基于增强现实的三维建筑物模型移动可视化系统

针对传统虚拟现实的三维数据可视化存在专业性强、交互复杂、不够直观等局限问题,以户外三维建筑物为研究对象,构建了测绘的定位定姿技术与计算机视觉的边缘跟踪技术相结合的增强现实混合跟踪技术,建立了基于增强现实的三维建筑物模型移动可视化系统。在大范围数据采集基础上的三维模型数据增量更新模式中,应用本系统开展外业核查,验证了技术的可行性。     

一种基于兴趣区的移动侦测算法

针对传统算法在户外监控中存在的正确侦测率不高的情况,给出一种基于兴趣区的移动侦测算法及图像预处理、背景差分、图像分区、门限判决各阶段的算法步骤.采用背景差分建立背景模型,利用图像分区和多重判决门限的方法提高算法性能.根据给出的算法模型,通过仿真验证了算法的可行性.实验证明,在风雨天气监控情况下该方法较传统方法平均可提高6.3%正确侦测率,适合户外监控使用.     

基于Android的室内增强现实系统的实现

针对目前人们在大型室内建筑中难以进行自我定位、易于迷失方向,不能很快到达目的地的问题,本文结合增强现实具有虚实结合、补充现实的特点,设计并实现了基于Android移动端的室内增强现实系统。该系统通过移动设备的摄像头不仅可以看到现实的场景,更重要的是补充视景方向的详细信息,从而使用户动态了解周边环境,并以简洁的方向引导解决人们在大型室内环境中定位难、寻路难、寻找目标难的问题。并通过在上海百联中环购物广场进行本系统的实际应用试验,验证该系统的有效性。     

一种改进的图像视觉显著性检测算法

视觉显著性检测在图像分割中起着重要作用。提出一种新的检测算法,首先将图像划分成不相交的超像素集合,并以其作为结点构建闭环图;然后利用背景先验知识与流形排名方法计算图中结点的显著度,得到视觉显著图;再使用Sigmoid函数对视觉显著图进行非线性校正,抑制背景结点的显著度和增强目标结点的显著度。不同算法的对比实验表明,新算法具有更好的检测性能,更易于区分背景区域和目标区域,同时也提高了鲁棒性。     

基于改进YOLOv7的密集鱼群计数检测

【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制（BiFormer）和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基础上,提高模型对多尺度特征的学习能力,同时降低模型对模糊图像中小目标位置偏差的敏感性,加强对浑浊水域中鱼群的识别能力。为评估该模型的有效性,在红鳍东方鲀（Takifugu rubripes）数据集上与其他网络模型进行对比实验。【结果】该方法在红鳍东方鲀数据集上的准确率和召回率分别达到98.05%和97.69%,平均精度达到99.10%,较YOLOv7相比分别提升2.46%、3.73%和2.62%。与目前检测准确率较高的其他水下目标检测模型相比,平均精度平均提高4.25%。【结论】实现真实养殖环境下浑浊水域中鱼群的准确检测,有助于科学指导工业化水产养殖的生产管理,提高养殖效率,减少资源浪费。     

视频监视系统中运动目标检测的新方法

运动目标检测是计算机视觉监视系统的核心。对于采用固定摄像机监控视频运动目标的检测,利用Affine Lucas Kanade特征跟踪算法的图像金字塔模型,根据模型的不同层数,将对应不同层数分辨率下的差分图像与Susan算子结合,通过形态学处理实现对复杂背景下运动目标的检测。仿真实验结果表明,采用的算法有效地抑制了噪声对运动目标检测效果的影响,且计算量随金字塔层数的增加而成倍减少。     

基于视频的交通流参数智能检测系统研究

实现了一种利用计算机视觉和图像处理的方法来检测车流的智能检测系统。首先利用输入的图像序列完成自适应的背景重建,通过目标分割和特征提取实现目标检测和运动跟踪,然后提出将HSV颜色空间特征应用于车辆目标匹配的方法和一种新的快速非均匀量化算法,用于跟踪发生融合的目标,最后对各交通流参数进行计算和统计,并对系统实现过程中出现的问题进行分析和总结。     

一种改进的基于背景差算法的运动车辆检测方法

针对背景固定的交通监控视频中的运动车辆检测问题,提出了一种改进的基于背景差算法的运动目标检测方法。该方法改进了混合高斯模型,对图像进行了平滑滤波预处理,并利用形态学滤波方法对二值化的前景图像进行后处理。该方法提高了背景模型的环境适应能力,能够很好地适应背景改变和光照等变化。同时,也改善了视觉效果,使前景检测误差值降低了14％,可为后续交通参数的提取提供更为精确可靠的图像数据信息。     

