一种多特征自适应融合的粒子滤波红外目标跟踪方法

提出了一种自适应融合颜色特征和边缘特征的粒子滤波跟踪算法。首先,利用粒子滤波的天然框架,选择在红外条件下最能代表目标信息的颜色特征和边缘特征构造目标的多特征模型;然后,根据不同特征对目标与背景的可分性,对多特征模型中各特征分量的权值进行自适应调节;最后,借助动态空间模型,对粒子滤波跟踪算法进行改进,预测粒子的运动状态,从而克服环境突变对跟踪稳定性的影响。实验结果表明,本文算法能克服各种背景杂波及噪声的干扰,并能很好地解决目标在复杂背景下的尺度变化和突变运动带来的困难,保证了跟踪的鲁棒性和稳定性。     

多尺度特征增强的遥感图像舰船目标检测

针对背景复杂的遥感图像中,舰船方向任意、密集排列造成的漏检问题,基于旋转区域检测网络,提出多尺度特征增强的遥感图像舰船目标检测算法。在特征提取阶段,利用密集连接感受野模块改进特征金字塔网络,选用不同空洞率的卷积获取多尺度感受野特征,增强高层语义信息的表达;为了抑制噪声并突出目标特征,在特征提取后设计基于注意力机制的特征融合结构,根据各层在空间上的权重值融合所有层,得到兼顾语义信息和位置信息的特征层,再对该层特征进行注意力增强,将增强后的特征融入原金字塔特征层;在分类和回归损失基础上,增加注意力损失,优化注意力网络,给予目标位置更多关注。在DOTA遥感数据集上的实验结果表明,该算法平均检测精度可以达到71.61%,优于最新的遥感图像舰船目标检测算法,有效地解决了目标漏检问题。     

结合显著图和深度学习的遥感影像飞机目标识别

为准确快速识别高分辨率遥感影像中的飞机目标,提出了一种结合显著图和深度置信网络(DBN)的飞机目标识别算法。本文首先使用HC(直方图对比度)算法提取遥感影像中的显著目标;然后通过定位连通区域确定候选目标的位置;随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图;最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明,本文算法的检测率为98.46%,虚警率为5.20%。算法从多种底层图像特征出发,有效克服了单一特征描述能力不足的问题,提高了飞机目标识别能力及抗干扰能力。     

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...     

利用二维灰度直方图跟踪红外运动目标

红外图像由于其信噪比低,跟踪目标很难用一维直方图描述。本文提出采用二维直方图建立目标模型,基于均值漂移的红外运动目标跟踪算法。该算法用二维直方图描述运动目标,然后采用均值漂移算法估计候选目标的位置。使用都柏林城市大学红外视频数据对该跟踪算法进行测试,试验结果表明,该方法可以有效应用于实时红外运动目标的跟踪。     

基于二维灰度直方图的均值漂移红外运动目标跟踪

红外图像由于其信噪比低,跟踪目标很难用一维直方图描述。本文提出采用二维直方图建立目标模型,基于均值漂移的红外运动目标跟踪算法。该算法用二维直方图描述运动目标,然后采用均值漂移算法估计候选目标的位置。使用都伯林城市大学红外视频数据对该跟踪算法进行测试,实验结果表明,该方法可以有效应用于实时红外运动目标的跟踪。     

改进Tamura纹理特征的图像检索方法

针对Tamura方向度纹理特征计算时直方图峰值难以确定的问题,本文提出了采用改造后的旋转不变边缘方向直方图代替方向度纹理特征;针对粗糙度纹理特征不能充分反映图像上纹理基元尺寸的大小分布的问题,提出了采用粗糙度直方图代替粗糙度的特征表达方式。实验表明,改进后的Tamura纹理特征易于获取,包含图像更多的信息,显著地提高了检索性能。     

基于边界特性改进直方图门限法的道路提取

针对经典边缘检测算子在提取道路边缘时,易于受到房屋边界、地类界等线性目标的干扰,使得检测出道路边缘的同时混有其它非道路线现象,提出一种基于边界特性改进直方图门限算法提取道路边缘像素,利用边缘像素改善直方图检测道路像素的方法。该算法首先获取道路边缘像素,然后通过形态学运算得到初始道路段,细化获取道路中心线,最后对其进行判断编组连接得到道路网络。     

