基于改进SIFT算法的视频图像序列自动拼接

本文提出了一种自适应帧采样和限定特征提取区域的拼接方法,根据帧间重叠率和帧间隔建立线性模型,并把各帧图像对准到其前后的关键帧上。在特征点提取方面,提出了一种改进的SIFT算法进行特征点提取,并采用随机采用一致性(RANSAC)方法来更新匹配点,在图像融合中采用线性加权渐入渐出的自然融合算法。实验结果表明:该方法对一般场景能稳定的抽取到关键帧,并进行拼接,取得了较好的拼接效果。     

基于分形理论的SAR图像边缘检测

分析了ＳＡＲ图像的基本特点,阐述有ＤＦＢＲ模型表达ＳＡＲ图像的基本原理,提出两种基于分形理论的ＳＡＲ图象边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验,说明了分形方法有较强的抗干扰性能,适用于ＳＡＲ图象的边缘检测,并且基于多重分形的方法能获得更好的检测结果。     

基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测

飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8%的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.0500s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测。     

改进Faster R-CNN的遥感图像多尺度飞机目标检测

为了提高遥感图像中多尺度飞机目标的检测精度,本文提出一种基于改进Faster R-CNN的遥感图像飞机目标检测方法。该方法借助多层级融合结构,将深层次的语义特征与浅层次的细节特征相结合,生成多种尺度的既具有精确的位置信息又具有深层次的语义特征的特征图;再借助Faster R-CNN的多尺度RPN (Region Proposal Network)机制,通过对RPN中候选区域尺度的修正,从而提高遥感图像中多尺度飞机目标的定位精度;最后利用Faster R-CNN的分类回归网络,得到飞机目标检测结果。在高分辨率遥感图像中进行了实验,对3种特征提取网络ZF、VGG-16以及ResNet-50进行改进,改进后的精度分别提高了11.34%、9.87%以及1.66%,并且生成的检测框更加贴合飞机目标。实验结果表明,本文方法适用于遥感图像多尺度飞机目标检测,在提高目标定位精度的同时降低了目标漏检现象。     

一种基于改进YOLOv3的遥感影像飞机目标检测算法

针对遥感影像场景复杂,飞机目标尺寸小、特征不明显的问题,提出一种基于改进YOLOv3的遥感影像飞机目标检测算法。首先对YOLOv3的特征提取网络的结构进行改进,并将网络的检测尺度由3个扩展至4个,提高小目标的检测率;其次采用线性加权的非极大值抑制算法,降低排列交错紧密的小目标的漏检率;最后在本文设计的数据集上将该算法与YOLOv3进行对比实验。结果表明,改进后的算法对复杂背景下的小尺寸飞机目标的检测准确率和召回率均有明显提升,验证了本文算法的有效性和鲁棒性。     

基于分形理论的SAR图像边缘检测

分析了SAR图像的基本特点,阐述用DFBR模型表达SAR图像的基本原理,提出两种基于分形理论的SAR图像边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验,说明分形方法有较强的抗干扰性能,适用于SAR图像的边缘检测,并且基于多重分形的方法能获得更好的检测结果。     

用改进的BP网络进行图像边缘检测

由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此提出了一种基于改进BP网络的边缘检测方法。在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量,然后用样本图像对四层BP网络采用改进BP算法进行训练。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

云环境下改进TLBO算法的图像边缘检测

针对TLBO算法在解决复杂高维问题时,表现容易陷入局部最优,多样性丢失过快等不足的问题,提出了一种基于云计算环境下改进的TLBO算法(ITLBO),并将其应用到图像边缘检测中。通过对基本TLBO算法中的‘教’与‘学’阶段进行改进,引入一种新的种群更新方法,提高算法的迭代寻优能力。利用云环境下将该方法应用到图像边缘检测中进行实际性能验证,实验仿真结果表明,该方法提取图像的边缘信息的有效性。本文研究可为智慧城市的建设提供关键技术参考。     

一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题,本文提出了一种基于图像特征提取方法的ORBSLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度,引入闭环检测策略优化相机位姿轨迹,提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性,运用该算法估计机器人运动轨迹,与真实轨迹相对位姿误差为0.144 8 m,试验表明所提出的方法切实可行,具有较高的稳健性。     

机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪。以机载视频数据为研究对象,对这项技术进行了较为深入的分析。将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向。     

