基于改进微分增强法的激光雷达云参数反演算法

微分法是激光雷达云参数反演的一类传统方法,本文在微分增强法的基础上,优化一阶与二阶微分信号的拟合点数,平衡失真与噪声对检测结果的影响。以距离修正的回波信号代替云峰与云边界函数中的原始回波信号,增强云区域与非云区域的对比。对于因低层云存在而造成二次阈值过大的问题,通过扩大一次阈值的排除区间,有效减少对云层的漏判情况。采用激光雷达数据进行的实验结果表明,与改进前的算法相比,云底高度的相关系数由0.8930提高至0.9328,均方根误差由0.4924 km降低至0.2991 km,云顶高度的相关系数由0.8174提高至0.8598,均方根误差由0.7637 km降低至0.5912 km,改进后的算法具备更佳的反演结果。     

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低, 而且生成的 场景中的点云又具有非结构化、近密远疏的性质, 因此,提高双目视觉匹配的精度与速度, 以及准确分割点 云目标, 一直是点云获取及目标检测中的难点问题。 针对以上问题, 本文首先提出了一种融合主动激光 的 3D 点云目标采集方法, 快速准确地获得原始点云数据; 其次提出了一种基于欧式聚类的改进算法, 使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类, 得到边界明确的 3D 点云目标检测框。 实验结果表明:所设计的 3D 点云成像系统能够有效获取前方物体的 3D 点云信息,且具有比激光雷达成 本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物 体易出现欠分割或过分割的问题, 提高了目标检测的准确率, 在室内场景下具有良好的检测效果。     

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。     

综合高分卫星图像多维特征的云检测方法

云是遥感图像分析处理的一大障碍,为了解决这一问题,基于高分1号遥感影像光谱和纹理的多维特征信息,提出一种综合优化的云检测方法。针对光谱检测出的似云区域,该算法采用新的子图分割方法,结合动态阈值设置,有效提高了纹理检测的正确率。由于固定的光谱阈值设置和纹理检测都无法获取复杂环境下的云层边界信息,算法采用大津法予以修复。结果表明,该算法可有效地检测出影像中的云覆盖区域,实现薄云、厚云以及厚云边界信息的最佳提取。     

高定位精度的毫米波全息图像三维目标检测

投影角度不同导致目标的形状及尺寸变化限制了基于主动式毫米波（AMMW）全息图像投影视图的隐匿物品二维检测方法对小目标检测性能的提升,为此,提出了基于点云的隐匿物品三维检测方法。通过阈值化处理将AMMW全息图像转换为点云输入经空洞卷积及多分支结构改进的SECOND三维目标检测器,提取对目标的三维几何理解及其多尺度上下文信息以提高对小目标的检测能力。实验结果表明,较基于投影的二维检测方法,该方法平均召回率（AR）提升了3.33%,有效提升了定位精度;在交并比（IOU）阈值为0.5时的检出率提升了8.75%,虚警率降低了1.78%,平均精度（AP）提升了7.11%,不同IOU阈值下的平均AP提升了4.30%,有效提升了检测精度;检测速度为17.3 FPS,达实时水平。     

基于点云深度映射颜色的导轨表面损伤识别

针对高速滑动电接触导轨,研究了表面微小损伤快速检测及分类识别方法。基于激光扫描原理,构建了三维测量系统,用于获取导轨表面形貌的三维点云信息,并给出了一种基于点云深度映射颜色的方法,用于导轨表面微小损伤的检测。将三维点云数据经过去噪、滤波平滑、数据精简等预处理之后,根据所设定的深度基准平面,构建点云深度映射颜色模型,将点云深度信息映射为红绿蓝(RGB)信息,采用一维最大熵法设定最优颜色阈值,实现损伤区域的准确提取;采用二叉树模式识别方法,建立损伤分类模型,实现导轨表面微小损伤的识别与分类。结果表明,损失质量小于1 g的微小损伤检出率达98%以上、微小质量损失检测精度可达毫克级;凹坑与划痕两大类损伤识别率达80%以上。     

基于FY-3D/MERSI-II红外波段夏季北极云检测模型研究

基于我国风云极轨气象卫星FY-3D/MERSI-Ⅱ(FengYun-3D/Medium Resolution Spectral Imager-Ⅱ)红外通道数据,结合星载激光雷达主动探测数据,开展北极地区夏季云检测模型研究。采用概率密度函数分析方法,并引入损失率,对相关阈值进行优化,提出适用于北极夏季的红外云检测方案,构建了基于置信度结果的云检测模型。精度检验结果表明,所构建的云检测模型的检测结果与时空匹配的星载主动探测结果具有较高的一致性,个例统计结果显示置信度高于0.8,云像元检测一致性100%。当置信度低于0.2时,存在10.15%云像元误判为晴空像元,误判云像元多为云顶高度在4～6 km之间的单层云,可能是卷云引起的误判。     

