基于图像处理技术的行人运动轨迹提取方法

为了实现复杂场景中多运动行人目标的检测和跟踪,采用计算机视觉技术对真实场景下行人运动视频进行处理。利用基于高斯混合模型的背景消减法提取运动目标前景,并通过形态学运算进行目标清晰化处理。采用基于预测的Kalman滤波算法对运动目标进行跟踪,并对画面中的人数进行实时统计和更新。输出多运动行人目标的实时坐标和运动轨迹。研究结果表明:本文提出的算法能够快速准确地检测和追踪多运动行人目标,初步提取行人运动轨迹。     

一种结合纹理特征的极化SAR图像分类方法

为充分提取极化SAR图像中的信息来提高极化SAR图像分类精度,首先通过极化目标分解得到多个参数组成极化分解特征向量,然后提取纹理特征值得到纹理特征向量,最后将纹理特征向量与极化特征向量组合成新的特征向量,利用支持向量机SVM方法进行分类。对Radar Sat-2的Pol SAR数据进行分类实验,并对分类结果进行定性和定量比较分析。实验结果表明纹理特征与极化特征结合用于极化SAR图像分类可以提高分类精度。     

掌纹主线和纹理特征融合的识别方法

针对掌纹单特征提取方法提取的掌纹特征信息较为单一以及近年来掌纹特征融合方法在纹理特征提取过程计算量偏大和没有将掌纹感兴趣区域(ROI)的多种特征进行融合的缺陷,本文提出了一种掌纹主线和纹理特征融合的方法。利用数学形态学和基于统一模式的LBP算子分别提取增强的掌纹ROI的主线特征和纹理特征信息,再利用融合规则将两种特征信息进行融合。对各特征图进行直方图统计得到特征向量后输入SVM分类识别,再将识别率最高的特征图进行分块直方图统计,将所得特征向量输入到SVM进行分类识别并与其他方法作对比。     

U-net深度学习神经网络结合面向对象的城市森林高分影像信息提取

城市森林结构复杂、分布破碎,采用高分遥感数据,通过深度学习等智能机器学习算法精准监测提取城市森林信息,是城市森林资源智能监测管理的关键性基础环节。本文以杭州市余杭区部分城区WorldView-3高分卫星遥感影像为数据源,采用改进的U-net深度学习神经网络,并结合面向对象多尺度分割方法,研究城市森林智能精准提取。首先,通过大量的训练数据获得最佳模型参数;其次,使用U-net网络进行语义分割得到分类结果图;最后,结合面向对象最优分割修正深度学习城市森林提取结果,从而最终得到城市森林提取结果。研究表明,(1)基于改进的U-net深度学习神经网络得到的城市森林总体分类精度达90.50%,Kappa系数为0.886;(2)经面向对象分割对U-net深度学习神经网络结果中的"椒盐现象"及边界地物错分现象进行修正后,分类总精度提高到93.83%,Kappa系数提高到0.9295。因此,U-net网络模型结合面向对象方法可以有效地改善遥感目标识别及地物分类的效果,保证城市碎片化植被提取与植被区域边界的准确性,从而提高城市森林植被提取精度。     

基于深度卷积网络的糖尿病并发症分类

本文针对现有糖尿病并发症分类研究以统计为主,缺乏有效数学模型的问题,提出了基于深度卷积神经网络的糖尿病并发症分类模型。首先进行数据预处理,将糖尿病数据进行降维和向量化;其次采用深度卷积神经网络对并发症进行分类,并与SVM、决策树、BP神经网络等经典方法进行了对比。实验结果表明,本文提出的基于深度卷积网络的糖尿病并发症分类模型准确性高于其它模型,能够为糖尿病并发症提供有效地辅助诊断。     

基于结构光投影的物证三维重建技术

物证重建与鉴定是庭审中的重要组成部分,传统犯罪现场立体物证的提取常采用石膏倒膜、相机拍照与三维激光扫描方法。这些方法存在着提取效率较低,易破坏物证细节特征、精度低等缺陷。为克服传统提取方法局限性,提出一种基于结构光编码投影的物证三维重建技术,采用高分辨率工业级相机与光栅投影仪,通过图像编码方式对外场立体物证进行三维提取。由于该方法为非接触式光学测量,可以实现快速、无损、高精度外场立体物证三维提取,并通过实验验证了该方法的有效性。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.     

基于激光影像的物体三维点云获取系统

三维点云获取系统能够快速地获取目标物体的几何信息,生成大量点云,将目标的真实三维形态在计算机中可视化的展现出来。本文提出了一种新的三维点云数据获取的方法,应用在自主开发的基于激光影像的物体三维点云获取系统中,即标定激光面映射目标表面点的一维坐标,利用单像摄影测量后方交会和一维坐标的联合解算,得出目标点三维伪坐标。通过坐标逆向旋转恢复,得到真实的三维坐标数据,据此完整地建立目标物体的三维可视化模型。     

基于统计学方法的手足口病传播研究

本文利用统计方法研究大庆市2008年至2010年3年以来的手足口病疫情特点，以解释手足口病的流行特征，为制定手足口病防治策略提供科学依据。采用自回归分析的统计方法，利用spss进行模型判断再利用Matlab进行数据处理得到预测关系模型。根据此关系模型对大庆市2010年发病人数进行预测，并与真实发病人数进行对比，从而验证该关系模型是否可行。     

基于图像网格化分割的实时车道线识别算法

车道线识别技术是利用光学传感器对环境进行感知,为车辆行为的决策和控制提供重要的车道信息,其本质是从图像中提取车道线的轨迹坐标。基于深度学习的车道线识别算法大多采用密集预测型方法提取车道线轨迹,因而在提取过程会重复处理大量的冗余信息。针对这一问题提出一种改进算法,该算法将图像划分为多个小网格,并对各网格进行分类,从而减少提取过程中冗余信息的处理次数。在此基础上,设计深度神经网络用于网格分类,其与常规密集预测型神经网络的区别在于:利用了无参数的亚像素卷积替代转置卷积以避免棋盘格效应;采用1×1卷积替代全连接层分类器,实现在网格分类过程中保留关键空间位置信息,同时降低网络规模。在CULane数据集上分别训练Lane Net与改进算法,并进行对比分析,分析结果表明,改进后的车道线检测算法在准确性与实时性方面均具有明显优势。