基于局部方差的安全玻璃碎片自动检测算法

针对安全玻璃质量检验中碎片状态试验结果的判定问题,在分析了自然光线下获取的安全玻璃碎片图像特点后,提出了一种安全玻璃碎片自动检测与识别算法.首先,用基于局部方差的直方图均衡化算法进行目标增强;然后,用固定阈值进行图像分割,对缝隙线和碎片内部的噪声分别去除;最后用分水岭变换进行碎片识别.该算法能够准确刻画碎片的缝隙线,得到碎片的块数,并能够为安全玻璃碎片状态试验结果判定提供依据.     

基于Faster R-CNN的高分辨率图像目标检测技术

为提升传统算法对高分辨率遥感图像中地物目标的检测效果,将深度学习目标检测框架快速区域卷积神经网络(faster regions with convolutional neural network,Faster R-CNN)应用于高分辨率遥感图像目标检测任务中。以机场为检测场景、飞机为检测目标进行实验,首先,利用高分辨率遥感图像数据集训练Faster R-CNN框架,得到相应的目标检测模型;然后,采用该模型对高分辨率遥感图像中的飞机目标进行检测;最后,对实验结果进行统计分析及评价。实验结果表明,Faster R-CNN模型能够全面而准确地检测飞机目标,最优F1分数值为0. 976 3,并且同一个模型可以对多种高分辨率遥感图像进行目标检测。     

基于几何约束和目标检测的室内动态SLAM

针对即时定位与地图构建(SLAM)在室内动态环境下定位精度低和地图效果差的问题,提出一种基于几何约束和目标检测的室内动态SLAM方法.使用目标检测网络获取语义信息,提出运动物体漏检的方法;根据先验知识,提出准确识别动态区域的信息判定方法;结合几何约束和深度学习方法剔除动态点,利用静态点估计相机位姿;根据存储信息构建可闭环的静态地图.在TUM数据集上进行实验,定位精度比ORB-SLAM2提高97.5%,相较于其他动态SLAM可取得更好的性能.在室内真实环境进行实验,构建的静态地图更准确,有效提高了室内动态SLAM的定位精度和地图效果.     

基于局部方差的安全玻璃碎片自动检测算法

针对安全玻璃质量检验中碎片状态试验结果的判定问题,在分析了自然光线下获取的安全玻璃碎片图像特点后,提出了一种安全玻璃碎片自动检测与识别算法。首先,用基于局部方差的直方图均衡化算法进行目标增强;然后,用固定阈值进行图像分割,对缝隙线和碎片内部的噪声分别去除;最后用分水岭变换进行碎片识别。该算法能够准确刻画碎片的缝隙线,得到碎片的块数,并能够为安全玻璃碎片状态试验结果判定提供依据。     

一种采用不变矩的矢量面目标匹配方法

不变矩作为理想的形状描述子,具有平移、旋转、缩放变换不变的特点。以M.K.HU矩方法为基础,提出一种采用不变矩的矢量面目标匹配方法。该方法以7个矩不变量组成矢量面目标的特征向量,通过度量矢量面目标与候选面目标特征向量之间的欧式距离判定同名实体。对两种不同数据源中水域面目标进行匹配实验,验证该方法的有效性。     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

旋翼无人机运动场景及状态的视觉判定方法

针对视觉导航中相邻帧位姿估计方法使用不准确、估计不及时等问题,该文提出了一种基于视觉判定旋翼无人机运动场景及状态的方法。该方法通过计算基础矩阵和单应矩阵的匹配率、观察特征点分布情况和旋转角大小来判断旋翼无人机的运动场景及状态,并选择合适的位姿估计方法减小误差累积。最后,根据旋翼无人机在室内外采集的图像数据进行验证。实验结果表明,该文提出的方法能够准确地对旋翼无人机当前所处的运动场景及状态进行判定,为旋翼无人机的自主导航提供参考。     

大型冷却塔的三维变形观测

本文分析了三维大地测量在大型冷却塔变形观测中的点位内部精度，并提出采用坐标位移模型对变形数据进行粗差检测，增强变形数据外部可靠性。     

一种高分辨率可见光遥感影像中车辆目标检测方法

在高分辨率遥感影像中检测车辆目标是影像识别和检测的重要研究方向,能够为宏观交通状态判别提供支撑.本文设计了一种快速有效的基于高分卫星影像的车辆目标检测方法.该方法首先将与遥感影像对应区域的已有矢量面状道路对影像进行掩膜处理,仅留下影像中道路部分,再采用Otsu双阈值法分割道路中的暗色车目标和亮色车目标,最后利用车辆目标的形态特征对其进行检索,以获得车辆目标的检索结果.试验表明,本文方法具有较好的检测效果.     

