多传感器目标分类的数据融合方法

本文概述了多传感目标分类数据融合技术的概念，原理，结构和算法，揭示了它的实质，全面介绍了该技术目前在国内外的研究发展状况，指出存在问题，难点，并预测未来发展趋势，完整地展示这一研究领域的全貌。     

伪装网遮蔽目标多波段多极化SAR图像融合检测

针对伪装网遮蔽作为对抗侦察与监视的常见手段,而多波段多极化SAR图像具有提供被遮蔽目标互补性的不同特性信息的特点;本文提出基于改进Neyman-Pearson准则的决策级融合算法,实现对伪装网遮蔽目标的检测.该方法根据理论定性分析与实测数据定量分析,探讨了波段、极化方式对伪装网遮蔽目标探测的影响,并比较了像素级与决策级...     

基于神经网络的信息融合算法研究及其在入侵检测中的应用

目前，网络入侵技术越来越先进，许多黑客都具备反检测的能力，他们会有针对性地模仿被入侵系统的正常用户行为；或将自己的入侵时间拉长，使敏感操作分布于很长的时间周期中；还可能通过多台主机联手攻破被入侵系统．对于伪装性入侵行为与正常用户行为来说，仅靠一个传感器的报告提供的信息来识别已经相当困难，必须通过多传感器信息融合的方法来提高对入侵的识别率，降低误警率．应用基于神经网络的主观Bayes方法，经实验，效果良好．     

采用多源图像分形特征的多目标检测方法

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法.首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理.该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据"距离相似度准则"进行目标的聚类识别,排除背景干扰,最终检测出全部目标.实验结果表明该融合检测算法能有效地进行多目标的检测与识别.     

基于多尺度融合方法的无人机对地车辆目标检测算法研究

由于飞行高度等原因,无人机图像在实际使用中目标尺寸普遍较小、特征信息不明显,使用现有的算法对其进行目标检测存在困难。因此,提出了基于多尺度融合的图像多目标检测方法,使用Faster R-CNN为基础框架,将不同层次的特征信息进行融合,再结合上下文信息,实现了对无人机图像小目标检测。使用VisDrone2019数据集对地面车辆进行目标检查,实验证明:无人机对地面车辆目标的检测达到了较好的结果,所使用算法的精度达到88%,与其它算法相比提升了3.8%以上。     

目标检测技术在互动视觉效果制作中的应用研究——以北京冬奥会开幕式节目《雪花》为例

北京冬奥会开幕式节目 《雪花》的互动视觉效果制作同时包含内容制作与系统集成.本文针对 《雪花》的互动视觉效果制作需求,探讨了演员定位问题的解决思路,设计并实现了一种基于计算机视觉领域目标检测算法的演员定位系统,并分析该系统在 《雪花》中的实际应用情况.     

基于多尺度特征融合的遥感图像小目标检测

本文提出了一种鲁棒的基于多尺度特征融合的遥感图像小目标检测方法.考虑到常用的特征提取网络参数量庞大,过多的下采样可能导致小目标消失,同时基于自然图像的预训练模型直接应用到遥感图像中可能存在特征鸿沟.因此,根据数据集中所有目标尺寸的分布情况(即:先验知识),首先提出了一种基于动态选择机制的轻量化特征提取模块,它允许每个神...     

神经网络专家系统多目标决策方法及其应用

本文将神经网络与专家系统有机地结合起来,应用于非线性多目标决策问题,提出了一种非线性多目标决策神经网络专家系统方法,并应用生产计划决策中。     

基于CNN的点云图像融合目标检测

针对自动驾驶场景中目标检测存在尺度变化、光照变化和缺少距离信息等问题,提出一种极具鲁棒性的多模态数据融合目标检测方法,其主要思想是利用激光雷达提供的深度信息作为附加的特征来训练卷积神经网络(CNN)。首先利用滑动窗对输入数据进行切分匹配网络输入,然后采用两个CNN特征提取器提取RGB图像和点云深度图的特征,将其级联得到融合后的特征图,送入目标检测网络进行候选框的位置回归与分类,最后进行非极大值抑制(NMS)处理输出检测结果,包含目标的位置、类别、置信度和距离信息。在KITTI数据集上的实验结果表明,本文方法通过多模态数据的优势互补提高了在不同光照场景下的检测鲁棒性,附加滑动窗处理改善了小目标的检测效果。对比其他多种检测方法,本文方法具有检测精度与检测速度上的综合优势。     

