利用多特征融合的面向对象的高分辨率遥感影像变化检测

针对高分辨率遥感影像变化检测中的一些难点和传统基于像元的变化检测方法的局限性,提出了一种多特征融合的面向对象变化的检测方法。为保证图斑的空间位置对应,首先利用改进的图像分割算法对两幅影像进行联合分割,然后统计图斑的多种特征,依据该特征进行变化向量分析,得到图斑的变化和非变化类型。最后,利用Quick Bird影像验证了该算法的可行性,检测结果明显优于传统基于像素的检测方法。     

基于边缘检测的快速斑点识别算法

针对珍贵视频影像中的斑点识别与修复问题,提出了一种基于边缘检测的斑点识别算法.首先利用边缘检测算法提取当前帧的大致边缘,然后依据边缘像素,利用提出的正反扫描方法和局部运动估计的SROD算法识别出斑点全部像素点.实验表明,提出的算法时间复杂度是SROD算法和Gullu MK算法的1/4到1/2,而斑点识别效果有较明显的改善,为后续斑点修复提供了快速准确的定位信息.     

基于SURF和TPS的立体影像密集匹配方法

利用加速鲁棒特性(SURF)算法搜索影像的特征点,基于薄板样条(TPS)建立对应域之间连续和光滑形变变换,用于影像视差的估计,在此基础上提出一种新的立体影像密集匹配方法.首先,基于SURF算法进行特征匹配;然后,利用极线和TPS变换约束选择稳定可靠的同名点,计算影像之间的TPS变换矩阵,估计对应点的位置;最后,基于影像灰度进行密集匹配,并利用极线约束和TPS矩阵删除误匹配点.为保证视差估计的可靠性,利用种子点的外接凸边形对匹配区域进行限定.以人脸三维重建中的影像匹配为例,得到了稳定可靠且密集的同名点.     

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.     

基于DM642的快速目标检测与跟踪算法

基于TI DM642硬件平台,设计了运动目标快速检测与跟踪算法.首先改进了Running Average 背景实时更新建模的方法,消除了原有算法背景更新时产生的运动目标重影.采用背景差分方法检测运动目标,速度较快.使用Otsu算法自适应求取最佳二值分割阈值分割目标,提高检测精度.在此基础上,提出了一种快速的运动目标形状中心线性预测算法,估计运动目标中心,再结合MCD（Maximum Close Distance）高精度模板匹配,进行目标的精确定位.     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于超像素空间关系特征的无人机影像拦河坝提取

针对目前无人机影像提取内河目标存在的人工解译依赖高等问题,提出一种基于超像素空间关系特征的内河设施提取算法.首先,采用简单线性迭代聚类(SLIC)算法分割无人机影像生成超像素;其次,对分割得到的超像素区域进行颜色及纹理特征计算,基于支持向量机(SVM)实现水陆分割;最后,基于空间关系特征实现拦河坝的自动提取.实验结果表明,该方法能够有效提取无人机影像中的拦河坝区域,对内河航运发展和航道设施监测具有一定的应用价值.     

基于张量投票算法的SAR图像道路提取方法

阐述了张量投票算法基本原理,提出了一种利用张量投票算法从合成孔径雷达(SAR)图像中提取道路网的方法.首先利用一个比值算子和一个相关算子的融合检测算子将道路基元榆测出来;然后再利用方向可调滤波器进行SAR图像的局部方向估计;最后对方向估计结果进行张量编码,并采用张量投票算法构建道路网.基于真实SAR图像的实验结果显示,此方法对斑点噪声不敏感,不需对SAR图像进行复杂的预处理,就能快速、准确地检测SAR图像中的道路网.     