采用胶囊体进行三维城市模型的实时碰撞检测

针对复杂三维城市模型动态可视化中实时碰撞检测的可靠性和高性能需求,充分顾及离散检测与连续检测的特点,建立了视点运动空间的胶囊体模型,并定义了其描述参数,提出了基于该模型进行实时碰撞检测的两步检测算法。其中,预检测用来提高计算效率,而精检测则有力地保证了检测的准确性。利用典型的虚拟建筑环境进行实验,证明了该算法的有效性。     

一种基于Harris-Laplace算法的亚像素角点检测方法

为了解决Harris-Laplace检测算法的角点坐标偏移与像素级角点的问题,提出了基于Harris-Laplace算法的亚像素角点检测方法。该方法首先用原始图像与高斯函数进行卷积生成多尺度空间,在原始图像和多尺度空间图像上各自提取Harris-Laplace角点;然后以多尺度空间角点为中心向原始图像投影,统计原始图像上投影区域内的角点形成角点集群,并结合多尺度空间角点响应值对集群角点进行筛选;最后采用位置(坐标)加权平均法确定角点的精确坐标。实验结果表明,该方法能够提供稳定抗噪、尺度不变的亚像素精度角点。     

一种利用飞艇航拍视频的运动车辆检测方法

针对低空飞行器(飞艇)为平台获取的高清晰交通视频数据,通过对交通视频序列数据进行运动补偿与配准,提出了一个在复杂变化背景下基于帧差法的运动目标(车辆)快速检测与提取方法。实验结果验证了本方法的准确与可靠性。     

利用改进的遗传算法对红外影像自适应目标进行检测

针对红外影像背景复杂、噪声污染严重的特点,提出了一种基于训练样本的形态学背景估计方法,并将其应用于天空背景下的小目标检测及复杂自然背景下的人物目标检测实验。实验结果表明,改进的遗传算法不仅有效地改善了其过早收敛的缺陷,还增强了算法的局部探索能力,可消除复杂自然背景的影响,并可以有效地抑制椒盐噪声,检测结果的查准率和虚警率均有很大改进。     

利用低空视频检测道路车辆

针对背景像素的移动,提出了SURF特征稳像和光流法向量相结合的新方法来解决低空视频的道路车辆检测。首先,检测两帧图像的SURF特征;再用最近邻匹配得到两幅图像的匹配点对;随后结合RANSAC和最小二乘法计算全局运动参数向量,获得稳定的帧;最后,根据稳定的帧计算光流法向量,并检测出运动车辆。实验结果表明,基于SURF算子的图像稳像算法在不损失稳像精度的前提下,能够提高图像稳像算法的速度,所提方法能够有效地检测出运动车辆。     

一种改进的UAV视频序列影像镶嵌方法

视频序列影像自动镶嵌是UAV视频影像处理应用中的基础环节和重要研究方向。针对序列影像镶嵌过程中,由于配准精度不高、误差累积所导致的拼接错位严重,镶嵌结果不理想的情况,从提高特征匹配的精度和准确度出发,提出了一种改进型的UAV视频序列影像自动镶嵌方法。通过对特征匹配结果的精细化处理,保证了影像配准的正确性,取得了较好的镶嵌结果。     

基于矢量数据辅助分割的遥感变化检测方法研究

针对变化检测中获取同质像斑较难的问题,提出应用矢量数据辅助分割获取同质像斑。本文提出了基于历史矢量与双时相遥感影像的变化检测方法,实验结果表明,该方法能检测出80%变化的像斑,并能同时获取变化像斑的类别,证明了该方法的有效性。     

一种改进的SAR影像边缘检测方法

由于SAR影像具有乘性相干斑噪声,某些对光学影像有较好检测性能的边缘检测算子,对于SAR影像并不适用,因此本文提出了一种将改进后的Ratio算子与Canny算子相组合的新方法。首先采用多种客观评价指标,得出经典方法中的Lee滤波能有效去除噪声,且最大限度保留了梯度信息,适用于边缘检测;然后对边缘检测具有恒虚警特性的Ratio算子进行改进,改进后的算子更利于影像归一化处理;最后利用改进后的Ratio算子与Canny算子组合成新方法。试验结果证明,组合后的新方法显著提高了边缘检测正确率和定位精度,改善了边缘连续性,具有一定的有效性和实用性。