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。     

基于无人机影像的快速分割方法

为解决地震灾区震后空间数据难以及时获取的问题,考虑到无人机(unmanned aerial vehicle,UAV)遥感影像自身特点,提出了一种改进的均值漂移(Mean Shift)分割算法。按照影像特征将UAV影像划分为纹理区和匀色区,对匀色区直接进行Mean Shift算法分割得到初分结果;对纹理区综合提取颜色、纹理、形状信息构造高维特征空间,并根据归一化分布密度值求得其合适的带宽,再使用Mean Shift算法对特征空间进行模式分类得到分割结果;通过构造代价函数进行区域合并,消除过分割区域,得到最终分割结果。针对芦山地震后获取的高空间分辨率UAV影像进行分割实验,并提出一种考虑到面积和光谱的分割匹配指数对分割结果进行评价。实验结果表明:所提出的改进的Mean Shift算法的分割精度优于传统的Mean Shift算法,为后续的震害信息提取提供了数据保障。     

顾及道路约束条件的动态目标检测与跟踪方法

智能交通是智慧城市的重要组成部分,面对复杂多变的道路背景,如何能够快速检测、跟踪道路监控影像中的动态目标,是智能交通建设的关键技术难点。本文根据道路监控视频特点,提出了采用道路约束条件与颜色特征集相结合的动态目标跟踪方法,以道路约束条件确定运动目标搜索区域,利用HSV颜色特征集进行特征匹配,然后基于ⅡR滤波背景法对背景影像进行更新及动态目标的检测,并根据道路约束条件与颜色特征相结合跟踪方法实现对动态目标的跟踪及动作预测。试验结果表明该方法可准确对运动目标进行检测与跟踪,且对慢速运动目标也具有较好的响应能力,实现了对道路动态目标的实时检测与跟踪。     

联合时空信息和轨迹关联的空中多目标检测

为解决空中多目标检测中目标在图像中所占像素数少、目标相互毗邻和相互遮挡的难题,提出了联合时空信息和轨迹关联的空中多目标检测算法。该算法首先利用基于像素的背景建模算法得到目标空间信息,结合邻近帧差算法提取的目标时间信息,联合得到目标的时空信息图;然后,利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹,根据目标轨迹补充漏检目标,提高目标的查全率;最后,分段提取目标轨迹特征,根据轨迹特征进行判断,滤除虚警目标,提高目标的查准率。采用空中多目标视频进行实验验证,结果表明,本文算法检测性能优良,查全率高于96%,查准率高于98%,F测度高于97%。     

基于色彩理论与数学形态学的彩色地图自动分层研究

研究一种新的基于色彩原理的彩色地图自动分色算法 ,该算法首先将彩色地图经过颜色变换 ,转换到孟塞尔颜色空间 ,而后进行颜色分类 ,并利用数学形态学进行结果优化。该算法很好利用了图像的颜色信息和空间信息 ,取得较为理想的效果 ,并提高了运算效率     

融合颜色-纹理模型的均值漂移分割算法

针对常规的均值漂移算法在特征空间聚类时未考虑图像的纹理信息从而导致分割精度不高的问题,该文提出了一种融合颜色-纹理模型与均值漂移的改进分割算法。首先,对原始影像进行同等组滤波和颜色量化,得到颜色-纹理模型;其次,利用均值漂移算法对滤波影像进行初始分割,得到同质性较好的初始分割区域;最后,将颜色-纹理模型及初始分割对象轮廓信息应用于区域合并过程中,结合形状特征增强分割对象的紧密性。该算法充分结合了图像的颜色、纹理特征,通过对不同类别的遥感影像的分割实验进行分析,结果表明分割效率和分割质量均得到较大提升,且具有较好的适用性、可靠性及精确性,对遥感影像中纹理信息丰富的植被、密集建筑区等具有较好的分割效果。     

一种飞机目标的遥感识别方法

高空间分辨率遥感影像通常具有数据量大、背景复杂及地物占比较少等特点。如果直接将RCNN模型应用于高空间分辨率遥感影像目标识别,计算量大且效率低。级联AdaBoost算法识别率高、速度快,但又会产生较多的虚假目标。本文结合RCNN模型和级联AdaBoost算法,提出了一种由粗到精的飞机目标识别方法。首先使用基于HOG特征的级联AdaBoost算法快速提取飞机目标候选区域,然后利用基于卷积神经网络特征的SVM对飞机目标候选区域进行精细识别。试验表明,本文提出的方法在保证准确率的同时,还有效提高了计算效率。     

