多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

图像处理技术在运动目标跟踪检测中的应用

视觉坐标测量系统中，被测目标和探测器之间常常存在相对运动，造成光电探测器采集的图像模糊．本文从空间频率的角度分析了图像模糊及复原对图像测量系统的影响．图像测量系统传递函数分为：光学成像系统、图像因匀速运动而导致的图像模糊、模糊图像恢复和光电探测器的图像离散化等几部分来考虑．认为系统总体传递函数是这几部分影响的综合结果，并据此判定图像测量系统等效分辨率．     

云天背景下的运动目标检测

针对云天背景条件下运动目标的检测问题，在传统的帧间差阈值法的基础上，运用隔帧差分的方法。通过差分前后的2次滤波，根据图像的连通性原理，精确地提取出运动目标的轮廓。     

基于演算侧抑制模型的运动目标检测方法

研究了一种新的基于时空信息的运动目标检测方法.引入了多通道的概念,采用演算侧抑制模型ALI进行运动目标检测.首先根据时域信息创建多个图像处理通道,将视频图像在各通道上分别进行时域ALI、时空域ALI运算获取运动信息,然后将各通道运动信息进行融合提取运动目标,并用时空域ALI消除噪声.仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓.     

基于改进的YOLO v3的遥感图像目标检测

为了实现对遥感图像目标检测,对YOLO v3算法特征提取网络进行了改进。采用复制主干网络的方法,搭建辅助网络,使网络能够提取到更多的特征。为了使主干网络和辅助网络所提取的特征整合到一起,采用挤压激励(Squeeze and excitation, SE)注意力机制模块进行连接并使用DOTA数据集进行验证,以准确率等评价指标来评价改进网络的性能。实验结果表明,检测的能力在改进后有着明显的提升,比原始的YOLO v3算法准确率提高了8.68%,在检测精度上有所提升。     

基于改进的YOLO v3的遥感图像目标检测

为了实现对遥感图像目标检测,对YOLO v3算法特征提取网络进行了改进。采用复制主干网络的方法,搭建辅助网络,使网络能够提取到更多的特征。为了使主干网络和辅助网络所提取的特征整合到一起,采用挤压激励(Squeeze and excitation, SE)注意力机制模块进行连接并使用DOTA数据集进行验证,以准确率等评价指标来评价改进网络的性能。实验结果表明,检测的能力在改进后有着明显的提升,比原始的YOLO v3算法准确率提高了8.68%,在检测精度上有所提升。     

基于深度学习的车检图像多目标检测与识别

为了实现快速和自动的车辆外观检测,提出一种基于深度学习的车检图像多目标检测与识别方法。首先,采用轻量级神经网络YOLOv3实现车检图像中车头、轮胎、车牌及三角形标志的检测与识别;其次,采用多任务级联卷积神经网络实现车牌4个关键点定位;再次,利用车牌4个关键点坐标,结合目标车牌图像高宽先验,通过透视变换对车牌进行校正;最后,设计卷积神经网络实现车牌底色分类,同时设计卷积循环神经网络,实现车牌字符识别。实验结果表明,在816×612的车检图像上,该方法中端到端的多目标检测与识别的平均精度达98.03%;为便于在车检场景下应用该模型,利用阿里巴巴推理引擎将模型部署到CPU端,使多目标检测与识别的平均速度达10帧/s,从而满足车检的应用需求。     

SAR图像中PS点的识别与选取

提出一种基于小波相位分析的永久散射体(persistent scatterer, PS)的识别与选取方法. 该方法将小波理论引入到PS点识别与选取中,利用基于小波相位分析的差分干涉图滤波方法,首先对差分干涉相位图进行滤波处理,然后估算滤波后各PS候选点的噪声相位、衡量指标以及各PS点的概率,从而在兼顾各PS候选点幅度和相位的稳定性基础上实现SAR图像中PS点的有效识别与选取. 理论分析和实验结果表明,该方法识别与选取的PS点是有效而且可靠的.     

基于低概率检测的高光谱异常目标检测算法研究

在深入分析高光谱数据特点的基础上,系统研究了基于低概率检测的高光谱图像异常检测方法。首先针对高光谱图像数据维数高的特点研究高光谱图像降维方法,重点研究自适应子空间分解(ASD)算法对高光谱图像进行降维;然后研究高光谱图像异常目标检测算法,异常检测算法能够在没有先验光谱信息的情况下检测到与周围环境存在光谱差异的目标,具有较强的实用性,成为一个重要的研究热点,重点研究低概率检测(LPD)算法,并用此算法对高光谱图像进行异常检测。此外,还研究了其它算法如RX算法,并与LPD算法进行比较,在此基础上对LPD算法进行改进,寻求以较高的鲁棒性进行高光谱异常目标检测,最终用基于特征融合的低概率检测算法对LPD算法进行改进。     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

机载高分辨率SAR图像数据建模

目前对高分辨率陆地合成孔径雷达图像数据特性尚缺乏充分研究. 该文提出K-S检验的改进方法并设计组合假设检验,验证高分辨率农田合成孔径雷达图像数据与球不变随机向量模型的相容性,提出一致区域概念对数据进行局部化处理,以简化数据的高阶统计特性分析. 实验表明,K-S检验改进算法对不独立样本数据具有良好的健壮性,农田的高分辨率合成孔径雷达图像数据与球不变随机向量模型是相容的. 通过对农田数据的分析验证了一致区域概念的合理性,并确定了给定数据集的一致区域空间尺度.     

考虑SAR图像导航量测特性的SAR/INS组合导航非线性滤波

SAR/INS组合导航系统中,当SAR量测输出时间间隔较长时,惯性导航得不到及时修正,系统将具有较强的非线性特性,导致常规卡尔曼滤波算法的精度受到影响甚至滤波发散. 为了提高组合导航的精度,该文结合惯性导航系统的非线性模型,设计基于无迹卡尔曼滤波(UKF)解决非等间隔量测修正的SAR/INS组合导航非线性滤波算法,并通过协方差分析对比研究常规卡尔曼滤波和该文算法的性能. 仿真结果验证了该文算法具有更高的精度.     

GIS数据约束的海岸带SAR图像多尺度分割

针对海岸带区域地理信息系统(geographic information system, GIS)矢量数据和合成孔径雷达(synthetic aperture radar, SAR)图像所表达信息的不同,探讨多尺度GIS矢量数据约束下的高分辨率SAR图像多尺度割. 在县级GIS矢量数据约束下,利用分形网络演化分割方法对高分辨率SAR图像进行分割,得到第1层分割结果. 然后在省级GIS矢量数据约束下,对第1层分割结果进行聚合,得到第2层分割结果. 该方法既能实现GIS矢量数据约束下的高分辨率SAR图像多尺度分割,获得满足GIS矢量数据约束和根据后向散射特征聚合的多尺度分割结果,又能消除瞬时SAR图像海岸线不确定的不足. 利用一幅天津地区的SAR图像进行实验,证实了该方法是一种有意义的图像多尺度分割方法,且得到的分割结果可用于有特定需求的图像分析和统计.     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足.为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最...     

非均匀环境下雷达动目标检测的空时自适应处理

研究一种非均匀环境下地面动目标检测的STAP算法. 该算法将直接数据域内基于正弦曲线幅相估计的检测算法从空域维扩展到空时二维,提高目标回波幅度的估计精度,改善输出信杂噪比,有效地克服了原算法对弱目标检测性能差和虚警率高等缺陷. 仿真结果验证了这种方法的有效性.