基于深度学习的机器视觉目标检测算法及在票据检测中应用

基于深度学习的目标检测是机器视觉应用的重要方面。该文系统总结基于区域候选的目标检测算法、基于回归方法的目标检测算法及其他优化算法的算法思想、网络架构、演进过程、技术指标、应用场景,指出在机器视觉系统应用中,应充分考虑检测对象、检测精度、实时性能要求,结合不同目标检测算法特点,选择最合适的检测算法。最后,面向票据检测需求,分析目标检测算法在票据图像位置检测、防伪特征检测、文本信息检测中的应用。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

复杂背景、强噪声环境中的点源目标检测及跟踪方法

介绍了一种在复杂背景、强嗓声环境中检测并跟踪多个点源目标的方法。目标在图象中的位置是未知的；其轨迹是连续的并可以是任意的；图象序列中含复杂的变化背景，并伴有强的随机白噪声；目标为压几个象元的点目标，本文提出的是一种回形窗扫描、相关处理及相关跟踪相结合的算法，能有效地从复杂背景、强噪声环境中检测与跟踪多个点源目标。这种算法能对图象进行分割、并行处理，适合于实时的目标探测及跟踪。     

基于规则的物体识别定位方法

提出了用于物体识别定位的传感器规划方法，并利用该方法对物体进行了识别定位仿真实验。该方法利用规则在识别定位过程中动态地规划传感器的方位，较好地显示了主动视觉的作用。实验表明，该方法简明有昴且具有较高的可靠性。     

扩展目标边缘数据空间排序算法

提出的边缘数据排序算法，用于扩展目标跟踪设计之中，此算法采用链式数据结构，在寻找搜索起始点的基础之上，以距离最近为相邻象元之准则在链式数据结构中进行搜索，并重新妆成边缘数据的空彰序集合。     

一种光斑图像中心的亚像素提取方法

针对空间发光点所成光斑图像中心的高精度提取问题,本文提出一种亚像素提取方法.该方法建立了具有高斯能量分布的空间发光点的透视投影光斑图像灰度分布数学模型,证明了空间发光点能量中心的透视投影不变性.通过对光斑图像二阶方向导数和自相关函数的分析,获得Hessian矩阵并推导出像素级光斑图像中心的判定条件,再将图像灰度分布函数在光斑图像像素级中心的亚像素邻域内泰勒展开,并求取光斑图像灰度分布曲面的局部极大值点作为亚像素级光斑图像的中心点.与现有经典方法的对比仿真实验结果表明,该算法具有更高精度和更好的鲁棒生,可广泛应用于视觉检测的摄像机标定、三维形貌测量等任务中(类)光斑中心的高精度提取.     

测量高功率激光束衍射光斑阵列位置的图象处理方法

介绍了测量高功率激光束射光斑阵列的各光斑中心位置的计算机图象处理方法。讨论了ＴＩＦＦ图象格式的全用技巧，利用灰度级确定各衍射光斑光强中心以及去除噪声光点的计算机处理方法，用计算机软件实现了常规Ｈａｒｔｍａｎｎ－Ｓｈａｃｋ传感器中子透镜阵列的子光束聚焦过程。     

一种识别不同种类葡萄的无损检测方法

设计了一种简单有效的方法对葡萄的颜色进行特征提取,把计算得到的特征值作为神经网络的输入,通过神经网络的自我学习训练,识别出不同种类的葡萄.研究表明,采用本实验方法得到的识别准确率很高,均方误差为0.000 252%,且完成整个识别过程的时间比一般的方法短很多.     

LIP多重微区域分解算法扩展数字图像动态范围

CCD/CMOS 图像传感器的饱和电流和背景噪音使得一次曝光很难超过 60-80dB 的动态范围。用 LIP(Logarithmic image processing)模式将图像转换为灰色调函数,再将基于 LIP 模式的非线性多重微区域图像分解算法进行改进,可以适应不同亮度的单幅图像处理,提高了可分辨信息量和图像对比度,同时抑止了噪声。质量评价显示,该算法能将 MOS 等级四的源图像提高到等级一。     

图像处理中的绝缘子缺陷检测方法

目前国内外生产上钢化玻璃绝缘子的缺陷检测均采用传统的人工肉眼检测方法,难以满足大规模、自动化生产的需要.为此,结合基于形态学的特征检测和基于BP神经网络的缺陷分类检测,提出一种基于图像处理的玻璃件缺陷检测方法.实验结果证明了该方法的有效性.     

圆度误差的一种微机图像测量法

将圆度误差测量的影像法与最小二乘圆法相结合，利用多媒体图像处理技术，设计了一种圆度误差的微机自动测量系统，实现了非接触、远距离快速测量，提高了测量精确度，为某些特殊工件的测量提供了一套实用的测量方法。