一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别. 针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法. 算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力. 利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题. 并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别. 本文采集了不同场景下的可见光-红外无人机影像作为测试数据. 在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验. 实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.      

基于图像匹配品质评价的航迹规划

为评价基准图上各区域图像匹配品质的优劣，提出了一组适配性度量指标参数（尖锐性、唯一性和抗噪声性），以描述基准图上每点的适配性能，在此基础上，探讨了航迹规划算法，包括：区域提取、获取结点、搜索最佳结点以及曲线拟合4个方面，研究结果表明，将区域作为结点进行A搜索，可克服盲目性，保证全局上的最优或次优。     

基于最小二乘支持向量机的三维地形匹配选择

采用互相关代替自相关的方法计算基准图子图的相关长度,引入子图均值标准化的方法计算基准图子图的地形熵,使得它们的计算值和基准图子图的匹配概率之间具有良好的单调性.以相关长度、地形熵和粗糙度作为反映基准图子图适配性的特征向量,采用最小二乘支持向量机作为分类工具,将基准图子图划分为适配的和非适配的两类,并由适配的基准图子图类构成地形匹配区.实验结果表明所提出的方法能够有效地规划出所需的三维地形匹配区.     

基于频域显著性方法和ELM的遥感影像变化检测

提出一种基于频域显著性(FDS)方法和极限学习机(ELM)方法进行遥感影像变化检测的方法.首先,对利用变化矢量分析方法(CVA)获取不同时相遥感影像的光谱特征差异图及纹理特征(灰度共生矩阵法)差异图进行融合获得差异影像(DI);然后,利用频域显著性方法获取差异影像的显著性图,采用模糊c均值(FCM)聚类算法对显著性图选取阈值得到的粗变化检测图进行预分类(变化像素、未变化像素、待定像素);最后,从光谱及纹理特征影像上提取变化像素和未变化像素的邻域特征作为可靠样本进行ELM训练,并利用训练好的ELM分类器对粗变化检测图进行变化检测,得到最终的变化检测图.通过对高分辨率遥感影像数据实验结果表明本方法的变化检测精度及性能优于其他对比方法.     

一种新的多视角背景下人脸检测方法

针对实际生活中普遍存在的多视角、多人脸检测问题,提出了一种新的分类器训练方法及人脸检测的解决方案;首先采用NPD差分特征对人脸特征进行描述,NPD特征通过判断两个像素值间相对差异对人脸进行描述,其特征值可从二维表直接获取,能大大节省训练时间;同时提出了一种深度二叉特征树结构来训练分类器,可有效结合特征间的关联性,将训练得到分类器与肤色算法相结合来提高检测速度;通过在CMU人脸数据库上对所提出算法进行验证,仿真结果证明在多人脸、多视角检测背景环境下,该算法较Ada Boost算法在检测率提高了8.7%,误检率降低了4.1%,检测速度提高了27.7%。     

一种有效的聚束式合成孔径雷达图像特征提取算法

提出一种聚束式合成孔径雷达图像特征提取的有效算法.通过小波变换图像去噪法提高信噪比;利用Canny算子完成边缘检测;根据雷达图像的特点提出边缘检测后不做曲线闭合,而直接进行阈值处理的图像分割.图像预处理后提取具有旋转、尺度、平移不变性的Hu矩作为特征矢量并归一化,在训练阶段引入聚类分析.以MSTAR实测数据为样本,用最近邻分类器和BP神经网络分类器对该特征提取算法进行识别能力测试,算法的有效性得到了验证.     

基于Online AdaBoost的偏振图像目标跟踪

根据偏振图像的特点,文章提出一种基于在线AdaBoost的目标跟踪方法.该方法以最小二乘回归作为弱分类器,以强度、偏振度和边缘方向特征组成的向量为其输入;通过AdaBoost算法将多个弱分类器集成为强分类器,并在跟踪过程中利用AdaBoost算法对强分类器进行在线更新,以适应目标与背景的变化;利用强分类器生成当前置信图...     

基于Radon变换的机场目标检测与定位算法

为了提高影像匹配的可靠性，提出一种实孔径雷达影像中机场目标精确定位的算法．采用模糊处理技术对原始影像进行增强，使得机场目标在影像背景中较为突出，并利用Radon变换检测到机场跑道方向线；基于机场的有关知识，检测到机场跑道的两个端点及宽度；利用得到的机场目标信息对原始实孔径雷达影像进行处理，并用该影像与相同地区的合成孔径雷达基准图进行匹配，得到了满意的效果．     

结合类属特征及因果发现的序列优化分类器链

分类器链是利用标签间相关性实现挖掘特定对象多维标记信息的重要多标签分类方法.面向现有分类器链算法，针对各标签的基学习器均在完整特征空间中训练导致学习特征冗余，以及因标签学习顺序随机且分类器链训练过程单向无反馈导致的标签间相关信息利用不充分等问题，本文提出一种结合类属特征及因果发现的序列优化分类器链.该方法采用类内仿射传播聚类为每个基学习器构建高级结构化特征，减少冗余信息；利用条件熵准则挖掘标签间因果关系，优化学习序列提高对标签间相关信息的利用程度.在多个公开数据集的实验结果表明，序列优化分类器链有效增强了单节点学习效果以及对多标签间关联信息的利用，有效提升了多标签分类效果，实用价值高.      

