图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

基于视觉注意机制和Hough变换融合的遥感影像油罐提取

Hough变换用于遥感影像地物提取时具有较高的精度,但其算法非常复杂,效率较低。为提高Hough变换处理效率,提出了一种融合视觉注意机制和Hough变换遥感影像提取算法,并以油罐提取为例验证其有效性。首先提取影像的视觉显著性特征图,获取油罐目标显著性区域;然后对显著性区域进行Hough变换检测,得到油罐目标。实验结果证明,该方法能大幅减少Hough变换的计算量,提高效率的同时,提取精度也较高。     

基于增强图注意力网络的高光谱影像分类方法

高光谱遥感影像中隐含了不同地物的光谱特征,高光谱地物分类成为了遥感领域的一个研究热点。高光谱数据存在维度灾难以及训练样本标签过少等问题,进而影响了其分类精度。针对此问题,文章提出一种空-谱特征融合的增强图注意力网络高光谱影像分类方法,即从高光谱数据中获得初始的空-谱特征作为图的节点属性,并以节点的相邻关系构建图结构;将空-谱特征初步融合的高光谱图数据作为输入,并通过增强图注意力来提取节点的空-谱特征;以深度融合的空-谱特征来实现精准的高光谱地物分类。经在龙口和汉川数据集上的实验测试结果表明：这一方法能够有效提取深度融合的空-谱特征,总体分类精度分别达到99.62%和95.45%,实现了高光谱地物的精准分类。     

基于细化分割的遥感影像水体边缘轮廓提取

为实现遥感影像的水资源特征识别,需要对遥感影像中的地表水体边缘信息进行有效检测识别,提出了一种基于细化分割的遥感影像水体边缘轮廓提取识别方法。采用卫星遥感技术进行高分辨率遥感水陆场景图像成像,通过灰度像素增强技术进行遥感影像空间分辨率增强处理,在不同场景纹理中进行遥感影像空间像素特征重构,以中心像素的灰度值为阈值建立遥感影像陆地地物的空间结构特征辨识模型,采用细化分割方法进行遥感影像的水体边界点分割处理,采用形态学滤波方法进行遥感影像水体边缘轮廓检测过程中的细化分割和滤波,对水陆粗分离结果进行形态学闭运算处理,根据细化分割结果进行水体边界平滑处理,实现对遥感影像水体边缘轮廓的提取。仿真结果表明:采用该方法进行遥感影像水体边缘轮廓提取的精度较高,水体边界平滑性较好,轮廓特征的辨识度较高。     

Array Antenna Pattern Synthesis Based on Selective Levy Flight Culture Wolf Pack Algorithm

基于选择性莱维飞行文化狼群算法的阵列天线方向图综合

王停*^1,2, 唐海林², 于跃宝²,郑斌², 刘慧娟³

(1.河北工业大学 电子信息工程学院,天津 300401;

2.中国人民解放军93756部队,天津 300000;

3. 天津广播电视电影学院 影视技术系,天津 300112）

摘 要：

针对传统智能方法在方向图综合中易于早熟和局部寻优能力不足等缺陷,在文化狼群算法(CWPA)的基础上,设计一种基于选择性莱维飞行的新的狼群算法-莱维文化狼群算法（LCWPA）。新算法利用文化算法在寻优过程中的良好整体管理能力和莱维飞行能够有效提高种群多样性的特点,明显提高了搜索效率。然后将其应用于阵列天线方向图综合。仿真结果表明,在多零点和低旁瓣约束情况下新算法均可取得良好的优化效果,而且该算法相对于量子粒子群算法（QPSO）,粒子群算法（PSO）和遗传算法（GA）来说,在方向图综合中速度和精度更有优势,有很好的推广价值。

关键词： 阵列天线;方向图综合;莱维飞行;狼群优化算法

     

Monocular Vision Based Relative Localization For Fixed-wing Unmanned Aerial Vehicle Landing

基于单目视觉的固定翼无人机自主着陆定位研究

许彧文,曹云峰,张洲宇

（南京航空航天大学 航天学院, 南京 210000）

中文说明：

近年来,无人机自主着陆技术已成为无人机导航、制导与控制系统的核心技术。为解决自主着陆过程中固定翼无人机与跑道之间基于视觉的相对位置和姿态估计问题,本文利用机载相机拍摄的序列图像,通过边缘检测的方式获取跑道角点信息,进一步基于正交迭代算法确定六自由度的位姿参数：首先基于频域残差对图像进行显著性分析,通过连通域标记和候选框筛选估计跑道所在的感兴趣区域;然后在感兴趣区域中提取跑道的边缘直线,由于着陆末端跑道纵向边缘具有明显的长度和相位特征,在利用霍夫变换定位纵向边缘的基础上,结合跑道平面梯度信息估计横向边缘位置,解决了传统的霍夫变换计算耗时,且难以检测端点的问题;最后将角点图像坐标作为输入,通过线性算法获取旋转矩阵初值,在此基础上以目标空间误差为误差函数,通过正交迭代优化参数估计结果,图像点坐标误差较小时,该方法相比线性算法精度明显提升,且具有良好的实时性。

