基于曲线特征的快速Hough逆变换算法

提出一种基于曲线特征(CF)的Hough逆变换(IHT)算法。基于静止图像中待检测曲线的特征，选取图像中若干特征点，根据这些特征点，结合待检测曲线的特征信息寻找生长点，以这些生长点为下一次检测过程的新特征点，循环生长，直至达到检测要求为止。实验表明，CF-IHT算法只选取了图像中待检测曲线上的点进行重建，克服了标准IHT(SIHT)逐像素检测的盲目性，减小了算法的计算复杂度，节省了存储空间，提高了算法的计算效率。     

基于改进AdaBoost算法的飞机特征图像识别

飞机特征点图像的识别是航空试飞领域中计算机视觉研究的重要课题,在基于图像的视频安全监控、自动识别与智能人机交互方面有着重要的研究价值。其检测算法经过长时间的发展,已经取得了显著的成绩。本文中对Paul Viola提出的基于积分图像和AdaBoost的检测方法进行了深入研究、改进,并针对实际问题成功应用到飞机特征点图像的快速检测中。     

遥感图像识别中目标特征点提取方法研究

文章首先介绍了图像识别的重要性，接下来主要介绍了一种新的基于目标图像边缘点寻找特征点的方法。最后通过对一个具体算例的研究，说明这种方法的正确性和可行性。     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于多尺度特征增强卷积神经网络遥感目标检测算法

随着技术的不断发展,遥感技术被广泛应用于地图绘制、资源勘探以及灾害预警等领域。遥感目标检测是进行遥感图像解译的关键步骤。传统的目标检测算法在对遥感目标进行检测的过程中存在目标漏检、检测精度低以及无法解决小目标检测等问题。提出一种基于多尺度特征增强卷积神经网络(MSFE-CNNs)的遥感目标检测算法,通过对不同卷积层特征进行增强和融合,使得模型具有更快的训练速度和更高的检测精度。所提算法结合特征提取模块、特征增强模块、自注意力机制和金字塔特征注意力机制。特征提取模块对输入的海量遥感数据进行特征提取,获取不同类别目标的多尺度特征;特征增强模块用于增强不同卷积层特征相关性,强化模型的学习能力和特征之间的非线性关系;自注意力机制和金字塔特征注意力机制主要解决传统卷积神经网络无法获取小尺度目标特征的问题。为了验证所提算法的有效性,在DOTA数据集上进行不同方法对比,实验结果表明所提算法在检测精度和训练速度上均优于现有基于深度学习的目标检测算法。     

基于ORB特征的高分辨率图像拼接改进算法

针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法.首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对...     

基于LOG算子边缘检测提取特征点的平显振动算法研究

针对平显测试过程中图像抖动检测实时性要求较高的特点,通过对图像振动检测算法进行分析,提出了基于LOG算子边缘检测提取特征点的平显振动算法,利用该算法提取图像序列的特征点后并进行特征点匹配,根据特征点对位移量计算图像序列的振动量。实验结果表明该算法可以满足平显图像振动实时检测要求。     

基于分形特征的目标检测算法概述及仿真

对目前比较常用的基于分形特征的目标检测算法进行了概述,并给出了相应的仿真结果.从仿真结果我们看出基于多尺度分形参数的目标检测算法是一种比较精确的算法,但是计算量太大.从计算量和精确度双方面考虑快速的基于分维数和分形拟合误差的目标检测算法是一种不错的算法.     

基于FAST-SURF的移动端实时特征检测匹配算法

针对移动终端自然特征提取和匹配的处理能力不足,提出了一种基于FAST-SURF特征检测匹配的简化算法,采用FAST算法检测自然特征点,再采用简化过的SURF算法计算特征点的方向,并建立特征描述符,然后将建立好的特征点描述符与数据库中的特征描述符进行匹配。实验结果表明,该算法处理图像花费时间短,在移动端能实时处理自然特征检测与匹配。     

