在航拍图像中自动识别机场跑道的算法

提出了一种用于在航拍图像中自动识别机场跑道的方法，首先，根据机场跑道的诸多特征，构造出机场跑道的模型，然后采用假设，检验的方法，在边缘检测后的图像中，进行搜索，连接，合并，将图像中的跑道识别出来，大量的实验证明，这种方法可以自动在航拍图像中准确，快速地识别出机场跑道。     

基于Faster R-CNN的航拍图像中绝缘子识别

为了解决传统绝缘子识别方法存在适用性不强、识别效率低的问题,结合深度卷积神经网络思想,提出一种从电网巡检航拍图像中自动识别绝缘子的方法。应用Faster R-CNN框架,结合电网巡检航拍图像数据库,构建绝缘子识别系统,自动识别航拍图像中的绝缘子,并分析不同模型和参数对识别精确度的影响。实验结果表明,相比于传统航拍绝缘子识别方法,采用深度卷积神经网络对航拍绝缘子进行学习和识别,具有较高的识别准确率和效率,可以很好地识别各种类型的绝缘子,识别性能大幅度提高。     

高空水上桥梁的一种识别定位方法

以水上桥梁的航空照片为基础，提出了一种对水上桥梁自动识别定位的方法，采用了基于假设检验的方法，主要包括根据水上桥梁的特点提出的先验知识，河流区域与非河流区域分割，桥面主边缘的检测定位以及对假设的检验。根据航空照片噪声干扰大的特点，采用了抗干扰能力强的Hough变换，并根据需要，对Hough进行了一些改进，本方法在试验中已经取得了很好的识别效果。     

一种快速的基于SIFT算法的无人机航拍序列图像自动拼接方法

无人驾驶飞机在短时间内具有相对稳定的航向、飞行速度、飞行高度等特点,这些特点决定了相同时间间隔的航拍序列图像的重合区域相对稳定,在此基础上,本文提出了航拍序列图像拼接方法的约束性条件,及一种快速的无人机航拍序列图像的自动拼接方法。该方法运用自回归模型,将历史相交区域中心点作为模型的输入数据,对当前用于拼接的重合区域进行预测,然后在预测区域内进行SIFT特征提取和特征提纯,并根据提纯后的特征进行快速的序列图像拼接。通过在无人驾驶飞机航拍序列图像上对该方法性能进行实验,结果显示本文的方法具有较好的拼接效果,在海量无人机航拍数据的情况下,能大大减少拼接时间。      

基于注意力机制的航拍图像实时语义分割方法

目前语义分割网络存在推理速度慢、轮廓信息缺失和语义信息不充足的问题,使其不适用于航拍图像的语义分割。提出一种交叉注意力混合机制和金字塔注意力机制的解码网络用于航拍图像语义分割。首先,采用MobileNetV2为骨干网络提高实时性推理速度;其次,提出交叉注意力混合机制解决轮廓信息缺失的问题;再次,提出金字塔注意力机制消除卷积神经网络无法捕获长范围语义信息的局限性。最后,实验结果表明,该文网络在单张GTX 3090卡,分辨率为256×256×3的DLRSD(Dense Labeling Remote Sensing Dataset)数据集中,获取73.4%的平均交并比和85.4%的像素精度,实现了196.9帧每秒的推理速度。     

一种新的无人机航拍序列图像快速拼接方法

 无人驾驶飞机航拍序列图像的邻近帧间含有大量的相交区域,这些相交区域是进行基于特征的图像拼接的基础,但是也成为了降低拼接效率的冗余信息.因此,本文提出一种既稳定又具有较小时间开销的无人机航拍序列图像的自动拼接方法.利用图像拼接过程中查找到的匹配特征点,自适应提取出适于航拍序列图像快速拼接的关键帧;在分析了序列图像的拼接时的相交区域的运动模型的基础上,建立了无人机航拍序列图像配准过程中的特征搜索区域预测的卡尔曼滤波器,减少了特征搜索和配准的时间;然后给出了详细无人机航拍序列图像的快速拼接方法,实验结果显示,本文的方法具有较好的拼接效果和拼接效率.     

一种红外条件下的新型眼睛状态识别算法

针对复杂光照、头部转动和戴眼镜对眼睛状态识 别算法的影响,提出了一种基于红外图像和形态学的眼睛状 态识别算法,通过带850nm窄带带通滤光片的红外摄像头采集眼睛图 像,提取眼睛轮廓特征描述子和眼睛骨架图像的方向 链码实现睁眼和闭眼判别,同时引入图像可信度判别机制,把眼睛划分为睁开、闭合和 不可信3种状态,从而极大地 降低了算法模型在恶劣环境中的虚警率。实验证明,本文算法模型对于复杂光照、头部转动 和戴眼镜等均具有较高的鲁棒性,在 可信眼睛图像集中,睁眼正确识别率达到了95.21%,闭眼正确识别率 达到了92.03%,均高于其他几种常用的眼睛状态识 别算法,同时每秒能处理200张以上眼睛图像,满足实际驾驶环 境中 实时性的要求。     