卷积神经网络与人工水母搜索的图特征选择方法

目前，卷积神经网络（Convolutional Neural Network,CNN）模型在处理图像数据时分类效果较差，人工水母搜索（Artificial Jellyfish Search,AJS）算法收敛速度慢，迭代次数多，特征选择的效果不理想.针对上述问题，提出一种基于CNN和AJS的图特征选择方法 .首先，使用CNN来提取特征，将生成的特征图进行图嵌入降维，再使用AJS算法进行特征选择，把得到的特征输入分类器，进行模型训练和评估；然后，在图嵌入阶段，将特征图进行随机游走，并通过添加特征权重计算节点的游走概率来增强权重大的节点的游走概率，提高分类精度；最后，在AJS算法中引入余弦公式对人工水母的位置进行更新，充分考虑特征向量之间的相似性，提高算法的收敛速度并减少迭代次数.在10个基准函数上进行实验，结果表明改进的AJS算法具有较好的优化性能.在四个数据集上，将提出的算法与其他算法进行对比实验，实验结果表明，提出的算法能提高分类精度，减少迭代次数.     

基于改进KAZE特征的合成孔径雷达匹配算法

自主导航系统是高超声速飞行器自主控制性能的关键因素.合成孔径雷达(SAR)系统作为高超声速飞行器的关键导航设备,其获取的SAR图像受高超飞行器影响存在严重噪声干扰.在分析KAZE特征检测算法的基础上,针对KAZE算法计算复杂度高的问题,引入Fast Explicit Diffusion算法,设计了快速非线性尺度空间构建方法,并在此基础上提出了改进KAZE特征检测算法和基于改进KAZE算法的惯导/SAR组合导航景象匹配算法.通过仿真验证表明,提出的改进KAZE特征算法在保留KAZE算法噪声鲁棒性的同时,有效降低了KAZE算法的复杂度,其计算效率与SIFT算法相当,位置误差估计精度优于SIFT算法.     

低信噪比实孔径雷达机场目标图像匹配算法

提出了一种适用于低信噪比条件下的实孔径雷达机场目标图像匹配定位算法.通过对实孔径雷达图像中机场目标的检测识别,实现匹配定位.算法包括机场跑道检测及跑道端点定位两个阶段,分别采用了线特征滤波技术及目标背景的对比度信息.首先通过线特征滤波预处理和投影变换检测机场跑道所在的直线,然后利用机场在实孔径雷达图中的结构特征,根据机场及周围背景的对比度来定位跑道端点.实验结果表明:在成像条件较差的情况下,该算法仍能保证较高的匹配定位准确度.     

基于区域知识的快速匹配定位算法

针对雷达图像与可见光图像间仅存在大尺度的共性区域特征这一特点，提出了采用区域分割技术获取雷达图像和可见光图像中的各区域特征，结合各区域知识及各区域间的关系，通过识别与雷达图像中的大尺度区域相对应的可见光图像中的区域，达到快速匹配定位的要求．     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于几何特征聚类的SAR图像降噪

合成孔径雷达（SAR）图像中的相干斑噪声严重干扰了图像的自动解译。本文结合非局部滤波技术,提出了一种新的基于图像块处理的滤波方法。该算法首先提取SAR图像的几何特征,然后根据几何特征对图像块进行聚类,根据乘性噪声模型,对具有同一类几何特征的图像块进行非局部加权滤波处理,在充分利用图像块的强度相似性的同时,保留了SAR图像的几何结构特征。仿真图像和真实SAR图像的实验结果证实了本文算法的有效性。     

基于检测识别的实孔径雷达景象匹配定位方法

针对恶劣成像条件下的机场目标实孔径雷达图像匹配问题，提出了一种基于目标检测识别的定位方法，通过线特征滤波预处理和投影变换检测机场跑道线，进一步用模板匹配识别跑道端点以进行定位．对实际图像试验结果表明该算法能够准确定位灰度相关算法难以正确匹配的强噪声、低对比度实时图像，并且具有参考图制备简单，实时性强的特点．     

高程起伏对雷达景像匹配的影响及改正方法

雷达景像匹配由于具有全天候的特征，在飞行器导航与定位中受到重视。针对实时雷达景像以及参考基准图像的成像方式，分析了地面高程起伏对实时雷达景像以及参考基准图像构像的影响，及合成孔径雷达（SAR）影像上因地形起伏产生的影像变形的改正；推导出实时雷达景像上，影像像点位移与地面高程起伏的关系式，以及由此产生的影像变形的改正方法和具体改正步骤，同时利用数字地面模型（DEM）对模拟实时雷达图像进行反纠正，在辐射特性一致的条件下，通过匹配试验分析因地形起伏产生的实时雷达景像变形对匹配精度的影响。     

A modified algorithm for SAR parallel imaging

Synthetic aperture radar can provide two dimension images by converting the acquired echoed SAR signal to targets coordinate and reflectivity. With the advancement of sophisticated SAR signal processing, more and more SAR imaging methods have been proposed for synthetic aperture radar which works at near field and the Fresnel approximation is not appropriate. Time domain correlation is a kind of digital reconstruction method based on processing the synthetic aperture radar data in the twodimensional frequency domain via Fourier transform. It reconstructs SAR image via simply correlation without any need for approximation or interpolation. But its high computational cost for correlation makes it unsuitable for real time imaging. In order to reduce the computational burden a modified algorithm about time domain correlation was given in this paper. It also can take full advantage of parallel computations of the imaging processor. Its practical implementation was proposed and the preliminary simulation results were presented. Simulation results show that the proposed algorithm is a computationally efficient way of implementing the reconstruction in real time SAR image processing.