基于YOLOv3与暗通道先验的图像增强识别技术研究

该文以街边车辆识别为背景,针对白日雾霾天气下与夜间路灯强光源下图片成像不清晰问题,采用暗通道先验方式对目标增强,并在YOLOv3算法框架下进行识别。经过实验测试表明,该方法对提高识别的准确率有较大帮助,提高对模糊物体的识别,对较为清晰的实物提高识别概率10%。     

一种基于PCA的面向对象多尺度分割优化算法

多尺度分割是图像面向对象分类的基础,针对不同区域特征最优分割尺度确定的主观性以及采用聚类算法时聚类中心确定的随机性,提出了一种联合降维与聚类算法的面向对象多尺度分割优化算法。该算法首先利用主成分分析法（PCA）降维排序后的结果产生初始聚类中心;然后采用K-means聚类和度量每一个像素点合并的概率,从而得到适应不同研究区域内不同尺度地物的分割结果。采用多个影像数据库,通过引入聚类评价指标（内部评价指标和外部评价指标）、分割评价指标（分割精度、过分割率和欠分割率）并结合现有的图像分割方法及原始的K-means算法、与PCA降维后的K-means聚类对比分析。研究结果表明:经过降维处理后进行的聚类算法稳定性更高;与传统的聚类算法相比,结合PCA降维更能自动识别最优分割尺度;降维技术和聚类算法联合之中,目视和定量评价指标表明经过降维预处理后的聚类能得到更高质量的分割结果。      

基于最大似然法的航空图像分类研究

航空图像的分类是其判读和识别的重要技术基础。本文将最大似然法应用于航空图像的分类,给出了利用该方法进行航空图像分类的原理、方法和过程,对于航空图像的分类工作具有一定的指导意义。     

基于地面图像和卫星图像集成的火星车定位新方法

提出了一种基于地面图像和卫星图像集成的火星车定位新方法,该方法利用由导航相机立体图像得到的火星表面的点云数据提取石块,同时对高分辨率卫星图像局部灰度统计提取石块,通过地面和卫星图像中石块分布模式的匹配,实现火星车在卫星图像中的定位,从而消除仅利用地面传感器和影像定位产生的累计误差。采用NASA勇气号火星车在多个摄站获取的地面图像以及HiRISE卫星图像进行了实验验证,结果表明这种方法在石块较多的地区能够取得很好的自动定位结果,定位误差小于HiRISE卫星图像的一个像素（0．25m）。     

基于FPGA的实时图像预处理系统的设计

针对基于DSP实现的实时视频信号处理系统中原始视频数据量大的问题，本文阐述了用FPGA解决该类问题的优势，并举例用FPGA实现图像滤波的数据预处理实例。该设计已通过硬件实现，结果表明是正确有效的。     

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。     

CBERS-1卫星图像在黄河三角洲可持续发展中的应用研究

文章对我国的CBERS -1卫星遥感图像—1999年12月22日的黄河口零级数据进行了处理分析 ,并从图像空间分辨率、几何分辨率、地物识别能力等方面进行了图像质量评价。与同月份的LandsatTM图像对比 ,CBERS -1卫星图像具有更高的空间分辨率 ,更容易反映地物的细节 ,同时也指出了它的一些不足。在原有遥感地学智能图解系统的基础上 ,针对CBERS-1卫星的图像特征 ,开发了CBERS -1卫星数据预处理模块。该模块能快速处理零级图像 ,得到噪声小、清晰度高的CBERS -1卫星图像2级产品 ,便于开展遥感应用研究     

视觉及其融合惯性的SLAM技术发展综述

当前视觉同时定位与建图（Simultaneous localization and mapping,SLAM）技术已经成为导航定位领域重要的导航方式之一。为提升视觉SLAM全天候多场景的综合性能,融合多种信息的视觉SLAM技术得到了快速发展。本文系统综述了近年国内外视觉SLAM的研究成果。首先归纳整理了视觉及视觉/惯性SLAM中的前端里程计、后端优化、回环检测和地图构建关键环节。在纯视觉SLAM技术分析方面,围绕传统基于几何变换和现代基于深度学习的两大类视觉SLAM方法开展讨论,并梳理了相关具有代表性的视觉SLAM技术。在详细阐述视觉/惯性组合导航的多信息融合SLAM方法基础上,分析了近年基于异源图像的视觉及其与惯性组合的SLAM导航技术进展。最后对视觉SLAM的未来发展方向进行了针对性展望。     

基于步行周期聚类的视频行人重识别关键帧提取算法

视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方法从候选步行周期中选出关键步行周期作为关键帧。最后,将该算法应用在视频行人重识别中,仅使用关键帧的信息进行识别以减少时间冗余的影响,从而提高准确率,并且在查询前对视频进行处理,减少视频数据量以提高查询效率。在视频行人重识别数据集MARS和DukeMTMC-VideoReID上的实验表明,本文算法能够减少59%~82%的视频数据量,并且累积匹配曲线Rank-1提高了1.1%~1.4%,平均精度均值提高了0.2%~5%。