激光云高仪探测青藏高原夏季云底高度的研究

为研究青藏高原云底高度的特征,于2014年7月7日至2014年8月30日,在那曲地区(31.48°N,92.06°E),使用CL31云高仪进行云底高度观测,共获取55days的有效探测数据。初步统计分析表明,55days观测数据缺测率为0.4%,基本实现每天24h的全覆盖观测。CL31激光云高仪最大观测高度为7.6km,对0~7.6km高度范围内全部观测数据进行每小时平均。统计结果表明:那曲地区夏季有云存在的概率为78%,其余情况为晴空即无云情况。单层、两层和三层云的存在概率分别为65、12和1%,以单层云为主且有明显的日变化。夏季云主要分布在距地面2~6km高度,平均云底高度为2.58km。受云高仪探测高度的限制,没有考虑7.6km以上的云。     

基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术

针对电网环境噪声导致自适应噪声的CEEMDAN谐波检测精度低的问题,文中提出了一种基于改进小波阈值去噪和CEEMDAN-HT融合的谐波检测技术。利用修正因子T_j自适应调整阈值,通过可调参数τ调节阈值函数软、硬特性,并将改进的小波阈值去噪方法应用于谐波信号的预处理。经预处理的信号再进行CEEMDAN分解,可有效抑制模态混叠束缚。运用相关度判据去除虚假分量,并利用Hilbert变换解调包含谐波特征的分量,准确提取其幅频信息。经MATLAB仿真可知,改进小波阈值去噪与CEEMDAN-HT的融合算法可将稳态谐波检测平均误差被控制在1%以下,暂态谐波检测平均误差被控制在2.1%以下,呈现出良好的抗噪性能。     

基于路面约束的行人检测感兴趣区域提取

针对行人检测存在识别精度不高,实时性较差等问题进行相关研究.分析了基于多尺度滑动窗口法提取行人检测窗口的缺点,为解决行人检测中检测窗口数量过多的问题,提出在图像分割和路面提取的基础上实现对行人检测窗口的提取.先利用FCM聚类算法训练得到分割阈值,其次提取路面区域,根据路面区域筛选可能存在的行人位置,进而提取感兴趣区域,并对相应的感兴趣区域提取HOG特征进行进一步精确分类.实验结果表明,采用基于路面约束的图像分割方法来提取感兴趣区域,有效减少了遍历窗口的数量,从而提高了行人检测速度和检测精度.     

基于BP神经网络的风云四号遥感图像云检测算法

通过对风云四号每两张相隔15分钟的图像进行分析,提出了归一化动云指数,加强数据集对低云、薄云及云系运动边缘的检测.在此基础上,提出了一种基于归一化动云指数的动态阈值法用于初步云检测,并进一步提出基于BP神经网络的云检测算法.实验结果表明,该算法可以消除阈值选取中的主观影响,在大范围复杂下垫面的遥感图像数据中可以取得较好的云检测效果.     

海洋上空云多角度偏振辐射阈值检测方法研究

云是海洋遥感的一项重要研究内容, 云检测精度对于海洋上空云微物理特性的反演和海洋水体观测具有重要 意义。以高分五号卫星搭载的大气气溶胶多角度偏振探测仪 (Directional polarimetric camera, DPC) 在轨成像数据为 研究对象, 提出了一种基于多角度偏振辐射信息的海洋上空云检测方法。首先用耀光角判别法区分出海洋耀光区域 和非耀光区域, 然后利用多角度偏振信息对耀光区域进行云检测, 并基于反射率阈值、可见近红外反射率比值和偏 振信息检验等方法对非耀光像元进行云检测。以印度洋和大西洋海域为例, 基于DPC数据进行了海洋上空云检测, 经 过时空匹配后, 其结果与 MODIS (Moderate-resolution imaging spectroradiometer) 云掩膜数据一致性分别为 91.39% 和 94.73%。此外, 用法国 POLDER3 (Polarization and directionality of the earth′s reflectances) 数据验证了文中算法的有效 性, 将云检测结果和 POLDER3 官方云检测产品对比, 一致性达到 90.40%。文中提出的多角度偏振辐射阈值云检测算 法, 可为卫星观测的海洋上空云特性研究和海洋水体观测提供有效云检测数据。     

Spatial and Temporal Varying Thresholds for Cloud Detection in GOES Imagery

A new cloud detection technique has been developed and applied to GOES-12 Imager data. The bispectral composite threshold (BCT) technique uses only the 11- and 3.9- channels, and composite imagery generated from these channels, in a four-step cloud detection procedure to produce a binary cloud mask at single-pixel resolution. An innovative aspect of this algorithm is the use of 20-day composites of the 11- and the 11-3.9- channel difference imagery to represent spatially and temporally varying clear-sky thresholds for the bispectral cloud tests. The BCT cloud detection technique has been validated against a ldquotruthrdquo data set generated by the manual determination of the sky conditions from available satellite imagery for four seasons during 2003-2004. The day-and-night algorithm has been shown to determine the correct sky conditions 87.6% of the time (on average) over the eastern two-thirds of the U.S. and surroundings oceans. The incorrectly determined conditions arose from missing clouds 8.9% of the time or from overdetermining clouds 3.5% of the time. Nearly 82% of the misses came in the presence of low clouds. Only small variations in algorithm performance occurred between day-night, land-ocean, and between seasons. The algorithm performed best in the warmer seasons (90.9% correct during the summer versus 81.8% correct in the winter season) and during the day, when the solar illumination provides enhanced surface atmospheric cloud contrast in the infrared channels, and least well during the winter season. The algorithm was found to slightly underdetermine clouds at night and during times of low sun angle and tends to be cloud conservative during the day, particularly in the summertime.     

