基于云导风场的形成期台风定位

研究形成期台风云图的普遍性规律,根据云图对象的特殊性对求取运动对象光流场的传统MCC(最大相关系数)算法进行改进,由此生成的云导风矢量图能够准确体现风场绕台风中心旋转这一客观事实.本文将云导风矢量与台风中心的关系归纳为台风定位判定规则,编制的定位算法对于各类形成期台风具有普遍适应性,定位结果较令人满意.     

基于遗传算法初始群体优化的台风中心自动定位

针对误差梯度求导方法求解台风中心自动定位最优目标函数时,具有解的局部优化问题以及最优解获取困难的不足,本文将遗传算法应用到卫星云图台风中心自动定位的优化求解中,实现了台风中心的准确自动定位。同时,考虑到标准遗传操作中初始群体的随机生成对最优解的搜索具有很强的敏感性和不确定性问题,本文根据台风云系的灰度分布特征,对初始群体的生成进行了改进与优化,求得了最优数值解。多个台风中心定位仿真试验结果验证了该方法的合理性和可靠性。     

卫星云图有眼台风中心定位算法研究

本文分析和研究了单幅红外卫星云图台风定位问题,初步研究了有眼台风的模式识别,提出有眼区台风的中心定位算法.根据气象领域知识,眼区处在台风主体云系最大内切圆圆心附近,算法先提取出台风主体云系,应用数学形态学求取台风最大内切圆中心和半径,在此范围内寻找台风眼区.为了排除云洞和云缝的干扰,提出使用距离和灰度信息组成判别式求取台风眼区.实验证明具有较高的定位精度,能适合气象预报业务化的要求.     

台风中心定位中的螺旋线自动识别算法

本文是台风中心定位系统的核心算法，运用图象处理和模式识别技术进行云图螺旋线特征提取，得到有螺旋线特征的曲线段，最后运用曲线拟合技术进行螺旋线拟合定解决了台风中心定位依靠于工操作加工经验的判定方式而使台风预报准确偏低的问题，提高了台风预报的速度和精度。     

旋转目标检测算法在卫星影像中的应用

近年来,深度学习在卫星影像目标检测领域得到了快速的发展,如何精准高效定位目标物体是卫星影像目标检测研究中的主要难点。提出了一种基于旋转矩形空间的YOLOv3改进算法来精准定位卫星影像目标,对原有网络进行改进,增加角度变换的数据预处理过程,防止实例角度变化对网络训练造成影响。使用双旋转坐标进行回归训练,增加了角度锚点,提高了网络对卫星目标的检测有效性。提出了基于旋转矩形空间的非极大值抑制改进算法,可以有效去除多余的旋转预测框。实验结果表明,改进YOLOv3算法相较于原始YOLOv3算法拥有更好的可视化效果,可以有效准确地定位卫星影像的目标物体,有效避免了密集场景下预测框的遮挡问题,在保证实时性的前提下,将均值平均精度提高了0.8个百分点。     

动态环境下基于旋转-平移解耦的立体视觉里程计算法

在实际应用中,若图像中的动态特征数量多且运动方向一致,这些特征会对视觉里程计的估计结果产生严重的影响.本文针对这类问题提出一种根据图像特征点位置解耦估计摄像机旋转-平移的立体视觉里程计算法.算法通过立体视觉系统将特征点划分成"远点"和"近点".在随机抽样一致性算法(RANSAC)框架下,采用"远点"估计视觉系统的姿态;进而在姿态已知的条件下,通过"近点"估计摄像机平移,实现旋转-平移解耦计算.这样处理可以通过姿态约束减少近距离运动物体对视觉里程计的影响.实验表明,在实际道路环境中,本文基于旋转-平移解耦估计的算法较之传统的同时估计旋转-平移的算法,能有效剔除动态特征.所提出算法对动态特征的抗干扰能力更好,鲁棒性更强,精度更高.     

面向卫星云图及深度学习的台风等级分类

台风是最严重的自然灾害之一,做好台风等级分类预测是防灾减灾的关键。针对现有卫星云图特征提取复杂、识别率低等问题,基于卷积神经网络框架,以北太平洋1978—2016年近1 000多个台风过程的卫星云图作为样本,提出改进深度学习模型Typhoon-CNNs。该框架采用循环卷积策略增强模型表征力,使用十折交叉验证引入信息熵、Dropout置零率以优化模型灵敏度及防止过拟合。通过800样本测试集对模型Typhoon-CNNs进行验证,实验结果表明,本文算法的分类精度达到92.5%,台风和超强台风2个等级的预测正确率达到99%,优于传统分类方法。最后对模型提取的特征图进一步分析,模型能够准确识别台风眼和螺旋云带,从而证明Typhoon-CNNs对台风等级分类的可行性。     

基于MEMS的便携式消防员室内定位研究

针对目前消防定位系统中大多数运动位移都是由直接两次积分加速度的方式得出,而由于传感器的精度和数据漂移会导致这种方式的定位结果误差很大的问题.提出了利用人的运动特点拆分运动过程以减小位置计算误差的方案.首先依据运动特征识别并分离运动状态,以避免对静止态积分产生的漂移误差.并优化零速度修正技术,结合运动特征分别在单个运动状...     