利用双指数函数导数模型进行高分辨率卫星影像目标检测

提出了一种从高分辨率卫星影像中检测特定目标的方法。该方法首先用一种双边滤波的方法去除图像中的噪声,然后采用形态学处理的方法对图像进行分割和特征增强,并提取兴趣区域。在目标检测阶段,设计了一种基于双指数函数导数(DODE)模型的检测算子,该算子是面向具体目标设计的,能实现稳健的目标检测。对Google Earth中的影像分别进行了车辆检测实验和船舰检测实验,结果表明,此方法能够有效准确地检测高分辨率卫星影像中的特定目标。     

顾及行人的室内全景影像拼接方法

在室内场景的全景影像拼接过程中,易出现行人运动目标引起的“鬼影”现象。针对此问题,提出一种顾及行人的室内全景影像拼接方法,利用深度学习对整幅影像进行逐像素目标级分割,保持行人目标的完整性,并结合重匹配、显著度检测等对运动类型进行判定,生成带权的运动区域掩膜,结合灰度、梯度差及纹理复杂度等特征,融入基于图割算法的拼接线检测能量方程中,对行人区域进行补偿,最终生成背景干净、无“鬼影”的全景影像。     

一种新的JDF工作流程模型构建方法研究

JDF技术是印刷数字化工作流程的核心。首先提出了基于JDF文档节点隶属结构关系的节点等级法,并以此构建了工作流程基本模型;然后依据基本模型与JDF文档数据的关联性,设计了双向推动机制,并获取了基本模型的数据逻辑;最后定义了节点可行性判定方法,通过该方法对基本模型数据逻辑进行判定,实现基本模型修正,得出了当前任务的准确工作流程模型。实验结果表明:通过上述工作能够准确、快速地建立工作流程模型。     

双状态机的自适应步态检测算法

针对步态检测算法无法适应于不同的运动状态、不同传感器姿态问题,该文提出基于双状态机的自适应步态检测算法,该方法在原算法基础上利用最大整体加速度阈值对状态机进行状态分割,并利用时间阈值和整体加速度阈值对状态机进行二次判断。通过四类步态检测算法的比较实验,常规峰值检测算法、状态机步态检测算法在行人行走状态下步态检测精度均优于99%,而在行人跑步状态和行走+跑步状态的步态检测精度仅为60%和70%,无法适应行人的不同运动状态;本文算法在不同行人运动状态、不同传感器姿态下均具有较强的适应性和可靠的步态检测正确率。     

结合RPN网络与SSD算法的遥感影像目标检测算法

利用传统方法对遥感影像的目标检测,过程复杂并且耗时.随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路.当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低.针对两种算法的优势,该文将Faster R-CNN中的RPN与SSD算法相结合,融合单阶段和两阶段算法的优势,在提高精度的情况下保证速度,并加入特征金字塔结构,利用多个卷积层融合低层特征和高层特征的信息,提高预测效果.在NWPUVHR-10高分辨率数据集上进行训练和测试,对结果进行算法评估.同时选用测试集将该文算法与Faster R-CNN和SSD算法进行对比,实验表明该文算法提高了对小目标物体的检测精度,获得了更优的性能.     

基于多时相SAR数据的大区域城镇信息变化检测

多时相SAR变化检测技术,通过分析同一区域不同时相的SAR数据可以检测地表地物目标的变化信息,在土地资源调查及监测管理方面具有广泛应用。本文将长时间SAR图像相干性特征与目标幅度信息进行融合,并采用多时相SAR数据堆栈处理方法进行大区域城建目标分类及变化信息检测。最后采用13景ALOS PALSAR数据对中国天津地区2007~2010年期间的城建区域变化进行了检测实验,得到了良好的实验结果,并验证方法有效性。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

基于参照点的任意区域检测方法

区域检测,即判定当前点是否位于某个已知的区域之内,这是电子地图处理和计算机图形学以及目标定位中经常遇到的问题.对于任意区域的检测目前尚无很满意的方法,文中给出的基于参照点的检测方法,思路清晰、实现简便,且适用3维空间任意区域的检测.     

遥感图像目标检测的数据增广研究

针对目标检测的遥感图像样本数据量匮乏问题,使用几何和色彩两种数据变化方法对数据集进行增广,并利用Faster R-CNN目标检测算法分析了数据集增广对遥感图像目标检测的影响。在不同遥感图像数据集上进行实验,结果表明,相比于原始的训练集,增广后的训练集训练出的模型在测试集上的表现更好,目标检测准确度更高,且模型的泛化性得到明显提升。     

基于航迹线追踪的TERPM定位算法

在进行海上作战态势分析时, 通常需要剔除目标海域内对态势分析影响较小的非作战目标, 只保留参考价值较高、作战相关的目标航迹数据。现有的行为规律挖掘方法大多是基于聚类的思想, 作用于非作战目标清洗问题时工作步骤较为复杂、效果较差。结合态势分析需求, 基于相似重复记录检测的思想, 通过定义多维度记录匹配相似度(multi-dimension record similarity, MDRS), 提出了一种海上非作战目标实时清洗方法。通过对多维航迹数据的相似重复检测, 实现对非作战目标的实时清洗。在仿真军事场景上进行实验分析, 结果表明所提方法能够实时、有效地检测出海上非作战目标。     

高分辨率遥感影像普通车辆自动检测方法探讨

利用高分辨率遥感影像数据,研究停车场上普通车辆的自动提取方法。基于影像的灰度信息,分别采用边缘检测法、阈值分割法、区域生长法和点特征提取法等方法对遥感影像中的车辆目标进行检测。通过对比分析各种算法实验结果,探讨不同算法进行车辆检测的效果,并利用灰度线性变换的方法对阈值分割法进行了改进,提高了普通车辆目标检测效果。