粗定位和协同表示的高光谱图像异常检测

目的 由于在军事和民用应用中的重要作用,高光谱遥感影像异常检测在过去的20~30年里一直都是备受关注的研究热点。然而,考虑到异常点往往藏匿于大量的背景像元之中,且只占据很少的数量,给精确检测带来了不小的挑战。针对此问题,基于异常点往往表现在高频的细节区域这一前提,本文提出了一种基于异常点粗定位和协同表示的高光谱遥感影像异常检测算法。方法 对输入的原始高光谱遥感影像进行空间维的降质操作;通过衡量降质后影像与原始影像在空间维的差异,粗略定位可能的异常点位置;将粗定位的异常点位置用于指导像元间的协同表示以重构像元;通过衡量重构像元与原始像元的差异,从而进一步优化异常检测结果。结果 在4个数据集上与6种方法进行了实验对比。对于San Diego数据集,次优算法和本文算法分别取得的AUC （area under curve）值为0.978 6和0.994 0;对于HYDICE （hyperspectral digital image collection equipment）数据集,次优算法和本文算法的AUC值为0.993 6和0.998 5;对于Honghu数据集,次优算法和本文方法的AUC值分别为0.999 2和0.999 3;对Grand Isle数据集而言,尽管本文方法以0.001的差距略低于性能第1的算法,但从目视结果图中可见,本文方法所产生的虚警目标远少于性能第1的算法。结论 本文所提出的粗定位和协同表示的高光谱异常检测算法,综合考虑了高光谱遥感影像的谱间特性,同时还利用了其空间特性以及空间信息的先验分布,从而获得异常检测结果的提升。     

虹膜定位

为了提高虹膜定位的速度以及虹膜定位算法的健壮性,提出了一种粗定位与精定位相结合的两步定位法,用以进行虹膜定位,并对现有的虹膜定位算法进行了一些改进,实验结果表明,用两步法进行虹膜定位可以加快定位速度,减少搜索计算的盲目性。     

近似空间关系代数ASRA及应用

粗定位模型是一种基于粗集的近似区域表示模型 ,基于定性空间推理理论对其进行了代数形式化 .通过空间关系矩阵和 2 4 9种基本空间关系构造了近似空间关系代数 ASRA;讨论了 ASRA的公理和基本性质 ,研究了ASRA和 RCC5关系映射中存在的不确定性 ;把 ASRA应用于 GIS,提出了基于 ASRA的空间关系判定算法ASRA- RCC.与同类算法相比 ,ASRA- RCC能够同时支持确定和近似区域 ,并且具有较高的效率     

基于机器视觉的运煤车车号识别技术研究

在铁路运煤装车过程中为了快速、准确地识别车号,提出一种基于机器视觉的运煤车车号识别技术。将连通区域提取与投影分割法结合,实现车号的粗定位、细分割,并对图像中的断裂字符进行二次分割,构建了基于BP神经网络的分类模型进行车号识别,提升了煤炭装车的效率和精度。     

基于红外与可见光图像融合的交通标志检测

针对大多数交通标志检测方法易受光照和天气影响的问题,提出一种基于红外与可见光融合的交通标志检测方法。首先,分别在红外与可见光图像中提取交通标志的形状和颜色特征,对目标进行粗定位,并将结果放入候选组内进行分类与整理;然后,将候选组放入卷积神经网络,对粗定位结果赋予相应的置信度;最后,根据置信度对红外与可见光的粗定位结果进行决策融合,并将融合结果展示在可见光图像中。实验结果表明,该算法对检测环境的变化更加鲁棒,在白天、夜晚和不良天气等多种环境下有效地提高了检测效率,具有良好的适用范围。     

一种基于压缩感知的同频多辐射源数量估计及定位方法

本文提出了一种基于压缩感知的多辐射源数量估计及定位方法,能够较为准确地对未知的多个无线电辐射源的数量估计并定位.方法通过移动监测,在区域内部分位置上获取场强值.在对场强值进行预处理后,利用目标源的空间稀疏性,结合传播模型及压缩感知方法进行粗定位,用较少场强值重构计算出区域内未知同频辐射源数量.在此基础上进行二次定位确定辐射源的位置,提高了定位的准确度.通过对算法进行仿真与实验验证,证明了本文方法的有效性.     

一种人眼状态实时检测算法的研究

通过人眼图像来检测驾驶员疲劳状态是目前的主流方向,面部及眼睛定位、眼睛状态判别是其中关键环节。文中对一种基于人脸面部特征的人眼粗定位方法进行了研究一在此基础上提出一种灰度映射的方法判别人眼状态。经实验验证：该方法实时性好．对320×240的彩色图像,平均处理速度为每帧30ms。该系统对一定旋转和偏转角度,以及睁闭眼、戴眼镜等条件有很强的鲁棒性。     

一种车牌识别系统中的混合车牌定位方法

提出了一种新的粗定位和精细定位相结合的车牌定位方法.首先采用一种基于垂直边缘和车牌句法的车牌粗定位算法,确定车牌候选区域,剔除伪区域,粗定位可以快速地将车牌从原始车辆图像中截取出来,同时精确确定车牌的上下边界.然后再进行基于旋转差分投影的车牌水平精确定位与倾斜校正,由于水平定位和倾斜校正同时进行,提高了水平分割的精度并降低了定位时间.实验表明该混合方法能快速、精确地进行车牌定位,有效地解决了复杂背景下的车牌定位精度不高的问题,同时对模糊车牌具有很强的抗干扰性.     

井下复合定位系统框架

提出了一种包含粗定位和高精定位在内的复合定位系统,该系统可对井下作业人员的位置进行实时监测,从而实现及时救援和人员管理的目的;由于井下作业人员的位置会持续发生变化,所以信息采集过程中的位置信息具有滞后性,这对快速持续的高精度定位带来了巨大的挑战;基于该问题,提出了一种基于层次聚类的粗定位方法,通过对现有完整数据和目标可能位置进行信息融合和冗余去除来预测实际位置;然后,再在粗定位的范围内布设当前已有的高精度定位设备以实现高精度定位;仿真结果证明,提出的复合定位系统可以将定位范围从15 km缩小至500 m,且能够实现100%的拓扑预测精度。     

采用GPU的视觉定位系统加速实验

计算机视觉在实际应用中的主要瓶颈是系统的准确性和实时性,而实时性的提高又受限于计算机中处理器的处理速度。在一个视觉定位伺服实际系统中,要求有很高的实时性,尝试研究使用GPU建立实时的视觉系统的实际性。视觉定位系统软件分为图像粗定位(目标识别)、图像精定位、运动解算等几部分。当识别图像像素为640×480时,采用单独GPU加速的方式,比CPU加速了2.1444倍,采用CPU和GPU相结合的方式,比CPU加速了4.1548倍。