基于感兴趣区域AdaBoost分类器的视频车辆检测研究

近年来基于视频的车辆自动检测作为城市智能交通系统的一项重要技术一直受到关注.针对AdaBoost分类器目标检测所存在的漏检、误检和计算量过大等问题,提出一种基于混合高斯模型运动区域提取和Haar-like特征的AdaBoost级联分类器的交通视频车辆检测算法,首先通过建立混合高斯模型对运动目标的总体区域进行检测,进而提取基于车辆运动的感兴趣区域,再对其进行基于Haar-like特征的区域AdaBoost级联分类,实现对运动车辆的检测.由于采用了基于运动区域提取和分类相结合的检测模式,通过混合高斯背景模型较准确的提取出ROI作为车辆的候选区域,约束了每帧的搜索区域,使AdaBoost分类器的目标检测更具针对性,提高了检测的准确性,降低了漏检率;同时也减少了分类算法滑动窗口扫描所需要的时间,提高了检测速度.实验结果验证了所提出算法对复杂交通环境车辆检测的适应性和有效性.     

基于雷达和红外的序贯粒子PHD滤波融合算法

针对粒子概率假设密度(PHD)滤波算法在虚警、漏检情况下,目标状态估计不稳定和目标可观测性较弱的问题,提出了一种基于序贯融合的粒子PHD滤波方法,利用雷达和红外传感器多目标进行融合跟踪.其基本思想是先对红外传感器进行粒子PHD滤波,再将红外传感器滤波结果作为雷达的预测值,然后利用雷达观测的数据进行更新,这样通过雷达和红外传感器交替工作保证目标状态的可观测性,从滤波器输出结果即可得到目标的状态信息.仿真结果表明,在虚警、漏检和密集目标环境下,该方法是有效的和稳健的.     

基于形态学和盲源分离合成孔径雷达水体提取

采用一种新的基于独立分量分析(independentcomponent analysis,ICA)盲源分离(blind source separation,BSS)和形态学开重构(open reconstruction)的方法实现多极化合成孔径雷达(synthetic aperture radar,SAR)影像相干斑噪声抑制和水体目标快速提取.SAR影像具有强烈乘性相干斑噪声,影像数据为非高斯分布,具体分布形式未知.利用独立分量分析方法,不需要知道SAR影像的具体分布,通过对数量化将相干斑噪声转化为与图像数据相互独立的加性噪声,从多极化SAR影像中自动分离出图像数据与相干斑噪声,并自动选择相干斑指数最小的分量为图像分量.针对SAR影像水体目标的亮度及形状分布特征,进一步采用形态学开重构运算,从分离出的图像分量中提取出水体目标.利用ENVISAT ASAR多极化影像进行了实验,结果表明该方法可以快速准确地提取多极化SAR影像中的水体目标.     

融合纹理特征和空间关系的TM影像海岸线自动提取

针对以往研究中简单运用影像单一特征(光谱特征或者空间关系)提取海岸线的不足, 在提取过程中逐步融入区域纹理特征、空间关系和经验知识, 提出一种融合纹理特征和空间关系的海岸线自动提取方法: 首先利用影像的水体指数和纹理特征, 对影像水、陆区域进行二值分割; 然后结合空间关系和经验知识, 对分割结果进行优化和后处理, 并生成矢量海岸线; 最后, 利用基于线匹配的岸线精度评价准则, 分析岸线提取结果。将该方法运用到辽东半岛复杂背景条件下TM影像的海岸线提取实验中, 取得了良好的实验效果, 证明纹理和空间关系在海岸线提取中具有重要作用。     

基于虚警识别与空-频域显著性映射的红外弱小目标检测算法

为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显著性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显著性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显著性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。     

一种自主空中加油视觉导航图像处理方法

针对自主空中加油近距导航问题,提出了一种锥套检测和跟踪的视觉导航图像处理方法.对于锥套检测,首先利用阈值法和数学形态学方法消除图像干扰,然后提取所有的轮廓并对轮廓进行检查,最后匹配得到目标锥套轮廓.对于锥套跟踪,以上一帧图像的定位结果作为先验信息来确定当前帧图像的可能范围,然后采用上述锥套检测方法进行处理.最后,以一架微型六旋翼飞行器作为受油机,利用自主空中加油试验台获取的真实飞行图像,对所提出的视觉导航图像处理方法进行了验证.试验结果表明:所提出的视觉导航图像处理方法具有较高的实时性及可靠性,能够满足自主空中加油的要求.     

