多干扰高温辐射体图像目标的分类识别方法

在基于CCD图像传感器的非接触高温温度场软测量中,为了计算高温图像目标的温度,必须先从辐射图像中准确识别待测目标。由于工业现场采集的高温熔体图像中存在多种噪声,导致图像目标难以准确识别。提出一种目标图像分类识别方法,即先利用多光谱图像分割方法来减少甚至消除各种高温噪声;然后运用改进的最大类间方差法进一步分割以去除烟雾干扰;最后运用数学形态学方法消除分割图像中的游离点和孔洞,使目标边缘光滑。实验结果表明,该方法能够从多种干扰图像中准确识别出高温辐射体图像目标,有较强的实用性。     

基于图像挖掘技术的车辆目标识别方法

在目前的图像处理技术发展现状中,图像挖掘技术是其中一项较为突出和新颖的技术分支。而随着日益庞大的图像数据信息处理量的要求增加,却没有一个有效的分析和处理技术,为此,如何解决大量数据的解析和处理问题是目前图像挖掘技术的主要方向。本文将着重研究图像挖掘技术的原理和其在目前社会中的应用情况。利用简析图像挖掘技术的基本原理分析其数据模型,探讨其所具备的基本功能以及在车辆目标识别上的应用和方法。总结出图像挖掘技术对图像中所存在信息的完全解读,挖掘图像中存在的隐形关联,而且随着图像挖掘技术的不断改进,其目标识别的功能可以应用到车辆管理模式当中。通过实验表明,此方法可以对目标图像中车辆数量和种类的辨识度达到80%以上。     

复杂交通场景中采用稀疏表示的车辆识别方法

针对智能交通系统中复杂交通场景下对于车辆识别的难点问题,提出一种基于方向梯度直方图特征和稀疏表示的车辆目标识别方法。该方法首先使用方向梯度直方图特征分别提取训练样本和待测目标信息,通过稀疏表示的方法将训练样本训练为过完备字典,最后通过待测目标在字典中稀疏度和重构残差判定目标是否为车辆并对其标注。实验结果表明,提出的方法在粘连遮挡、目标类别多样等复杂交通场景中有较好的识别率和实时性。     

遥感图像小型目标的识别方法

提出使用特征提取的方法来识别遥感图像中的小目标。介绍了不变矩法和高阶累积量法两种用于目标识别方法的原理和如何构造它们的不变特征集的过程。在论述了这两种不变特征集的构造方法的基础上，对遥感图像采用多元识别方法。实验结果证明：经过图像预处理后，采用不变矩法和高阶累积量法进行多元搜索有很高的准确度。     

基于视频图像的车辆实时检测系统

针对道路车辆的实时监测系统检测效率和精度较低的问题,设计一套实时监测系统。对视频图形进行灰度化、滤波及增强,并分割出统计区域。在分割出的图像中,设计统计众值法构建背景模型,设置阈值获得前景图像,采用Canny算子检测车辆边缘,将前景图像与车辆边缘叠加进行形态学运算以获取车流量统计结果。实验结果表明,该系统准确率高达98. 45%,能够满足智能交通系统对检测效率和精度的需求。     

一种基于插值的图像分割方法

提出了一种新的基于插值的图像分割方法,采用自适应阈值方法,用局部最大类间方差法确定各个子图像的阈值,用一种新的插值法对阈值矩阵进行插值处理,使之成为与原图像像素数目相同的新矩阵,利用新的阈值矩阵对原图像进行二值化处理。结果表明,利用该方法具有很好的分割效果。     

基于最大类间方差法的快速交通视频运动目标分割方法

针对交通视频运动目标分割中,信息量大,运算耗时的特点。提出一种新的快速运动目标分割方法。首先选择两帧合适图像相减并取绝对值,然后对所得图像进行分块,判断应该被舍弃的子块。选择剩下的子块进行最大内间差分运算,分割出运动目标。试验结果表明这种方法能够在满足交通视频图像目标分割的基础上大大提高算法效率。     

