结合水平集与光流的序列影像运动分割技术研究

提出一种结合变分水平集分割与变分光流的运动分割方法。该方法将光流能量函数与水平集分割能量函数进行整合形成新的运动分割能量函数,并采用变分方法进行优化。采用无人机序列影像对该运动分割方法进行实验分析,实验结果表明该方法在目标运动位移过大时,既能准确地估计出运动矢量,又能精确地分割出目标区域。     

运动分割和光流估计的卫星视频超分辨率重建

针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。     

地图模式识别的原理、方法与实现

分析了模式识别、地图制图和地图模式识别的国内外发展现状;归纳总结了地图符号的构图规律,提出并改进了地图符号的链码、区域、拓扑和结构等计算机描述方法。具体地讨论了地图模式信息的获取,图像文件格式分析,彩色地图图像的显示与自动分色,面向对象编辑处理软件的设计,基于知识的待识目标的自动定位分割方法和人工交互提取,以及地图模式信息的数据库管理。     

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.     

决策树弱分类支持的卫星视频运动检测

针对卫星视频的运动检测存在的局部伪运动虚警问题,提出一种决策树支持的局部有差别更新背景减除法。首先,对ViBe背景模型加以改进,在原模型基础上新增更新因子参数,建立初始的背景模型;其次,利用改进的模型进行运动检测,并对检测结果进行连通域标记,得到分割目标集;然后,根据目标特征属性建立决策树模型,并对分割目标集进行弱分类处理;最后,根据分类结果对背景模型样本和对应的更新因子进行局部有差别更新,进而实现“伪运动”虚警消除。利用SkySat和吉林一号视频数据进行实验,结果表明所提方法的效果和性能良好,检测率优于0.909,针对经典ViBe方法的误检测消除率优于90%。     

基于Mask R-CNN的高分遥感影像建筑物目标检测

深度学习方法在目标检测和语义分割领域得到了广泛应用,但在遥感影像中,由于建筑物呈聚集型分布且目标之间间隔紧密,建筑物目标检测暂未取得较好的效果。针对上述问题,提出一种基于Mask R-CNN的高分辨率遥感影像建筑物目标检测方法,将边界框识别与像素级语义分割结合起来,较好地解决了聚集分布且间隔紧密的建筑物目标检测问题。实验结果表明,该方法具有较高的检测精度。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

基于GMRF-SVM的高分辨率遥感影像目标区域划分方法

高分辨率遥感影像数据量大、细节丰富并呈现出一定的尺度依赖性,单一尺度遥感影像分割难以同时兼顾影像的宏观和微观特征,这成为制约遥感信息自动化提取技术发展的瓶颈之一。对此本文提出了基于特征的多尺度高分辨率遥感信息提取技术框架,并分析了其对于大尺度海量数据信息提取与目标识别工作具有的理论及实践意义。根据影像光谱或纹理等特征,提出采用GMRF-SVM方法在大尺度上进行分类的目标区域划分方法。从大尺度信息提取的角度来看,该方法综合了GMRF纹理分类和SVM少量样本模式识别的优势,便于先验知识的融合,无论从花费时间还是分类处理效果上,都远远优于直接采用GMRF进行分割所取得的效果,对于后面的信息提取和目标识别来说更具有实际意义。     

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。     

智能驾驶中点云目标快速检测与跟踪

利用实时车载激光点云,实现城市环境下的多目标快速检测与跟踪。动态目标跟踪是实现城市环境下自动驾驶的关键,是三维城市场景感知的研究难点。相比于图像,三维激光点云数据更适合用于目标三维形状估计和运动预测,所以广泛应用于无人驾驶方案中。使用基于目标模型和卡尔曼滤波的目标跟踪框架,针对稀疏点云数据中常见的过分割和欠分割问题,提出一种关联历史跟踪结果和目标检测的快速跟踪算法。将跟踪结果作为先验知识,与下一时刻的目标检测关联,增强目标检测的稳定性。该算法已经应用到搭载三维激光扫描仪的自动驾驶汽车中,实验证明,该算法适用于城市交通场景,且满足实时解算需求,单帧处理平均耗时58 ms。     

基于多分类器组合面向对象遥感影像信息提取方法

提出最近距离法和基于知识规则的模糊分类法相结合的混合分类法,针对IKONOS遥感影像,分别用最近距离法、基于知识规则的模糊分类法以及混合分类法对影像进行信息提取。结果表明：混合分类法的信息提取精度最高,总体精度提高到95.60%,Kappa系数提高到0.944,其为面向对象的高分辨率影像信息提供理想方法。     

测边后方交会在精密工程中的应用分析

本文通过对普通测设方法（极坐标法、直角坐标法等）的分析引出了测边后方交会的方法,并简要介绍了测边后方交会法的基本原理,推导了测边后方交会法的计算公式,评定了该方法的精度,论证了该方法在精密工程中的可行性,弥补了极坐标、直角坐标等普通测设方法在精密工程中的缺陷。     