基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

基于改进MRF的高分辨率SAR图像中建筑物轮廓提取算法

本文提出了一种基于改进马尔科夫随机场模型(MRF)的高分辨率SAR图像建筑物轮廓提取的方法.该方法首先引入了自适应的权重系数来改善邻域系统对先验能量项的影响,从而使分类结果更加准确.其次,利用Fisher分布来描述观测图像每一类的边缘分布,并且估计Fisher分布的参数;然后,根据改进的MRF对图像进行分类;最后,利用面向对象的方法,利用建筑物的形状特性及空间关系来提取建筑物.实验结果表明该方法可以较好地提取出建筑物的轮廓.     

数字相机大型复杂工件快速检测关键技术研究

为了解决大型复杂工件快速检测难题,本文对数字相机摄影测量关键技术进行了研究,实现了一套适合于大型复杂工件的现场快速测量系统。使用编码标志点实现相机姿态定位,将相机自标定技术应用于光束平差,整体的优化测量结果。通过多个相机位置外极关系解决非编码标志点的匹配与重建问题,修正了标志点厚度带来的测量误差。实验结果表明,该系统20分钟内可以完成3米×3米×0.5米的大型工件测量,与代表国际先进测试水平的系统的测试结果偏差小于0.01mm。     

单次运动想象脑电的特征提取和分类

为了实现脑-计算机接口(BCI)系统,对运动想象脑电信号的特征进行了提取和分类.将大脑C3,C4处采集的二路运动想象脑电信号分成4段,分别建立六阶AR参数模型进行功率谱估计,再对每段数据的功率谱求和构造特征矢量,提供给误差反向传播算法进行左右手运动想象脑电模式分类.结果表明,该方法提取的特征向量较好地反应了运动想象脑电信号的事件相关去同步(ERD)和事件相关同步(ERS)的变化时程.另外,该方法识别率高,复杂性低,适合在线脑-计算机接口的应用.     

基于注意力与多尺度的4类脑电信号解码

为了增加主动式脑-机接口（BCI）指令集的数量，提出了一种基于运动想象和言语想象的时序编码实验范式。通过将1个运动想象和1个言语想象分时序进行，获得了4类想象方式：1）运动想象；2）言语想象；3）先运动想象再言语想象；4）先言语想象再运动想象。针对上述实验范式的脑电信号设计一种基于注意力与多尺度神经网络（AMEEGNet）：首先通过一个空洞卷积和三个不同大小尺度的二维卷积提 取信号的鲁棒性时间表示；然后使用深度卷积和可分离卷积提取空间特征和频域特征；此外，在模型中添加挤压激励模块，以自适应提取具有高分类精度的特征；最后采用一个具有全连接的网络层进行分类。该模型在拥有四类想象的时序编码实验数据集上获得了71.1%的平均准确度，且在同一数据集上EEGNet，MMCNN，Shallow ConvNet，TSGL-EEGNet分别取得57.9%，60.5%，68.3%，68.4%的精度，可见所提模型识别准确率最高。     

无人驾驶车辆基于角点和斑点的特征提取算法

针对运行在计算资源有限的车载嵌入式系统中的视觉里程计算法实时性较差的问题,提出一种基于Harris和SIFT相结合的图像匹配方法——Harris-SIFT算法。在介绍了SIFT算法的基础上,给出了Harris-SIFT算法的原理:使用Harris算法提取图像中的角点作为特征候选点,再利用SIFT算法在Harris的特征候选点中进行特征点提取。通过实例用Matlab软件对算法进行了仿真,并对算法的复杂度及各种性能进行了分析。结果表明,所提出的方法在特征检测模块中降低了算法的运算量、提高了特征点提取速度。Harris-SIFT算法可用于实时视觉里程计系统中,进而可使视觉里程计在车载嵌入式导航系统上得到广泛的应用。