无监督学习的车辆重识别方法研究综述

车辆重识别作为智能交通系统的关键技术之一,旨在从不同监控场景下识别同一车辆,对构建平安智慧城市起着重要作用。随着计算机视觉技术的不断发展,使用监督学习的重识别方法存在训练过程对人工标注依赖强、场景泛化能力弱的问题,因此无监督学习的车辆重识别逐渐成为近年来研究的重点。首先,介绍了当前主流的车辆重识别数据集以及常用的模型评价指标。然后,系统梳理了近几年基于无监督学习的车辆重识别方法,根据目前的研究思路将这些方法归纳为生成对抗网络和聚类算法两大类;从域偏差、跨视域偏差以及数据样本信息不足的问题出发,将前者进一步分为风格转换、多视角生成和数据增强三类;又针对标签的问题,将后者分为伪标签的无监督域适应和无需标签信息两类;以解决问题为着手点,总结出每类方法的基本原理、优缺点以及在主流数据集上的性能结果。最后,讨论分析了目前无监督学习的车辆重识别所面临的挑战,并对该研究方向的未来工作进行展望。     

基于视频图像处理的交通事件检测系统

针对目前公路事件发生后不能及时有效检测与报警、事故处理延迟等不足,研究开发了一种基于视频图像处理的交通事件检测系统。利用计算机视觉与数字图像处理技术,对设置在公路上的摄像头采集的视频图像,进行事件检测算法智能处理,自动采集各种交通参数,检测交通事件并及时报警,可有效地减少交通延误,防止二次事件发生,保障道路安全。与传统交通事件检测系统相比,具有直观方便、费用低等优点,拥有良好的市场需求和实用价值。     

基于YOLOv5架构的大幅面SAR图像车辆目标识别方法

SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练样本数量同时提高了模型收敛速度。为了测试算法性能,构建了一个含车辆目标的大幅面SAR图像数据集。在该数据集上进行了仿真实验,并与一些经典的深度学习网络进行了对比,实验结果表明所提大幅面SAR图像车辆目标识别算法识别精度更高、速度更快。     

基于PDE方法的遥感图像处理

前期处理后的遥感图像中主要剩有高斯白噪声和椒盐噪声,传统平滑滤波技术很难同时兼顾除噪和保持边缘的要求;所改进的偏微分方程（PDE）滤波算法能很好地适应遥感图像噪声特征,在消除噪声的同时能很好的保留边缘和纹理细节;仿真实验验证了算法的正确性及有效性;研究了算法关键参数的选择范围和处理效果,为实际应用提供指导。     

基于ROI的压缩域多谱段遥感图像的检索

根据JPEG2000对感兴趣区域优先编码,以及感兴趣区域的形状可随意选取的特点,提出了一种在JPEG2000压缩码流不完全解码的情况下,实现多谱段遥感图像感兴趣目标的检索方法,该方法利用了遥感图像的性质,根据例子图像的谱特征对感兴趣区域的内容进行分析,并设计了一套相似性度量的方法。实验结果表明,此方法有较理想的图像检索效果和很高的检索效率,解决了应用上对实时性的高要求与遥感图像库数据海量性之间的矛盾。     

基于一维Kohonen网络的遥感影像分类方法研究

分析了Kohonen网络的训练模式和聚类特性,选用规模相对较小的一维Kohonen网络,并调整网络输出层的规模和邻域形状,优化网络结构;同时根据多光谱遥感影像中地物波谱曲线特征,通过不同波段组合、波段权重系数调整等方法对输入数据进行预处理,使该方法更适用于多光谱遥感影像分类和专题提取.本文以浙江省绍兴地区多光谱遥感影像分类为例,研究结果表明使用改进后的分类方法可以有效提高分类精度.     

一种遥感图像的配准方法

综合利用、处理多源遥感图像数据理论与方法的需求越来越多,其中配准是使用遥感图像中重要的预处理步骤.SIFT算法首先在尺度空间进行特征检测,并确定特征点的位置和特征点所处的尺度,然后使用特征点邻域梯度的主方向作为该特征点的方向特征.然后使用RANSAC算法剔除误匹配点,使用最小二乘法拟合图像的变换函数.试验证明了SIFT...     