Proxy‐based failure detection in multimedia streaming environments

This paper presents an effective failure‐detection mechanism called the ‘dynamic threshold,’ which has specifically developed for use with multimedia streaming applications. Compared to the conventional failure‐detection methods, which normally use a fixed threshold to detect a server failure, the proposed mechanism detects the failure in an effective and timely manner by using a dynamically adjusted timeout value upon which queries are sent to suspected streaming servers running in a dynamic network environment. The failover mechanism based on the dynamic threshold was implemented in a real streaming environment. The empirical results show that the dynamic threshold mechanism performs better than the conventional method in terms of timeliness, with comparable accuracy. Copyright © 2006 John Wiley & Sons, Ltd.     

面向云存储安全的可自愈拜占庭Quorum系统

针对云存储系统中的数据安全问题,提出了一种面向云存储安全的可自愈拜占庭Quorum系统.该系统以虚拟机作为后端存储设备构建虚拟存储节点,利用虚拟机多样化操作系统,以及动态迁移、快速部署等机制构建动态异构的存储系统架构.在拜占庭容错门限的基础上,提出自愈门限的概念,并设计相应系统安全协议,实现存储节点的自动化异常检测和状态复原.实验结果表明,提出的云存储系统具有较高的鲁棒性,能有效提高存储数据的安全性.     

改进型ViBe算法在运动目标检测中的应用

作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor, ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略：(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest, ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明：改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。     

基于加速度传感器的运动步数检测算法研究

为解决人体运动过程中手腕摆动对步数检测干扰的影响,提出了一种区域峰值步数检测算法。该算法根据人体运动时的加速度信号特征,使用高斯滤波去除噪声对加速度信号的影响,基于三轴合加速度数据采用区域峰值检测方法判定有效步伐,同时利用提取的加速度信号幅值的变化量作为特征值,准确实现了稳定状态下的跑步、走路两种动作的自动识别,并根据人体不同的运动状态自动调整采样速率,有效降低了系统功耗。实验结果表明,区域峰值算法相比于动态阀值和单一峰值的算法具有更高的步数检测精确度,可达到95%以上。     

Detecting moving object from dynamic background video sequences via simulating heat conduction

Moving object detection is one of the essential tasks for surveillance video analysis. The dynamic background often composed by waving trees, rippling water or fountains, etc. in nature scene greatly interferes with the detection of moving objects in the form of noise. In this paper, a method simulating heat conduction is proposed to extract moving objects from dynamic background video sequences. Based on the visual background extractor (ViBe) with an adaptable distance threshold, we design a temperature field relying on the generated mask image to distinguish between the moving objects and the noise caused by dynamic background. In temperature field, a brighter pixel is associated with more energy. It will transfer a certain amount of energy to its neighboring darker pixels. Through multiple steps of energy transfer the noise regions loss more energy so that they become darker than the detected moving objects. After heat conduction, K-Means algorithm with the customized initial clustering centers is utilized to separate the moving objects from background. We test our method on many videos with dynamic background from public datasets. The results show that the proposed method is feasible and effective for moving object detection from dynamic background sequences.     

高分一号光学遥感数据自适应云区识别

光学卫星遥感数据在获取过程中易受云层干扰,云区识别是光学遥感数据应用及分析的一个基础但重要的步骤,高效的云区识别技术对节省数据收集成本和提高数据利用效率具有较强的现实意义.同态滤波算法是经典的基于单幅影像的云区识别方法之一,该算法具有计算快速方便、云区检测精度较高的优点,然而识别的云区范围极大程度取决于同态滤波器截止频率的位置.同态滤波截止频率通常采用经验值,显然经验截止频率无法适应批量遥感数据的自动处理需求.针对以上问题,本文通过建立输入影像频谱能量与截止频率的关系,结合白度指数(Whiteness Index)和形态学算子,实现对国产高分辨率光学卫星高分一号(GF-1)遥感数据的批量云区识别处理.与传统同态滤波方法相比,该算法能根据影像频谱能量自适应判定同态滤波时采用的截止频率,具有更强的适用性.通过对98景GF-1多光谱数据进行随机点人工目视标记精度检验,精度检验结果表明该算法对云区有较好的检测效果,总体识别精度达93. 81%.该算法对GF-1遥感数据能进行批量化云区检测,获得高精度的云区掩膜结果,并有效降低高反射率地物造成的误识率.