基于注意力和特征融合的遥感图像目标检测模型

针对环境背景复杂且包含小目标的遥感图像难以进行精准目标检测的问题,在单阶段检测(SSD)模型的基础上,提出了一种基于注意力和特征融合的单阶段目标检测模型,该模型主要由检测分支和注意力分支组成.首先,在检测分支SSD中加入注意力分支,注意力分支的全卷积网络通过逐像素回归得到待检测目标的位置特征;其次,采用对应元素相加的方...     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

一种基于最小错分概率的遥感影像变化检测算法

变化检测是研究自动实现目标变化信息提取的方法。为适应不同时期遥感影像成像环境和灰度的差异,提出一种基于最小错分概率的遥感影像变化检测方法,对待检测的遥感影像利用差影法提取出差值影像,利用最小错分概率的计算方式计算变化阈值,提取出重要的变化区域,最后采用去噪扫描和形态学的方式剔除噪声带来的虚假变化。实验结果表明,所提出的变化检测算法稳健、实时性强,具有较大的实用价值。     

基于特征点定位与肤色分割的胡子检测算法

针对具有一定程度偏转和模糊的人脸图像难以实现胡子检测的问题,提出基于人脸特征点定位与肤色分割的胡子检测算法.该算法的设计思路是首先使用主动形状模型(ASM)算法定位人脸特征点进而获取下巴区域,然后利用提出的自动选择聚类中心(ASCC)的肤色分割算法分离出下巴的非肤色区域,最后在下巴非肤色区域中使用胡子颜色判别法检测得到胡子.在LFW人脸库上的实验表明,该算法能够准确地检测出入脸的胡子,特别地,对有一定程度偏转和模糊的人脸图像,算法依然能获取良好的检测效果.     

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一.近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合.该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义.     

基于遥感图像的船舶目标检测方法综述

如何在复杂环境中准确、快速地实现各类船舶目标检测是一项重要研究课题,也是保障船舶航行安全、保护领土安全、加强水域资源监管的基础。红外成像、合成孔径雷达（Synthetic Aperture Radar,SAR）以及卫星遥感等成像技术的发展为船舶检测提供了丰富的图像数据,已取得许多研究成果。介绍了船舶目标检测的过程,从基于传统图像处理技术的船舶目标检测和基于深度学习的船舶目标检测两方面总结并分析了现有船舶目标检测方法,讨论了相关关键技术,最后指出了未来的研究方向。     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

基于LARK特征提取的AdaBoost人脸检测系统

由于图像易受到外部条件及图像背景的影响,AdaBoost人脸检测方法在特征分类的过程中,单个分类器存在将人脸图像误判为非人脸图像的情况,致使分类器在检测过程中存在误差。文中通过研究AdaBoost人脸检测方法,并将LARK特征提取方法应用到特征分类当中,使原有的方法上得到改进,从而有效提高了人脸检测的准确度。     

一种适用于行星表面特征提取的实时SIFT算法

在行星探测任务中,针对尺度不变特征变换(SIFT)算法计算量大,无法同时满足对导航算法准确性和实时性要求的问题,提出了一种基于快速高斯模糊的并行化SIFT算法,即FG-SIFT算法.首先,将算法中构建高斯金字塔的二维高斯核函数分离成两个一维高斯函数,降低算法的计算复杂度.然后,对于每一维高斯函数,使用两个无限脉冲响应滤...     

多尺度特征融合U-Net的遥感影像黑臭水体智能检测

研究采用卫星遥感技术获取高分辨率遥感影像水体样本数据集,基于深度卷积神经网络从高分辨遥感影像中提取水体并进行黑臭水体智能监测,提出了一种改进U-Net的黑臭水体检测网络模型(IWDNet)。基于U-Net结构引入跳跃式多尺度特征融合,结合通道注意力机制、卷积注意力模块、通道与空间注意力机制生成不同多尺度特征融合注意力机制(MFFAM)模块进行对比,并引入空洞卷积扩大网络感受野,最终实现黑臭水体的识别检测。实验证明：基于跳跃式多尺度融合与CBAM注意力机制的黑臭水体检测网络(MFFCBAM-IWNet)模型有效提升了识别精度,在高分辨遥感影像水体样本数据集上表现最佳,总体精度达98.56%,Kappa系数达0.978 4。