基于图正则化低秩协同表示的高光谱异常检测

高光谱异常检测是检测出与周围背景像素的光谱具有明显差异的目标的过程。研究学者针对高光谱异常检测提出了多种算法,其中低秩协同表示检测器(LRCRD)不仅能够考虑所有像素之间的高光谱相关性,而且用低秩和l₂范数最小化约束字典的系数矩阵,背景字典不需要过度完备,可以更好地表示背景。然而,LRCRD模型并没有考虑到高光谱数据的局部几何信息对于区分背景和异常像素的重要性。将图拉普拉斯正则项引入LRCRD模型中,提出了一种基于图正则化低秩协同表示的异常检测方法,分析数据中的非线性几何信息。该方法保持高光谱图像的局部几何结构,提高了检测精度。在合成和真实高光谱数据集上对所提方法进行了实验验证,实验结果证明了所提方法的可行性。     

CFRP层板缺陷红外热波雷达成像检测概率研究

建立了Chirp调制激光激励的红外热波雷达成像检测系统,提出了基于分数阶傅里叶变换的Chirp锁相算法和基于希尔伯特变换时域积分的HT算法,实现了对CFRP层板缺陷的检测;合理设计了模拟缺陷的尺寸分布范围与缺陷判定准则,采用Hit/miss法分析了信号提取算法对检测概率的影响;给出了不同检测参数与判定阈值情况下,相关算法、Chirp锁相算法和HT算法提取结果的检测概率数据,确定了红外热波雷达成像系统对CFRP层板缺陷的检测概率水平。     

基于PIE-Engine Studio的黄河口及其邻近海域水质遥感监测

卫星遥感具有高空间分辨率、重访周期短、覆盖面大等优势,遥感技术的发展产生了海量遥感数据,对数据的处理与应用提出了新的挑战.遥感云服务平台依托其海量遥感数据和强大算力,能够高效、低成本地对遥感数据进行处理.基于PIE-Engine Studio平台对遥感数据收集、处理和计算进行研究,针对黄河口及其邻近海域水质参数进行监测...     

嵌入空洞卷积模块的改进YOLOv3车辆检测算法

对图像或者视频中的车辆进行检测是计算机视觉领域研究的热点之一,同时也是智能交通系统的重要组成部分.鉴于车辆检测场景复杂多变以及现有的车辆检测算法不能同时满足高精度以及高实时性的要求,本文提出一种改进的YOLOv3车辆检测算法,并自建车辆检测数据集.首先在原有及特征提取网络Darknet-53中嵌入空洞卷积模块,以减少目...     

Sentinel-2的胶州湾水体透明度遥感反演

针对目前透明度遥感反演研究多以较低空间分辨率卫星数据为主的现状,采用分辨率高达10 m的Sentinel-2卫星数据进行了胶州湾海域水体透明度的遥感反演研究。构建了基于实测数据的反演模型。结果表明:模型具有较高的精度,反演值与实测值的平均相对误差为9.86%,均方根误差为0.22 m。依据构建的反演模型与卫星影像数据反演了胶州湾水体的透明度,绘制了水体的透明度分布图,分析了胶州湾海域水体透明度的空间分布规律和局部的细微变化特征。研究发现,胶州湾海域水体透明度呈现由近岸向外海逐渐升高的趋势,径流量大的河流会造成汇入海域透明度明显降低的变化,潮汐会引起透明度出现沿垂直于岸边方向的纹理变化特征,大型船只的通航会造成透明度短时降低的变化。     

考虑法向离群的自适应双边滤波点云平滑及IMLS评价方法

针对目前在点云双边滤波平滑算法中,人工输入不合理参数导致的点云平滑效果不佳,且易导致体积收缩及现有去噪后点云质量评价方法存在表达局限性等问题,提出一种自适应参数的点云双边滤波算法和基于隐性移动最小二乘(IMLS)的质量评价方法。首先构建KD-tree数据结构用于点云拓扑,之后搜索各点邻域,利用奇异值分解法计算法向量信息,并在双边滤波公式中引入法向离群因子以剔除邻域内离群点,然后通过扩展高斯核函数的权值计算式,在点云邻域内自适应获取空间与法向特征参数,最后应用改进模型进行点云平滑并引入IMLS方法评价点云质量。实验结果表明,考虑法向离群的自适应双边滤波点云平滑算法具有良好的去噪效果,相比其他算法体积收缩更小,且IMLS评价方法客观有效。     

基于相对几何不变性的点云粗配准算法研究

针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图（fast point feature histogram,FPFH）描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法（singular value decomposition,SVD）求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。     

层次优化目标与背景的匹配滤波高光谱目标探测研究

匹配滤波(MF)算法通过比较待探测像元到目标类和背景类中心的马氏距离来判断目标和背景,但是无法知道高光谱图像背景和目标的相关统计信息,只能做一些假设,导致探测结果不准确。本文在MF探测完成后,设定阈值进行分割,对背景和目标进行重新划分,获取背景和目标的相关统计信息。为了更好地获得两类的统计信息,我们利用迭代的方法逐层次获得两类的统计信息,最后利用MF算法来进行目标探测。在运算过程中为了扩大目标和背景的的差异,增加目标与背景的可分性,向像素中添加零向量来调整像素值。利用两组真实高光谱数据来进行目标探测实验,本文提出的算法与MF算法和一些传统目标探测算法相比,ROC曲线和曲线下方面积AUC的值都得到提高,能够更好地抑制背景和突出目标,表明本文提出的算法能够提高高光谱目标探测的效果和精度。