基于分层自适应部分模型的遥感图像飞机目标检测

提出一种基于分层自适应部分模型(HAPM,hierarchical adaptive part-based model)的目标检测方法,用于遥感图像的飞机目标检测。针对目前目标检测方法在子类型数目确定、模型多分辨率结构关系方面存在的不足,构造如下算法:首先构建一个扩展的Part-based Model模型;其次,分别从子类型的自适应选择、子类型的多层次建模和检测阶段加权距离变换的形变优化等方面对其进行改进;最后,HAPM算法充分考虑了模型的形变,同时结合多层次的建模思想使得目标的检测精度和算法适用性大大增强。用收集的10大国际机场的真实遥感图像数据进行实验验证,证明了算法的有效性。     

多基站模式下的实时与自适应室内定位方法研究

无线通信网络的增值推动了适宜和有效的室内外定位的发展。提出WLAN环境下多基站辅助的自适应定位方法,此方法基于由多个基站信息及其与位置指纹样本点之间的映射关系实时生成的位置指纹库估算移动站的位置。其中,基站与位置指纹样本点对应信号强度之间的映射通过BP神经网络构建。此方法不但能够适应环境中小尺度扰动因素,还能够通过对基站信息的内插适应大尺度环境变化情况。另外,此方法采用的信号强度差分度量,能有效削弱多个设备之间的差异造成的定位误差。试验结果显示该方法能够在动态环境中精确定位目标。     

特征驱动下区实体匹配指标自适应融合技术

空间实体匹配过程中多个指标的融合问题是影响匹配效果的关键问题之一。本文针对这一问题,以区实体为例提出了一套基于范例库的解决方案。首先提取出影响实体匹配的数据特征因子并确定了量化方法,其次选取典型的匹配指标,接下来通过建立指标权值范例库确定各指标权值,最后根据权值和数据特征因子调整匹配过程。该方法使得数据具有学习能力,达到了指标权值的自适应性的目标。实验表明该方法可行,并且可以提升空间实体匹配算法的效率、准确度和智能化程度。     

DCT域遥感影像的自适应遗传优化增强

本文在DCT域中提出了一种基于遗传算法的遥感影像增强技术,针对DCT域遥感影像增强参数需人工设定的问题,利用自适应遗传算法对其进行优化选取:设计了一种考虑偏差的适应度函数以驱动遗传算法进化,通过无分块思想的使用实现了无人工干预、无块效应的遥感影像增强。该方法不但保持了遥感影像的原始色调而且显著提升了遥感影像方差、平均梯度、信息熵等质量测度,有效改善了遥感影像的视觉效果,便于后续影像处理及应用。     

基于遗传算法的RBF神经网络在GPS高程拟合中的应用

本文针对RBF神经网络中隐含层径向基中心值的确定,利用遗传算法对其进行优化,并应用于高程拟合的实验研究中。通过将遗传算法优化的RBF神经网络与K-均值优化的RBF神经网络及标准RBF神经网络进行高程拟合的误差对比分析表明:遗传算法优化的RBF神经网络提高了拟合的稳定度,改善了精度。     

利用数值投影变换构建全球六边形离散格网

本文针对全球离散格网构建过程中从平面格网到球面格网的关键步骤进行讨论,提出了一种新型的评价球面离散格网几何属性最优化的目标函数,使用遗传算法优化,得到了球面上有限层次内最优化条件下的直接剖分格网。利用有限层次内最优化格网提供的控制点数据,结合数值投影变换理论,成功地构建了几何属性更加均匀的全球六边形离散格网系统。实验表明,相对于现有Snyder等积投影建立的全球格网,在格网单元的均匀度上更优;在运算效率方面,速度大约是Snyder投影的2.5-3倍。     

联合LoFTR与自适应IRLS的立体测绘卫星高程误差检查

立体测绘卫星产品精度受多种因素的影响,采用一定的技术手段对立体像对接边的平面高程误差进行准确和全面的量测,不仅可以有效保障测绘产品的生产质量,还有助于检查影像内部可能存在的畸变和异常。本文提出了一种立体测绘卫星高程接边误差检查方法,首先通过LoFTR算法对具有重叠的异轨立体卫星像对进行特征匹配后获取大量的高精度匹配点;然后找出能够分别在两个像对上进行前方交会的匹配点,并计算这一位置的高程接边误差;最后通过自适应迭代再加权最小二乘法(IRLS)方法对单一区域中的匹配点对应的高程接边差的平均值进行稳定性估计,剔除检查结果中的异常值,得到可信结果。通过国产资源三号立体像对和高分七号立体像对的试验,证明了该方法达到的精度水平足以满足立体测绘卫星高程误差检查的精度需求,并验证了该方法的有效性。     

一种基于域适应的动态商品视觉识别方法北大核心CSCD

由于变形、遮挡、运动模糊、商品之间外观的相似性及真实场景中未知的分布偏差,商品动态视觉识别在实际应用中仍存在巨大的挑战。本文提出了一种面向智能零售的动态商品视觉识别方法,即首先通过目标检测网络实时检测商品的外接矩形框,然后在此基础上识别商品的类别并给予推荐,辅助完成消费结算。针对商品拿取视频与商品库图像、训练图像之间的跨域差异,引入邻域风格自适应模型(IBN)和卷积注意力模块(CBAM),提升模型的域适应能力。为了验证该方法的有效性,构建了一个真实的场景数据集Commodity247,数据由智能货柜的顶视摄像头采集,包含247类常见的零售商品,以及37 050张带标注框和商品类别的图片。试验结果表明,在Commodity247数据集上,商品识别的准确率(mAP)可达96.84%,第一推荐正确率(Rank1)可达98.41%,最难样本检索准确率(mINP)可达85.24%;与基于ResNet搭建的基础模型相比,mAP提升了2.91%,Rank1提升了0.60%,mINP提升了10.86%,有效降低了多角度、多光线、多背景的影响。     

融合自适应最优邻域和卷积神经网络的三维点云分类

针对点云分类中提取单个点自身特征所需的邻域尺寸选择,以及低层次特征设计烦琐且表达地物属性能力较弱等问题,本文提出了一种自适应选择单点最优邻域尺寸及学习泛化能力更强的深层次特征的三维点云分类方法。首先基于自适应最优邻域尺寸选择获得每个点的最优局部邻域信息,继而基于局部邻域信息提取点云低层次特征;然后设计一种以待分类点低层次特征为输入的卷积神经网络模型,学习能反映目标地物内在属性的深层次特征并实现分类;最后采用拓普康公司三维点云数据集进行试验,该数据集通过一个配备TOPCON GLS-2200三维激光扫描仪的移动平台获得。试验结果表明,本文方法分类的总体精度达90.48%,优于文中其他点云分类方法。     

雷达干涉测量图像的梯度自适应光滑子函数滤波法

提出了基于梯度的自适应光滑子函数滤波的新方法。对于干涉图中的点,通过梯度分为噪声点和非噪声点。在噪声点处,将包含噪声点的InSAR图像窗口拟合为二次曲面,然后用光滑子函数对拟合曲面进行平滑去噪处理,非噪声点处不进行平滑处理。通过这种方法有效抑制了斑点噪声,又同时做到使干涉图相位偏差较少和较好地保留了边缘信息。利用北京地区的真实ALOS数据进行滤波试验,并与几种常用的滤波方法进行比较和分析。通过均方根误差、峰值信噪比、边缘保持指数和标准相位偏差等量化指标,验证了基于梯度的自适应光滑子函数滤波方法的可行性与有效性。