基于极坐标Lagrange插值的航拍图像畸变校正算法

由于航拍图像的拍摄高度远低于卫星图像拍摄高度,因此每个拍摄地点的建筑投影差大小和方向都不相同,图片畸变严重。此外,考虑到图像边缘区域的畸变程度远大于图像中心区域的畸变程度,本文提出了一种基于极坐标的Lagrange插值的逐点畸变校正方法。利用该方法在极坐标系内对单个像素点进行插值,然后根据插值结果对像素点进行校正,再将其坐标从极坐标系变换回直角坐标系,最后采用此方法在整个航拍图像内逐点进行畸变校正。实验结果表明,校正后的航拍图像畸变程度不超过3%,证明该方法不但能有效地校正畸变图像,且与传统的利用DLT线性求解畸变校正矩阵等校正方法相比具有更为广泛的适用性。     

一种用于目标识别的图像融合算法

随着越来越多的装甲车辆装备了红外图像传感设备,使得将可增强战车侦察力的多传感器图像融合技术运用到火控系统的改进中成为一种趋势.针对这一情况,提出了一种基于IHS空间的红外与可见光图像的像素级融合算法.该算法基于IHS空间建立源图像灰度级与色调、饱和度和亮度等与人的感知颜色特征之间的函数关系,通过矩阵转换,得到融合图像的RGB值,可输出显示.实验结果显示:采用该融合算法得到的融合图像目标突出、色彩自然,具有较好的视觉效果,有助于伪装目标的识别.     

城市航空影像中基于模糊Retinex的阴影消除

城市航空影像中,高大建筑物形成的阴影影响了影像视觉效果,也给物体识别造成了困难,有必要对其进行补偿和消除.本文针对Retinex图像增强算法的不足,提出了一种模糊Retinex算法.模糊Retinex使中心环绕空间对比运算仅在光照强度相近的区域中进行,增强了Retinex在光照强度变化较大的场景中的鲁棒性.基于影像阴影区域、非阴影区域的模糊划分,该算法在保持原影像自然色彩的前提下补偿和消除了阴影的不良影响.实验表明该方法取得了较好的效果,丰富了Retinex的研究和应用范围.     

SAR图像舰船目标识别综述

SAR图像舰船目标识别是SAR图像海洋监视应用中的一项关键技术。在广泛文献调研的基础上,首先建立了SAR图像舰船目标识别的主要流程;接着对用于SAR图像舰船目标识别的众多特征进行归纳整理,分析了其物理意义及优缺点;然后对用于SAR图像舰船目标的分类算法进行了较为全面的综述;最后分析了目前研究中所面临的主要问题,展望了进一步研究的主要方向。     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

一种应用于指纹识别系统的指纹图像压缩算法

针对应用于指纹识别系统中指纹图像的压缩编码问题,提出了一种改进的基于四叉树分类的网格编码量化(QTCQ)的指纹图像压缩算法.该算法对小波变换后的高频系数采用2×2的DCT变换进一步集中能量,并对变换后的系数进行系数重排以使得高频子带内的重要系数集中于相应子带的低频位置,再通过基于四叉树的网格编码量化进行量化编码.仿真结果表明,该算法比WSQ和JPEG2000等均具有更好的压缩性能.     

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.     

一种快速的航空图像边缘提取方法

航空图像边缘提取对于图像的判读具有重要的辅助作用.在分析航空图像特点和形态学基本原理的基础上,提出了一种新的复合型数学形态学边缘提取算法.通过对一幅实际的航空图像的仿真实验,结果表明,该方法比传统的数学形态学边缘提取算法具有更好的抗噪能力和边缘提取效果,并且算法运算时间短.     

中长波红外成像识别跟踪与制导技术的发展概况

本文以中长波红外成像探测系统、信号处理系统和目标识别与跟踪系统为前提，论述中长波红外成像识别跟踪与制导技术的应用现状和发展趋势。     

基于加权小波分形的卫星遥感图像飞机类型识别

针对卫星遥感图像中飞机目标的特点,提出一种基于加权小波分形的识别算法。首先利用小波对图像的“显微”能力和“极化”能力,提取子波段显著特征;然后应用分形理论对其进行分析降维,由分形维构成特征向量;并根据各子波段的不同描述能力,对分形维向量进行加权处理;用最小距离分类器识别分类。实验结果表明:该算法能够兼顾目标的整体信息和局部细节,与Hu不变矩、Zernike矩、Fourier描述子相比,识别率高。     

基于迁移集成学习的无人机图像识别算法

针对当前小型无人机目标图像识别方法准确率较低的问题,提出了一种基于迁移集成学习的无人机图像识别算法。首先,基于AlexNet、VGGNet-19、Inception-V3以及ResNet-50四种结构具有差异的卷积神经网络对源数据集进行预训练,获取图像的深层次特征;然后,对目标数据集进行迁移学习,得到目标的分类特征,构建分类模型;之后,采用相对多数投票法和加权平均法的集成学习方法,对分类模型进行集成得到迁移集成模型。构建了一个包含小型无人机图像、飞鸟图像以及直升机图像的图像数据集UavNet,在对数据集进行数据增强的基础上开展了图像识别算法性能实验,结果表明,算法对多类目标的识别准确率为99.42%,无人机类目标识别的F1-score指标为99.12%,优于主流的卷积神经网络方法和传统的支持向量机方法,具有一定的理论意义和应用价值。