“非基准方法”及其在区域性地壳形变研究中的应用

“非基准方法”是进行区域变形监测网解算的适用方法。本文介绍了“非基准方法”的基本原理和优点 ,应用“非基准方法”和“基准方法”对区域网解算结果进行了比较 ,对当周边区域 GPS基准站坐标含有粗差时的解算结果进行了分析 ,得出了对于区域性地壳形变分析与板块内部运动研究 ,采用“非基准方法”比“基准方法”可以获得更高的相对定位精度     

SPOT图像的几何纠正

采用了 3种几何纠正 SPOT图像的方法 :多项式纠正法、数字微分纠正法、直接线性变换法。在精度上 ,数字微分纠正法最高 ,直接线性变换法次之 ,多项式纠正法最低。在数字微分纠正中 ,采用了直接法和间接法两种方案 ,两者在纠正精度上基本一致 ,但后者纠正精度稍优于前者。最后又利用直接线性变换模型简单而严密地纠正了 SPOT图像。     

结合正则化最小二乘进行高空间分辨率四波段相机云识别

针对资源三号(ZY-3)多光谱影像的特点,提出一种结合最小二乘原理与阈值法的云检测方法。在阈值法进行初始云提取的基础上,利用正则化最小二乘进行云像元的再次提取,克服了高分辨率遥感影像上云与道路、房屋等地物容易混淆的问题。与现有云检测方法进行对比,利用阈值法与正则化最小二乘进行云检测的整体精度和Kappa系数明显高于阈值法、阈值与K均值聚类相结合的方法,达到了支持向量机云检测方法相同的精度水平,但是效率明显高于后者。将该方法应用于不同时相和场景的遥感影像,算法云像元提取的整体精度在97%以上,Kappa系数在0.9以上。分析表明,该算法能够对不同下垫面情况下的云像元进行有效地识别。     

简单多边形顶点凹凸性判断算法综述

简单多边形顶点凹凸性判断算法种类繁多,在模式识别及计算机图形学等领域具有重要应用.为了研究不同种类算法的内在联系与区别,以便在实际应用中根据情况选择合适的算法,分析了目前较为流行的角度法、左右点法、矢量面积法、向量积法、射线法、斜率法和极点顺序法等算法.经过详细的推导论证发现,这些算法都可以使用公式b=p*m来表示,且...     

一种基于F-J线性-非线性模型解的迭代最小二乘方法

基于贝叶斯理论的线性与非线性模型反演方法（Fukuda-Johnson,F-J）已广泛应用于地球物理模型的线性-非线性参数反演。但F-J方法的反演结果可能受马尔可夫链蒙特卡洛采样（Markov chain Monte Carlo,MCMC）经验参数选择的影响,而反复调试合适的经验参数需耗费大量计算时间。对线性与非线性模型进行线性化后,也可以利用迭代最小二乘方法反演,但该方法难以选择合适的初始值。为提高参数反演计算效率和避免参数初值选择影响,提出了一种以F-J方法模型解为初始值的迭代最小二乘方法。该方法只需计算一次F-J方法模型解和有限次最小二乘迭代,既提高了F-J方法的反演效率,又能获得迭代最小二乘全局最优解。针对模拟数据实验和实际数据算例,分别采用F-J方法、随机生成初始值的迭代最小二乘方法和以F-J方法结果为初值的迭代最小二乘方法进行参数反演。结果表明,直接使用F-J方法时,MCMC采样参数会影响反演结果;直接进行迭代最小二乘反演时,初始值选取不当会导致迭代无法收敛到正确的结果;以F-J方法的结果作为迭代最小二乘方法的初始值进行反演,可以充分发挥F-J方法的全局最优性和迭代最小二乘方法计算量小、稳定性好的优势。     

基于反距离加权和克里格插值的S-A多重分形滤波对比研究

本文以铜陵矿集区土壤Cu元素含量数据为例,对比研究反距离加权插值法和克里格插值法对S-A多重分形滤波的影响。与单纯的反距离加权插值和克里格插值结果相比,无论是基于反距离加权插值还是克里格插值,多重分形滤波(S-A)方法分解得到的铜陵矿集区Cu元素异常场对已知Cu矿田的指示均更加准确。基于克里格插值结果的异常场相比于基于反距离加权插值结果的异常场,具有更好的异常识别效果,与铜陵矿集区已知Cu矿床分布的空间相关性更加显著,具有矿田尺度的成矿预测价值。     

一种新型数据编码方案——简拼编码法

作者根据多年野外测图实践经验,在对当前应用较为广泛的几种主流数据编码方案——全要素编码、块结构编码、简编码和二维编码方案的编码规律及优劣性对比分析的基础上,提出了一种适用于全站仪测站式测图及GPS手簿式数据采集的全新数据编码方案——简拼编码法。其编码方式简洁,含义明确、易记,使用上输入方便,野外采集效率较高,是一种新型高效的全数字测图编码方式。     

泛概念层次构建方法及其在遥感图像分类中的应用

针对传统泛概念树在进行正态云综合时出现雾化现象以及使用极大判定法进行遥感图像分类时缺乏类别信息的问题,提出了一种泛概念层次构建的改进算法,并基于改进的泛概念层次构建算法进行遥感图像分类。对TM遥感影像进行分类实验,并与常用的最大似然、最小距离、马式距离等方法进行遥感图像分类的对比试验,验证了本方法的有效性。