路提取精度。在DeepGlobe数据集上进行道路提取试验的结果表明,该方法在提升准确率的基础上,有效降低了计算的复杂度;像素准确率和交并比分别达79.7%、64.3%,均优于DeepLabV3+网络及其他经典网络模型,表现出更优异的道路提取能力。     

自然光环境下目标的快速提取方法研究

介绍了一种自然光环境下目标提取的方法：在分析自然光下CCD相机获取图像中噪声的特点的基础上，发现被测目标经测量场中特定纹理背景调制后．可以采用差分算法提取图像中的目标及其位置。实践证明，该方法在目标提取中抑制自然光的干扰是有效的和可靠的。     

利用鱼眼相机对人群进行运动估计

人群运动估计是人群行为分析的重要步骤。特定场景的人群运动分析和监控,是维护公共安全和社会稳定的一个必要措施,也是视频监控领域的一个研究难点。利用鱼眼相机视场大、无视觉盲区的优点,提出了一种基于特征点光流的人群运动估计方法。首先,采用一种基于面积反馈机制的混合高斯背景差分方法,对原始视频图像进行预处理,并利用圆拟合的方法获取兴趣区域;其次,为了在保证准确描述人群目标的同时提高算法的实时性,提出一种基于边缘密度非均匀采样的人群特征点提取方法来描述运动的人群目标,并利用Lucas & Kanade光流法计算光流场;最后,为了解决远近人群的尺寸大小不一致的问题和鱼眼相机的畸变问题,采用鱼眼相机的透视加权模型,计算人群运动加权统计直方图,获取人群在鱼眼图像中的全局运动方向和速度。实验结果表明,针对密集的人群,该方法能有效、实时地估计人群的运动方向和速度,为人群行为分析提供有力的研究基础。     

智慧国土视频监控运动目标提取新方法研究

近年来,由于国土资源违法违规现象频发,视频监控在国土行业得到了广泛应用:它是通过监控设备对耕地、矿区等重点区域进行实时监控从而自动识别、判断、预警的新执法监察手段。自动化和智能化的实现,迫切需要对运动目标进行有效提取、分析。针对在智慧国土视频监控中获得广泛应用的PTZ(Pan-Tilt-Zoom)相机,提出了一种快速有效的运动目标提取新方法。与传统建立全景背景模型的PTZ相机运动目标提取方法不同,该方法建立了匹配特征点的密度估计,减少了计算时间与内存需要,且对光线变化有很好鲁棒性,可以方便地应用到"智慧国土"项目——视频监管系统建设中去。     

面向城市增强现实信息标注的建筑物场景结构提取方法

在信息标注中融入场景结构信息能有效解决城市增强现实（augmented reality, AR）信息指示不明、空间遮挡表达不清和视图布局叠置等问题。针对城市AR信息标注中场景结构缺失的问题,提出了一种考虑地理语义且兼顾精度、效率和稳健性的建筑物场景结构提取方法。首先构建了面向建筑物场景结构提取的场景感知网络,从单张场景图像中提取语义、深度和法向量信息;然后将其转化为建筑物立面角点和朝向等结构特征,并计算与2D地图中建筑物轮廓之间的最佳匹配;最后将场景图像按建筑物立面进行重构,提取区域轮廓、场景深度和立面朝向等场景结构。试验采用Google街景数据生成的9 470组样本训练和测试场景感知网络,并在Graz地区32组建筑物场景中测试场景结构提取的有效性。结果表明,所提方法能够达到近实时的效果,且立面轮廓更规则。在存在一定配准误差或局部遮挡的条件下,立面提取的质量显著优于基于地图解析场景图像的方法,具有更好的稳健性。     

基于ERDAS的掩模图像生成方法探讨

同时存在多种地物干扰影响时,如何利用遥感软件ERDAS的可视化编程Modeler模块生成符合某种条件的二值掩模图像及多值掩模图像,在以往文献中很少有介绍,但这项技术的确是去除干扰信息及提取有用信息的关键一步.针对此问题,探讨了基于该模块生成二值和多值掩模图像的方法;将生成的多值掩模图像应用于卫星遥感图像处理,得到无干扰信息的遥感图像;并在此基础上用主成分分析法提取遥感铁染蚀变信息及羟基蚀变信息.结果表明:利用此方法生成的多值掩模图像应用于卫星遥感图像处理,可有效去除干扰信息,剔除假异常信息,为遥感蚀变信息提取提供高质量的基础数据.     

利用多尺度语义模型的复杂图像目标自动提取方法

针对现有方法对复杂图像目标自动提取性能欠佳等不足,提出了一种新的利用多尺度语义模型的目标自动提取方法。首先,采用多尺度分割得到的图像块作为目标提取的候选区域;然后,利用语义模型获取目标的语义分布信息;最后,目标提取阶段统计各个图像块的语义相关函数,并通过最大化该函数确定出目标。实验结果表明,此方法能够准确、有效地提取出目标,精度高,用户工作量少。