基于SVD和KL投影相融合的人脸识别算法

在已有的PCA人脸识别算法的基础上构建了一种基于奇异值分解和KL投影相融合的人脸识别方法.方法对人脸图像进行奇异值分解与KL变换,随后将KL投影的主特征向量和SVD特征向量进行线性融合形成新的特征向量,并以此作为判别标准.经试验测试该方法消除了当检测库中人脸的姿态变化时人脸图像间的相关性下降对识别正确率的影响,大大的提高了人脸识别的正确率.     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法(Activecontourmodel,也称Snakes方法)被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强,并且精度不高。对常规Snakes方法进行了改进,其改进主要包括两个方面:1)针对人脸肤色的特点改造了Snakes能量函数的图像能量项,用以提高算法的精度;2)基于人脸五官形状特点,增加了一个新的能量项———形状限定能量项,以期获得更好的鲁棒性。最后,对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明,改进后的Snakes方法具有良好的收敛性,并能准确收敛到人脸特征处。     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法（Acdve contour model，也称Snakes方法）被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强，并且精度不高。对常规Snakes方法进行了改进，其改进主要包括两个方面：1）针对人脸肤色的特点改造了Snake。能量函数的图像能量项，用以提高算法的精度；2）基于人脸五官形状特点，增加了一个新的能量项——形状限定能量项，以期获得更好的鲁棒性。最后，对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明，改进后的Snakes方法具有良好的收敛性，并能准确收敛到人脸特征处。     

基于RCNN的无人机巡检图像电力小部件识别研究

随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。     

基于Anchor-free的交通标志检测

交通标志检测是自动驾驶中的重要研究方向,实时准确地从街景图像中检测交通标志对实现自动驾驶及智慧城市的发展具有重要意义。传统的算法基于颜色、形状特征进行检测,只能提取特定种类的交通标志,算法无法同时检测不同类型的交通标志。基于图像特征+机器学习分类器的算法需要人工设计特征,算法速度较慢。主流的基于深度学习的方法多基于先验框,在网络设计上引入了额外的超参数,且在训练过程中产生过量的冗余边界框,容易造成正负样本不平衡。本文受Anchor-free思想的启发,引用YOLO检测器直接回归物体边界框的思路,提出一种基于Anchor-free的实时交通标志检测网络AF-TSD（Anchor-free Traffic Sign Detection）。AF-TSD摒弃了先验框的设计,并引入自适应采样位置可变卷积与注意力机制,大大提高网络的特征表达能力。本文开展大量对比实验,实验结果表明本文提出的AF-TSD交通标志检测网络速度接近主流算法,但精度优于主流算法,在德国GTSDB交通标志检测数据集上取得了96.80%的精度,检测速度平均单张图片32 ms,达到实时检测的要求。     

基于非开挖随钻检测系统与随机森林的地层岩性识别

通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。      

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。     

复杂背景下提高精度的眼睛定位方法

提出了一种在基于肤色的人脸检测中通过进行相似度计算来实现人眼特征提取和定位的算法.其目的是在较复杂的背景环境下对静态图片中的人脸进行检测,找出脸部区域并对该人脸进行眼睛定位.先进行肤色分割来完成人脸的区域检测,然后在检测出的人脸范围中利用人脸的几何特征进行快速的眼睛定位.在人脸区域检测过程中使用均值滤波提高人脸区域定位的准确度.实验结果证明,这种方法是准确的、可靠的和快速的.     

图像预处理对人脸识别系统性能影响研究

目前多数工程化人脸识别系统是基于子空间算法的,针对子空间算法识别系统中稳定性和抗干扰性不高的问题,从图像预处理的角度出发,通过Matlab仿真Eigenface和Fisherface两种算法识别过程,建立起图像差值模型,同时引入不同预处理方法进行比较,根据类间距离和类内距离的变化,从中确定出最优的预处理方法,改善算法识别率和效率,实验结果表明,加入合适的图像预处理可以增强识别系统的强壮性。     

图像预处理对人脸识别系统性能影响研究

目前多数工程化人脸识别系统是基于子空间算法的,针对子空间算法识别系统中稳定性和抗干扰性不高的问题,从图像预处理的角度出发,通过Matlab仿真Eigenface和Fisherface两种算法识别过程,建立起图像差值模型,同时引入不同预处理方法进行比较,根据类间距离和类内距离的变化,从中确定出最优的预处理方法,改善算法识别率和效率,实验结果表明,加入合适的图像预处理可以增强识别系统的强壮性.     

