基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。     

基于RANSAC的高原地区交通违章视频图像去抖动方法

为了降低由于图像抖动引起的视频质量较低的问题,提出基于RANSAC的高原地区交通违章视频图像去抖动方法.利用RANSAC构建了图像模型,以此为基础,实现对图像中抖动点的准确识别,将抖动点数据与模型进行匹配,计算对应点的补偿值,以此实现去抖动的目的.实验结果表明,其能够实现对视频图像中抖动的有效去除.     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。     

基于图像RGB色彩特征的关联规则挖掘研究

对图像色块RGB值进行抽取和处理、建立常用颜色数据表和图像RGB颜色值的事务数据库D、最后应用关联规则进行挖掘.关键工作是建立"n张图像颜色值事务数据库D",它与使用传统的购物篮数据进行关联规则挖掘的事务数据表形式类似.因此,基于图像RGB色彩特征的非结构化数据挖掘问题就转化成了结构化数据的挖掘问题.     

数据实时转化技术在智能限高监控平台中的应用研究

数据实时转化方法是实时转化成一定规则的数据并存放在数据库中供给服务端的使用。在智能交通监控平台中,实时监控超高车辆行驶信息和实时转化抓拍的超高车辆图像信息数据需要实时转化,以数据视图、折线视图、图像等方式实时呈现在平台中,供管理人员决策。因此,本文研究了一种数据实时转化技术,通过通信和编码技术把设备中多种类16进制数据流实时映射到服务缓存中,实现数据流实时、安全、准确转化和表达。     

全偏振参量低秩稀疏分解伪彩色图像融合

偏振图像伪彩色融合对提高视觉感知和目标判读具有重要意义,利用空间调制型全偏振参量矩阵的低秩和稀疏特性,提出基于贝叶斯概率鲁棒性矩阵分解融合方法。首先,根据偏振调制和解析算法构造偏振参量矩阵,同时合成强度图像;其次,对参量矩阵进行基于改进的贝叶斯概率参量矩阵分解,降低背景噪声和亮度变化等干扰,分别获得参量图像的稀疏和低秩成分;然后利用方差、清晰度和信息熵进行模糊积分,获得显著性参量图像,与合成强度图像一起进行像素级增强;最后,经直方图规定化和IHS颜色映射,得到伪彩色融合结果。实验选择多种材质与目标的仿真和实测数据进行验证,通过主观视觉效果和客观指标比较,验证了其有效性。