一种捷联惯性导航系统的旋转控制机构设计技术

如果在现有光纤陀螺精度基础上进一步提高捷联惯性导航系统的导航精度,采用误差自补偿的旋转调制技术势在必行;连续旋转对准方式是光纤陀螺惯导系统实现高精度对准的一种有效技术手段;为了实现高精度的单轴旋转光纤陀螺捷联惯性导航系统,提出一种实现单轴旋转导航系统所需的低功耗、低成本、中精度旋转控制方案,一般往复旋转运动的理想效果是旋转机构围绕载体坐标系的基准角,作匀速的往复旋转;航向解藕往复旋转模式是航向追踪运动与往复旋转运动的两种矢量叠加;旋转机构的设计方案集电子、自控、软件、机械于一体,惯导中的惯性测量单元置于旋转机构上,直流电机通过变速箱轴承驱动旋转机构转动,通过测角装置上传角位置,旋转机构带动惯性测量单元以设定的速率和旋转方式进行旋转和定位;经过理论分析、设计和试验验证,该旋转控制机构控制精度良好,可靠性好,能够满足中高精度光纤陀螺捷联惯性导航系统的研制需求。     

基于物理的台风建模与绘制

研究台风风场的规律并进行真实感仿真对于灾害预防、评估及宣传等有着十分重要的意义。首先从台风的物理特性出发,建立了不对称的3维台风风场,可以得到不同情况下台风的强度和风速变化;然后根据卫星云图的干区移动来预测台风移动路径;进一步模拟台风风场与物体的交互作用,实现了台风风场的3D可视化仿真预测和动态台风场景的实时绘制,得到了逼真的仿真效果。     

基于红外云图的台风中心智能定位方法

台风中心附近的云墙是同心圆状云带且其灰度值范围较固定,针对该特点,利用红外云图对台风中心进行智能定位,提出由云图预处理、Snake活动轮廓模型提取台风云墙轮廓点、最小二乘法拟合圆组成的3步定位方法。实验结果表明,该方法定位速度快、精度高,能满足气象业务的实时性要求。     

基于运动信息与Hog特征的伪装色移动目标跟踪

针对复杂背景下伪装色运动目标的跟踪问题,提出一种基于运动信息与梯度方向直方图的跟踪方法。通过金字塔光流法获取视频序列中目标运动矢量范围;利用目标区域的灰度特征以及Hog特征构建特征向量,沿着运动主方向在速度大小范围内进行二分法匹配,进而确定目标的准确位置。实验结果表明,针对平缓变化的视频序列,对于颜色色调范围较大或者边缘结构较为明显的伪装色运动目标具有良好的跟踪效果。     

一种基于球面调和分析的三维模型检索算法

提取关于坐标旋转不变的特征描述符以及提高特征描述符对噪声的鲁棒性是基于内容三维模型检索技术中有待进一步研究解决的问题之一。将三维模型表面离散成三维点数据,然后使用球面调和方法对得到的点数据进行调和分析得到三维模型旋转不变的特征向量,并且能够增加算法对模型表面噪声的鲁棒性提高检索准确度。实验证明该算法在检索准确度和对噪声的鲁棒性上都有所提高。     

无锚点的遥感图像任意角度密集目标检测方法

针对基于深度学习的遥感图像目标检测方法密集目标漏检率高、分类不准确的问题,建立了一种基于深度学习的无锚点的遥感图像任意角度的密集目标检测方法。首先采用CenterNet作为基线模型,经过主干网络提取特征,并改造原有检测器结构,即加入角度回归分支进行目标角度回归;然后提出一种基于非对称卷积的特征增强模块,并将主干网络提取到的特征图输入特征增强模块,从而增强目标的旋转不变性特征,消除由于目标的旋转、翻转带来的影响,进一步提升目标中心点、尺寸信息的回归精度。采用HourGlass-101作为主干网络时,该方法在DOTA数据集上的平均精度均值（mAP）比旋转区域候选网络（RRPN）提升了7.80个百分点,每秒处理帧数（FPS）提升了7.5;在自建数据集Ship3上,该方法的mAP比RRPN提升了8.68个百分点,FPS提升了6.5。结果表明,所提方法能获得检测精度和速度的平衡。     

一种图像序列的运动目标检测方法

提出了一种在图像序列中的运动目标定位方法,运用了多种图像数据处理的技术,有效地去除复杂背景下的噪声,并对运动目标进行精确的定位.方法主要由两个部分组成:一是对运动目标的背景进行提取,并采用预先设定的经过边缘检测的像素点变化明显的特征区域匹配技术,二是对下一幅图像的运动目标进行定位,求出目标中心.实验结果表明,该方法有效.     

Robust template matching with angle location using dynamic feature pairs updating

This work proposes a novel method for template matching in the wild. Different from the previous methods to search the matching position, our method obtains further ability on the angle location by dynamically updating corresponding feature pairs and rigid transformation parameters, which result in mutual enhancement of both feature extraction and template location. We propose a robust objective function with a valid feature selection for template matching against to noise disturbance, background changing, object deformation and partial occlusion. A hierarchical search strategy is used by adjusting the size of feature patch to improve the matching effectiveness. In addition, we extend the proposed method to match image sequences. It is beneficial to propagate reasonable feature pairs to a sequential object as initialization, recalling a stable tracking result. Extensive experiments are tested on the public database with challenging images and sequences. Experimental results demonstrate the merits of the proposed method compared to some state-of-the-art matching methods.     

OPTICS聚类与目标区域概率模型的多运动目标跟踪

目的 针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OPTICS聚类与目标区域概率模型的方法。方法 首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域。结果 多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17%。在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14%,本文方法能从移动背景中准确分离出运动目标。结论 实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性。     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。