关键词：自主着陆,视觉导航,感兴趣区域,边缘检测,正交迭代

     

一种SAR影像冰水边缘线提取算法

针对在低海冰密集度区域采用被动微波获取的海冰密集度数据会低估真实的海冰密集度值,从而不能准确地得到冰水边缘线位置的问题,文中基于高分辨率合成孔径雷达影像设计并实现了在低海冰密集度区域准确提取冰水边缘线的算法．该算法将海冰在合成孔径雷达影像中强度和对比度差异较大的曲线特征,通过边缘检测的方法统一为边缘信息．根据海冰与海水区域边缘信息丰富程度的差异,采用曲波域多尺度主动轮廓模型迭代搜索边缘信息丰富区域的轮廓,即为冰水边缘线的位置．实验表明,该方法能够在低海冰密集度区域准确地提取冰水边缘线,与采用被动微波海冰密集度数据得到的冰水边缘线相比,准确率有了大幅的提升．     

基于SIFT和SSDA特征匹配的实时车道线检测

车道线检测是智能交通系统研究的一个重要方向.提出了一种基于SIFT和SSDA特征匹配的车道线检测算法.首先通过改进Sobel算子来提取车道线边缘特征,并设置感兴趣区域(ROI)缩小范围,然后进一步提取车道线特征点并通过Hough算法拟合成直线,接着采用SIFT算法提取影像关键点并进行初次匹配,最后运用SSDA算法进行影像精匹配,从而融合成完整车道线影像.结果表明,采用改进Sobel算子可以提取到更多的车道线资讯;而采用SSDA算法,比传统NCC算法匹配精度更高,实时性进一步提高.     

基于边缘特征的虚实图像精确配准

3D模型的虚拟图像与可见光图像（实图）的配准可以增强信息的互补性,在通过INS装置粗配准后,其配准问题变成了经典的多模态图像精确配准问题。本文提出了一种基于边缘信息全局最优匹配的3D模型图像与可见光图像精确配准算法。该算法首先基于相位一致性模型提取3D模型图像与可见光图像视觉相似的边缘结构;再采用模拟退火算法搜索求解在边缘配准度最大对应的空间变换模型的最优参数值。4组实验结果表明,本文算法能够充分利用图像间的相近似的边缘结构和模拟退火算法得到配准变换参数,有效地实现多模态图像（不同光照及对比图像对,不同传感器的航拍图片对,虚拟3维视图与可见光图像）的精确配准。     

阿莫西林对制药园区污水厂A2O工艺脱氮除磷的影响

为研究阿莫西林对制药园区污水厂脱氮除磷的影响,采用小试A²O工艺处理生活污水,分别在进水投加阿莫西林前后,考察A²O工艺对COD、氮、磷的去除效果．结果表明:随着生活污水受到2～5 mg·L-1阿莫西林冲击,有机物降解菌活性受到明显抑制,COD平均去除率从86.9％下降至79.5％;系统硝酸细菌未受到明显抑制而亚硝酸细菌受抑制,导致硝化活性下降,氨氮平均去除率从95.5％下降至85％;系统缺氧区反硝化速率及厌氧区释磷速率影响不大,对总氮及总磷的平均去除效率影响较小．     

多尺度特征提取和多级别特征融合的显著性目标检测方法

目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效的控制信息流的传递。而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊。因此,本文提出一种多尺度特征提取和多级别特征融合的显著性目标检测方法。首先,利用不同扩张率的空洞卷积获取多尺度的上下文信息,弥补单一特征检测带来的不足。其次,提出一个多级别特征融合模块,该模块有效的利用浅层特征、深层特征和全局上下文特征信息之间的分布特性进行融合,不仅可以抑制噪声的传递,而且可以更有效地恢复显著性目标的空间细节结构信息。在5个公开的数据集上进行的实验结果表明: 相比较其它13种主流的检测方法,本文方法检测的显著图边缘轮廓连续性更好、空间结构细节信息更清晰,在综合指标(F-measure)、平均绝对误差(MAE)、结构化度量(S-measure)、精准率-召回率(PR)曲线和F-score曲线等指标上均有明显的提升。     

燃烧器射流图像几何参数提取的研究

提出一种燃烧器射流图像分析及特征参数提取的新方法．在实验室,通过基于示踪剂的可视化手段,获取了燃烧器出口冷态射流图像;用Visual C＋＋语言编程,对图像进行了图像灰度变换、中值滤波、边缘检测、二值化,图像分割与轮廓提取等处理,设计并优化了燃烧器射流流场分析及特征参数提取算法,提取了射流的边缘轮廓;并实现了对描述射流特征参数的定量提取．     

Variable dimensional state space based global path planning for mobile robot

A variable dimensional state space(VDSS) has been proposed to improve the re-planning time when the robotic systems operate in large unknown environments.VDSS is constructed by uniforming lattice state space and grid state space.In VDSS,the lattice state space is only used to construct search space in the local area which is a small circle area near the robot,and grid state space elsewhere.We have tested VDSS with up to 80 indoor and outdoor maps in simulation and on segbot robot platform.Through the simulation and segbot robot experiments,it shows that exploring on VDSS is significantly faster than exploring on lattice state space by Anytime Dynamic A*(AD*) planner and VDSS is feasible to be used on robotic systems.     

