复杂环境下的自适应红外目标分割算法

针对现有图像分割算法存在分割效果不佳及耗时长等缺点,提出了一种二维Otsu法红外目标阈值分割算法。根据局部邻域熵引入图像背景因子来对图像进行预分类,并采用最佳阈值与类内与类间方差的归一化处理对图像进行图像分类;最终通过约束阈值的搜索范围,来提高算法的准确性与稳定性。实验结果表明,该方法能够对不同类型的图像进行有效的图像分割同时保持较高的编码效率,与其他算法比较,该算法的图像分割效果及消耗时间具有一定的优势。     

一种HF定频信道探测杂波背景分割方法

针对HF定频信道探测杂波背景下的检测问题，提出了一种基于瑞利分布映射的阈值提取方法，并根据多层次阈值提取结果和基于游程码的二值图像标记及图像膨胀填充方法，给出了HF定频信道杂波背景能量层次轮廓（文中统称背景分割方法），为后续的检测研究提供支持.研究表明，本方法在多种HF定频信道探测的杂波背景分割中，均能给出较理想的杂波背景轮廓，对后续的海杂波提取及相关检测有一定的指导作用.     

一种结合区域检测和语义分割的SLAM技术

提出一种结合区域检测和语义分割的即时定位和建图（SLAM）技术，通过引入高精度图像描述子SIFT来实现前端视觉里程计（VO）过程中帧间像素匹配的精度。为了降低引入操作带来的计算复杂度，设计一个实时区域检测算法，在相邻帧间检测大致相似的ROI(Region of Interest)关键区域，使得SIFT描述子的提取和匹配只在ROI区域内完成，其余区域仍旧采用精度略低、效率更高的ORB算子。同时，为了提高后端BA(Bundle Adjustment)的精度，减少累积误差，结合语义图，在原有的基本投影误差函数上添加一个语义误差。该语义图采用实时语义分割算法完成，同时只针对ROI区域进行分割。通过与原SLAM方案对比实验，表明本文提出的方法，在提高一定精度的同时，仍能满足SLAM实时定位和建图的要求。最后，在电力作业场景下验证了该方案的效果。     

结合多尺度体素和高阶条件随机场的点云分类

针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.