数据密集型计算的遥感图像预处理方法

针对大数据时代,数据密集型计算已经成为国内外的一个研究热点. 遥感数据具有多源化、海量化特点,是名副其实的大数据. 研究适用于遥感影像自动化、业务化处理的数据密集型计算方法,是目前遥感应用技术面临的挑战所面临的挑战,本文提出了一种基于数据密集型计算的遥感图像处理方法. 在文中,首先围绕遥感数据自动化、业务化预处理等问题,深入调查和分析了国内外研究现状,进而介绍了系统体系结构,通过工作流灵活组织多种算法模型协同工作,设计以“5并行1加速”的计算体系解决数据密集型的遥感图像预处理,并通过产品生产实例对其性能进行测试. 结果表明,该系统在保证处理精度的前提下,大大提高了遥感大数据预处理的效率.     

基于SA-WPSO的遥感图像校正方法

提出一种基于SA-WPSO的遥感图像校正方法。该方法利用多项式模型对图像进行初步几何校正,得到多项式校正系数后,将模拟退火(SA)思想引入粒子群优化(PSO)算法,通过改进的SA-WPSO算法优化多项式校正系数,在此基础上实现图像的几何校正。实验结果证明,与二次多项式及三次多项式校正方法相比,该方法的校正精度更高、鲁棒性更好。     

基于深度多相似性哈希方法的遥感图像检索

哈希方法由于低存储、高效率的特性而被广泛应用于遥感图像检索领域。面向遥感图像检索任务的无监督哈希方法存在伪标签不可靠、图像对的训练权重相同以及图像检索精度较低等问题,为此,提出一种基于深度多相似性哈希（DMSH）的遥感图像检索方法。针对优化伪标签和训练关注度分别构建自适应伪标签模块（APLM）和成对结构信息模块（PSIM）。APLM采用K最近邻和核相似度来评估图像间的相似关系,实现伪标签的初始生成和在线校正。PSIM将图像对的多尺度结构相似度映射为训练关注度,为其分配不同的训练权重从而优化深度哈希学习。DMSH通过Swin Transformer骨干网络提取图像的高维特征,将基于语义相似矩阵的伪标签作为监督信息以训练深度网络,同时网络在两个基于不同相似度设计的模块上实现交替优化,充分挖掘图像间的多种相似信息进而生成具有高辨识力的哈希编码,实现遥感图像的高精度检索。实验结果表明,DMSH在EuroSAT和PatternNet数据集上的平均精度均值较对比方法分别提高0.8%～3.0%和9.8%～12.5%,其可以在遥感图像检索任务中取得更高的准确率。     

自适应方法在遥感图像处理中的应用研究

自适应方法为解决遥感图像处理发展中产生的新问题提供了有力的工具。自适应方法的算法、理论已经在遥感图像处理的降噪、分类、目标识别与跟踪、信息融合等诸多领域开始应用。经过试验与仿真分析,证明这些方法都取得了良好的效果。本文探讨了自适应方法在遥感图像处理中应用研究的新进展,对发展趋势作了展望。     

基于像素级遥感图像融合方法综述

介绍了典型的基于像素级遥感图像融合算法,论述了各种算法的优缺点,给出了图像融合质量的评价方法,提出了图像融合的研究方向。     

利用信息熵的高光谱遥感影像降维方法

高光谱遥感影像以其众多的波段数目，为地表观测提供近乎连续的波谱数据；然而海量的高光谱遥感影像存在着大量的信息冗余，为数据的处理带来了挑战。因此在对高光谱遥感影像进行存储、分析及可视化等操作之前，对高光谱遥感影像降维处理成为预处理的关键环节之一。利用信息熵理论，将高光谱遥感影像的各波段抽象为具有相关性的独立个体，设计了高光谱遥感影像的决策表矩阵，进而计算各波段的信息熵，量化各波段的信息量，从而将各波段根据信息增益进行排序。用户可根据高光谱遥感影像应用的精度需求，按排序选择波段组合，从而达到降维目的。以遥感分类结果的精度评价为例，对高光谱遥感降维方法的可行性和优越性进行评价。实验结果表明，该方法相较其他特征选取降维方法，能获得更高的分类精度。