基于网格服务的遥感图像并行融合

图像融合是一项计算密集型的操作,对计算机系统的性能要求很高,硬件的发展远赶不上计算需求的增长,传统的遥感图像处理方式已经不能很好地适应新的资源共享模式,故软件方面的改进是必然的选择。网络技术的发展,使网络带宽有了很大的提高,大量的遥感图像通过网络发布成可在线获取的共享资源,利用网络和这些资源能大幅提升融合处理的速度。网格是网络的进一步延伸,是一个变化性较大的动态系统,资源的动态变化是网格的重要特征,数据的更新、节点的加入或离开、节点负载的变化、网络性能的变化等都会影响网格服务的性能,只有及时地掌握这些动态,并根据情况实时进行调整,才能保证较高的执行效率。基于网格服务的遥感图像并行融合的设计,在网格环境下,通过对资源和服务状态属性的分析,生成最优化的方案进行并行处理,可提供高效的遥感图像融合处理服务。     

无线传感网络中多目标识别与定位系统设计

设计了一种基于无线传感网络的多目标识别与定位系统。系统采用DSP控制器作为传感节点的核心,实时采集移动目标的红外信号、磁信号和声音信号,并对所采集的目标信号进行预处理,通过无线传感器网络将所采集的目标信息上传至上位机,通过上位机调用基于Matlab的神经网络目标识别算法和定位算法分别实现对移动目标的识别与定位。分别进行了室内单人定位和小车定位的多目标探测实验,结果表明,设计的基于无线传感网络的多目标识别定位系统对目标的识别正确率均达到92%以上,定位效果的均方误差小于0.22 m,达到了探测系统的技术指标要求。     

数字钻孔全景影像中结构面特征智能识别方法

数字钻孔全景影像是识别深部岩体结构面的主要方法,传统解译方法主要依靠手动操作完成,其结果存在较强的人为性、主观性和较大误差。针对数字钻孔全景影像技术,提出了一种考虑结构面图像灰度分布特点的智能识别新方法。通过钻孔图像的灰度化、降噪预处理后利用结构面定位信号特征值D定位结构面,获取其所在区域图像;再进行边缘检测、阈值分割及形态学等处理,通过拟合边缘曲线并结合数学表征方法实现了结构面特征(产状、隙宽等几何参数)的智能化识别。通过对地下水封洞库工程深部岩体数字钻孔影像的实例分析,运用本智能识别方法获得结构面特征信息相对于传统人工识别方法,其结果的准确性和客观性更强、批量识别效率更高。这对这数字钻孔影像的智能、快速识别具有一定的参考价值。      

多源SAR遥感影像海上溢油业务化监测系统研究

随着海上石油运输业和海洋石油工业的迅速发展,海上溢油事故频繁发生,造成了巨大的生态和经济上的损失,因此,实时监测溢油信息对灾害防控具有重要意义。本文基于多源SAR影像数据,开展了溢油遥感监测研究,构建了基于GIS的海洋溢油业务化监测系统。系统基于GDAL对原始数据进行解析,实现影像输入和几何校正等处理;在此基础上,封装多尺度图像分割算法和灰度对比度特征提取算法,对SAR影像数据进行分块、分割、溢油识别、合并及参数赋值等自动化处理,实现溢油信息提取的一键化处理;面向溢油监测应用需求,制作各类标准化产品,自动添加制图整饰要素、影像参数、溢油面积和溢油源等各类信息,并实时生成专题快报。     

高分辨率遥感影像目标分类与识别研究进展

高分辨率遥感影像的目标分类与识别,是对地观测系统进行图像分析理解,以及自动目标识别系统提取目标信息的重要手段。本文综述了当前国内外在可见光、红外、合成孔径雷达和合成孔径声纳等遥感影像的目标分类与识别的关键技术和最新研究进展。首先,讨论了高分辨率遥感影像的目标分类与识别问题的主要研究层次和内容;其次,深入分析了高分辨率遥感影像目标分类与识别,在滤波降噪、特征提取、目标检测、场景分类、目标分类和目标识别的关键技术及其所存在的问题;最后,结合并行计算、神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案。具体包括：（1）高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+OpenMP+CUDA的高分辨率遥感影像混合并行处理架构;（2）深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;（3）认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案。此外,根据媒体神经认知计算的相关研究,探讨了遥感影像大数据的目标分类和识别的发展趋势和研究方向。     