融合注意力引导的多尺度低照度图像增强方法

弱光环境导致图像采集设备拍摄的照片呈现出对比度低、亮度较暗、目标物难以分辨等特点。为了改善图像质量,提出了一种融合注意力引导的多尺度低照度图像增强方法。首先,构建密集残差网络作为多尺度特征提取器,用于提取低照度图像中不同尺度的特征图;其次,利用改进的RefineNet对提取出的不同尺度的特征图进行融合,以便充分利用图像中的特征信息;同时,在网络中引入注意力机制,基于边缘检测结果生成注意力图,并与损失函数相结合来引导网络进行训练,在不增加网络推理负担的同时,增强隐藏在黑暗中的细节信息;最后,实验分别选用合成图像和SID(See-in-the-Dark)数据集进行训练与测试。相较于对比算法,峰值信噪比(PSNR)和结构相似性(SSIM)分别平均提高了约0.79 dB和0.119。结果表明,所提方法能有效提高亮度和对比度,恢复图像边缘细节,主观视觉效果得到提升。     

红外图像特征提取算法研究

预处理的作用是将获取的红外图像进行加工,恢复增强图像中有用的信息,弱化去除图像中没有用的干扰信息,提高红外图像质量,为图像特征的提取做准备,提高特征提取的精度。红外图像的特征提取是指采用人工或自动的方法检测图像中的不变特征,如边缘、角点、轮廓等。根据不同的特征用不同的算子进行图像特征的提取：图像的线特征用Hough变换来提取,边缘特征通过Sobel算子和Canny算子进行提取,提取到图像的特征之后与基准图进行配准,不仅配准精度有很大程度的提高,而且运算量大大减小。     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

高效通道注意力和特征融合的协同显著性检测算法

针对现有的协同显著性检测算法在多显著目标复杂场景下表现不佳的问题,提出了一种基于高效通道注意力和特征融合的协同显著性检测算法。首先,检测算法利用预训练的深度卷积神经网络对场景进行多尺度特征的提取,结合边缘显著信息设计了显著性语义特征提取模块,以避免全卷积神经网络导致边缘信息的缺失;其次,通过内积基本原理得到组内图片间的关联性信息并根据其关联程度进行自适应加权,结合高效通道注意力层设计了协同特征提取算法;最后,为了将各级高层语义特征经过协同显著性特征提取之后的结果与浅层次的特征进行融合,并实现对预测结果进行多分支同步监督,设计了基于高效通道注意力的特征融合模块。通过对3个经典的数据集进行测试,并与6种现有的协同显著检测算法进行对比,结果表明本文所提算法提高了复杂场景中图像的协同显著性检测的精度以及边缘信息的丰富程度,并具有更优的协同显著性信息检测性能;通过消融实验进一步验证了所提设计算法各个模块的有效性和必要性。     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

三分支多层次Transformer特征交互的RGB-D显著性目标检测

RGB-D显著性目标检测是计算机视觉领域的研究任务之一,很多模型在简单场景下取得了较好的检测效果,却无法有效地处理多目标、深度图质量低下以及显著性目标色彩与背景相似等复杂场景。因此,本文提出一种三分支多层次Transformer特征交互的RGB-D显著性目标检测模型。首先,本文采用坐标注意力模块抑制RGB和深度图的噪声信息,提取出更为显著的特征用于后续解码。其次,通过特征融合模块将高层的三层特征图调整到相同的分辨率送入Transformer层,有效获取远距离显著性目标之间的关联关系和整幅图像的全局信息。然后,本文提出一个多层次特征交互模块,该模块通过有效地利用高层特征和低层特征对显著性目标的位置和边界进行细化。最后,本文设计一个密集扩张特征细化模块,利用密集扩张卷积获取丰富的多尺度特征,有效地应对显著性目标数量和尺寸变化。通过在5个公开的基准数据集与19种主流模型相比,实验结果表明:本文方法在多个测评指标上有较好的提升效果,提高了在特定复杂场景下的检测精度,从P-R曲线、F-measure曲线和显著图也可以直观看出本文方法实现了较好的检测结果,生成的显著图更完整、更清晰,相比其他模型更加接近真值图。     

一种利用方向模板的遥感影像道路提取方法

道路连接是自动提取道路信息的关键技术,设计了一种方向模板用于道路的自动搜索和连接,并给出基于该方向模板的道路提取方法。首先对原始遥感影像进行边缘信息增强处理,然后用增强处理后的图像作为线特征增强系数,与原图像对应相乘,增强道路线特征;再结合图像的8连通性,统计每个连通成分像素点的个数,设定阈值去除点噪声和短线段噪声,得到不连续的道路段;最后利用方向模板,在给出道路起始点和终止点的基础上,利用该模板的方向规则连接道路。实验结果表明,该方法具有很强的适应性,提取的道路精度高,效果好。