一种面向异常检测的高光谱图像降维算法

针对高光谱数据预处理中传统降维算法的不足,文章提出采用线性局部切空间排列(LLTSA)算法进行降维,并在低维空间中,以数据点到背景流形的最小距离为度量进行异常目标检测。面向异常目标检测问题的降维算法,需要考虑计算量和异常污染两个问题:为减少计算量,选择图像中一部分具有代表性的训练数据进行LLTSA降维并求取用于泛化的投影矩阵;为避免异常信息对背景特性的影响,应该选择不含异常的背景训练数据建立背景流形。背景训练点的选择基于递归多层分割算法,结合分割块的大小和分割块被近邻点重构的误差,去除分割结果中可能包含异常的区域并尽可能多地保留背景信息。实验结果表明LLTSA可以利用少数特征有效区分背景和异常,基于LLTSA的检测算法比经典RX和核RX算法具有更好的异常检测性能。     

改进尺度不变特征变换的遥感影像配准

当遥感影像强度映射差异较大或发生非刚性变换时,该类方法会导致不理想的配准效果.针对此问题,该文提出了一种结合改进的SIFT和LPM算法的遥感影像配准方法.在SIFT算法的基础上引入Scharr滤波器进行空间极值检测并计算高斯尺度空间的梯度幅值;在构建特征描述符时使用梯度位置方向直方图算子提取特征向量;在特征匹配阶段通过设定阈值进行初始匹配并生成预设匹配集,利用LPM算法剔除预设匹配关系集中的错误匹配关系.实验结果表明,较之已有的遥感影像配准方法,本算法可以得到更高的匹配精度和更理想的配准效果.     

改进LBP和HSV颜色直方图相结合的地表状态识别

在利用近地表遥感探测方法对地表信息进行反演时,地表状态的不同会导致电磁波传播方式不同,进而决定了所采取的遥感探测方式、探测波长及探测手段的不同。因此,地表状态的识别是进行近地表遥感反演的前提和基础,其识别的准确率也决定了反演结果的准确度。本文提供了一种改进LBP（local binary pattern）和HSV颜色直方图相结合的地表状态识别算法,通过改进阈值的LBP算法和HSV颜色直方图提取特征向量并建立判别条件,最后利用K邻近算法对测试样本与训练样本进行特征匹配,得到识别结果。将野外采集的411张图片多粗随机分组为训练样本和测试样本,结果表明206张测试样本的分类正确率都达98.7%以上,证明了本文算法的有效性。     

顾及精准定位的路径规划算法研究与实现

针对常规路径规划服务在目的地附近存在定位随机性的问题,该文从精准性、实用性的角度出发,提出了顾及精准定位的路径规划算法。首先,借鉴自发地理信息的思想,构建了描述空间方位关系的语义模型,设计了承载出入口空间信息的数据编码、自发式出入口空间信息采集模式,构建针对自发地理信息特点的空间数据库;然后,利用出入口空间位置信息和Dijkstra算法实现顾及精准定位的规划路线可视化;最后,以某校园为例,进行算例验证。结果表明,该算法获取的有效出入口空间信息,能消除常规算法在目的地存在的定位随机性,可以规划更为合理、准确的出行路线。     

基于地物空间信息的浮动先验概率最大似然分类研究

利用遥感影像对地物进行分类识别时，既需要考虑地物波谱信息，也需要考虑其空间信息。现有遥感分类方法主要集中在利用像素的波谱信息，对各个像素进行独立分类，忽略了地物空间信息。考虑到传统最大似然分类（MLC）方法包括先验概率和条件概率密度函数两个核心环节，提出基于空间信息的浮动先验概率MLC方法，融合空间信息和波谱信息，以提高分类精度。在分析地物空间信息的基础上，总结了基于空间信息的浮动先验概率确定原则和依据，包括地物几何空间特征、情景特征、临近像素空间自相关定律、景观参数等，并设计了基于地物空间特征和临近像素空间自相关定律的浮动先验概率确定算法和分类流程。通过分类试验和误差矩阵分析，结果表明：基于空间特征和临近像素空间自相关定律的浮动先验概率MLC方法，能够融合地物的波谱信息和空间信息，克服最小距离、MLC等基于像素波谱信息的分类方法的缺点，显著提高地物分类精度。