基于岩石图像深度学习的多尺度岩性识别

岩性识别作为人工智能和大数据在地质工程细分领域的实践应用方向, 可以为相关人员野外地质工作提供有效助力。为了更好地促进岩性识别在专业领域的应用, 通过对巢湖北部山区的岩石图像采集、数据预处理、迁移学习、网络搭建、网络训练及模型测试等步骤, 实现了基于岩石图像的大数据深度学习识别; 并在归纳总结前人工作的基础上, 提出了多尺度岩性识别方法。根据岩石细观图像建立多尺度模型并赋予一定权重, 与岩石识别模型共同识别得到综合结果, 对岩石岩性整体识别的同时兼顾局部纹理、粒径等细观信息。研究结果表明, 本模型对岩石识别的适用性强, 多尺度方法对于提高识别结果的正确率具有一定的帮助, 模型的测试正确率达到95%以上, 能很好地识别岩石岩性。      

基于无人机测绘技术的露天矿区边坡变形识别方法

为了提高露天矿区边坡变形区域的识别准确率,研究基于无人机测绘技术的露天矿区边坡变形识别方法,引用无人机倾斜摄影测量技术采集露天矿区边坡图像,通过尺度不变特征变化算法从图像中提取边缘特征点,实现图像配准,使用小面元微分校正法和空三解算方法校正图像偏移和倾斜,从配准后的图像中提取监测桩特征点,计算监测桩位移并生成位移云图,...     

瓦片数据版权保护方法及应用研究

 随着"天地图"等网站的建设与不断发展,地理信息资源的共建共享得到了积极推动。然而,网络环境下瓦片数据非法下载、违法使用等安全问题日益严重和突出,如何保护网络环境下瓦片数据版权是当前迫切需要解决的问题。为了节省存储空间,海量瓦片数据存储方式往往采用索引机制,这种存储机制与常见的图像、栅格地图等数据对水印技术的要求不同。本文首先着重分析了采用索引机制存储的瓦片数据特征及其对水印技术的要求;在水印信息生成方面,采用了m序列生成无意义水印信息,而在水印嵌入方面,提出了映射机制的瓦片数据数字水印嵌入算法,采用红色和绿色通道生成的映射函数,将水印信息嵌入到蓝色通道中,其中水印检测为水印嵌入的逆过程;最后,实现了水印技术的瓦片数据实时版权保护系统,并通过了实例验证。     

物联网空间数据仓库框架体系及关键技术分析

文章基于物联网技术的技术特征及其与地理信息契合的分析,将物联网技术引入到空间数据仓库系统的构建之中,给出了物联网空间数据仓库系统的体系结构。对物联网空间数据仓库系统的数据源、数据处理层、数据存储层及应用分析层进行详细的设计,并进一步从识别与传感技术、关系数据管理技术与非关系数据管理技术的融合、数据智能挖掘与可视化、异构网络与接口互联四个方面探讨了物联网空间数据仓库系统的若干关键技术问题。     

基于物联网GIS的消防智能巡检系统设计与实现

消防设施的高效智能管理是衡量城市智慧化水平的重要指标。为了实现该目标,利用物联网技术以及网络地理信息服务技术,设计并实现了集移动巡检终端与网络后台信息管理系统于一体的消防设施智能巡检系统。该系统利用智能无线传感器、RFID以及蓝牙无线通讯等技术,实现消防设施非接触式自动巡检与巡检信息实时传输;通过基于GIS的消防管线与消防拴拓扑结构分层分级可视化,实现消防设施的统一高效管理。相比于现有巡检方式,基于物联网GIS的消防设施智能巡检系统提高了巡检效率与便捷性以及巡检信息的准确性与实时性,为城市中消防设施的实时动态智慧化管理提供了技术支撑和保障。