基于多尺度特征提取的运动目标定位研究

从尺度不变特征变换算法的实时性与鲁棒性分析入手,针对其在特征点匹配精度和匹配效率两方面不足,提出一种基于运动目标的多尺度特征提取算法.该算法通过设计出一种基于尺度因子变化的高斯核模板尺寸自适应调整以及时间轴帧图像双向配准的办法,成功地修正了运动目标图像配准的实时性与鲁棒性的不足.实验证明,多尺度特征提取算法能够有效而快...     

一种基于t图的多尺度边缘检测方法

在多尺度边缘检测方法中，滤波器的滤波尺度的选取是关键，本文通过检验一给定像素邻域的灰度分布来判断此像素是否位于平滑区，并产生一幅五维向量图－t图，然后根据t图自适应地选取小波变换的尺度。实验结果表明，应用这种方法进行多尺度小波边缘检测具有较强的抗噪能力。     

一种实时多尺度目标检测识别算法

无人机目标检测与识别任务中,目标随着飞行高度的改变尺寸发生显著变化。常规目标检测模型中,获取的小目标细节信息有限,检测精度较低;而适用于小目标的实时检测模型往往容易丢失大目标的背景信息,降低大目标的检测精度。针对以上多尺度目标检测识别任务难点,提出一种基于改进特征金字塔网络(Feature Pyramid Network, FPN)结构的实时多尺度目标检测识别模型。该模型通过增加特征金字塔层级覆盖更广的目标尺度,获取更为丰富的目标信息;同时,利用跨连接增加不同尺度特征融合的多样性,降低特征传导距离,保留更加完整的尺度特征来提高模型检测识别多尺度目标的性能。通过实验发现,相比于原始网络结构和相同特征层级的四层特征金字塔结构,加入改进特征金字塔结构的多尺度目标检测模型识别性能得到了提升。     

一种基于Wedgelet的SAR图像多尺度快速分割方法

由D．Donoho等人提出的能有效捕获图象的几何结构，但基于变换的多尺度分割算法在楔形方向的选择上需要计算所有分解楔形系数，且没有利用上层分解的结果，计算量特别大。从图像的几何结构出发，在图象四分树的基础上加以楔形区域分割，对于矩形区域的楔形方向选取上建立了多分辨分析算法，在上层分割的基础上，只需计算八个方向的Wedgelet，而不是所有的方向，既避免了窗口初始化，降低了分割过程特征抽取的复杂性，减少了迭代次数。经试验比较，该方法优于同类方法。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于多尺度注意力网络的行人属性识别算法

为了提高行人属性识别的准确率,提出了一种基于多尺度注意力网络的行人属性识别算法.为了提高算法的特征表达能力和属性判别能力,首先,在残差网络ResNet50的基础上,增加了自顶向下的特征金字塔和注意力模块,自顶向下的特征金字塔由自底向上提取的视觉特征构建;然后,融合特征金字塔中不同尺度的特征,为每层特征的通道注意力赋予不...     

一种基于多尺度卷积神经网络和分类统计的图像去雾霾方法

传统的去雾霾方法会导致天空、白云和明亮区域内的颜色失真.为了解决以上问题,提出了一种基于多尺度卷积神经网络和分类统计的去除图像雾霾的方法.首先用多尺度卷积神经网络估计图像的透射率,其次对所估计的透射率进行分类统计以确定在暗通道内天空、白云和明亮区域的像素值,最后通过低通高斯滤波器平滑图像场景的辐射度,得到恢复的无雾霾图像.实验结果表明,采用提出的方法对图像去雾霾后明亮区域内的颜色不会失真,且保留了图像的自然外观,对合成图像和真实图像均有较好的去雾霾效果.     

车载红外夜视系统行人告警算法研究

对基于红外图像的行人告警算法进行了研究,以单帧图像为基础,利用"3σ准则"进行自适应阈值分割,并在区域标记的基础上对连通域进行特征分析,同时结合连续帧图像中目标的运动规律完成对行人的检测。     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

基于三维模型的前视红外目标匹配识别方法

针对前视红外图像中地面固定目标的识别问题,提出了一种基于三维模型的匹配识别方法.首先由场景的3D数据建立目标三维模型,并以人工标记的方式进行编号以保留交界线信息;然后根据实时观测参数进行二维投影绘制得到目标的二维模板图像;最后提取边缘加权HOG特征在观测图像中进行匹配.对大量实测数据的实验结果表明,该方法识别精度高、对...     

一种机器人室内场景图像识别方法

为了对现有机器人的物体识别进行优化和改进,提出了一种新的权重计算方法进行室内场景图像识别.该方法通过对输入场景的转换获取无向带权图,在表面法方向的基础上,使用表面凹凸度这一指标来进行表面粗糙度综合判定,取代了传统的布尔判定,大大提升了抗噪性能,避免出现错误传递放大的情况.基于快速图像分割算法及时识别未知物体.实验结果表明:提出方法的鲁棒性及抗噪能力均较强,优于单纯基于法方向的方法.与基于深度学习与推测的同类方法相比,所提方法性能更好,更适用于实际识别.     

一种基于小波变换的灰度数字水印嵌入技术

根据图像小波变换后小波系数的特点,提出了一种新的数字水印嵌入技术。该方法所嵌入的不再是传统的数值序列和二值图像,而是把一幅64×64×8bit的图像作为水印信息嵌入到图像中。实验证明,该水印具有较好的透明性和较好的顽健性。     

像素预测误差耦合似然映射的图像伪造检测算法

为了解决当前图像伪造定位技术因使用了CFA 插值,易形成颜色插值噪声而降低分辨率,导致其难以检测微小篡改区域,使其伪造检测精度较低等不足,本文提出了像素预测误差耦合似然映射的图像伪造检测算法。首先,分析颜色滤波阵列CFA插值模型,并从图像中提取绿色分量;随后,嵌入权重因子,构造预测误差及其权重方差计算模型;根据预测误差与贝叶斯理论,定义伪造特征统计模型,识别出趋于零的特征值;最后,根据特征统计模型,建立其似然率模型,输出伪造映射,完成检测。仿真结果表明：与当前图像伪造定位机制相比,本文算法拥有更强的鲁棒性,能识别定位出微小伪造像素;且拥有更高的AUC值与理想的ROC曲线。     

基于光学全息和半色调技术的二维条码

描述了一种利用光学全息及半色调技术的二维条码的编解码方法。与传统的二维条码编码方法相比,该方法是利用光学全息的方法对信息进行编码和解码, 避免了传统二维条码复杂的编解码流程,而且可以利用全息固有的特征提高其数据存储能力和纠错能力。此外,在编码过程中引入半色调技术减少二维条码在打印过程中的信息丢失。根据上述原理,本文实现了全息二维条码的编解码,计算仿真和实验均证明了该方法的可行性。