极化SAR图像中基于子孔径分析的两种非平稳目标检测

为检测和区分极化遥感SAR图像中的非平稳目标,讨论了极化SAR图像中两种非平稳目标的检测和区分方法。用极大似然比对固定朝向非平稳目标进行检测,用变化系数对周期表面非平稳目标进行检测。仿真结果表明,两种方法分别能把两种非平稳目标检测出来。     

地图概括中空间目标几何信息传递模型研究

地图概括是实现多比例尺地图生产和更新的一种重要理论方法。目前,国际国内制图学界对地图概括的研究主要集中在发展地图概括算法方面,在地图概括的质量评价方面的研究还很少。为此,本文以信息论为理论基础,以地图概括中空间目标几何信息的传递问题为研究对象,以相应空间目标几何信息的传递效率来度量地图概括中单个空间目标的概括质量。首先,建立了地图概括的空间信息传递模型,描述不同比例尺地图之间空间信息的传递过程。进而提出了地图概括过程中空间目标(即:线和面目标)几何信息的传递模型,并且对地图概括中空间目标几何信息的传递状况进行了评估,给出了具体的计算和实现方法。最后,通过实验初步验证了地图概括中空间目标几何信息传递模型的可行性。     

基于AR的三维城市信息系统设计与实现

针对目前的三维城市信息系统(3DUIS)是以2D的屏幕为载体,使得现有的城市空间信息得不到充分地表达和可视化的问题,提出了将增强现实技术应用于3DUIS的方案,改变3DUIS的载体,从2D屏幕视角载体转向3D视角载体,并提供了基于规则的快速三维城市场景建模和人机交互的设计思路,基于旧金山的基础二维地理数据以及微软增强现实设备Microsoft Holo Lens实现了AR-3DUIS应用程序。结果表明AR-3DUIS提供给用户更强、更真实的三维城市信息体验,以及更自然的UIS交互方式。     

基于阈值分割与边缘检测的对象轮廓提取方法研究

为了提高智能视频监控系统中对象检测算法的检测准确性,实现对检测对象轮廓的准确提取,在分析目前常用于获取对象轮廓形态的对象检测方法不足的基础上,提出了基于阈值分割与边缘检测的对象轮廓提取方法。该方法需要阈值而又不依赖于阈值,选取任一阈值对检测对象进行阈值分割,再结合Sobel边缘检测以及经过定制的边界跟踪算法,实现对检测对象轮廓的提取。经实验得出的轮廓检测结果在不同阈值的条件下都呈现出较好的完整性与一致性。因此,方法具有较好的鲁棒性,实现了对检测对象轮廓的完整提取,提高了对象检测算法的检测准确性。     

基于阈值分割与边缘检测的对象轮廓提取方法研究

为了提高智能视频监控系统中对象检测算法的检测准确性,实现对检测对象轮廓的准确提取,在分析目前常用于获取对象轮廓形态的对象检测方法不足的基础上,提出了基于阈值分割与边缘检测的对象轮廓提取方法。该方法需要阈值而又不依赖于阈值,选取任一阈值对检测对象进行阈值分割,再结合Sobel边缘检测以及经过定制的边界跟踪算法,实现对检测对象轮廓的提取。经实验得出的轮廓检测结果在不同阈值的条件下都呈现出较好的完整性与一致性。因此,方法具有较好的鲁棒性,实现了对检测对象轮廓的完整提取,提高了对象检测算法的检测准确性。     

从地理信息系统角度探究盲人户外导航的几个关键问题

利用现代信息技术来弥补盲人在出行时空间感知的缺失,是提高盲人户外行动能力、城市生活品质的重要手段。相关理论与技术的研究已经逐步展开,出现了多种利用RFID、红外、蓝牙、WiFi、超声波、图像识别等信息感知技术开发的助行及路障侦测辅助工具,但如何进一步获取丰富的地理信息（包括地理语义信息）,并以此选择便于行走、风险较低的路径,仍然是盲人户外导航的难题。为了设计能够服务于盲人户外行走的地理信息系统,国外相关研究开始意识到适合于盲人空间感知需求的地理信息组织及其利用策略是盲人户外导航的重要基础之一;而国内的相关研究相对较少。因此,本文从地理信息系统（GIS）的视角,对盲人户外导航所涉及的地理信息需求分析、盲人用户外地理数据建模及引导算法3个关键点及其相关研究进行分析与论述,指出当前存在问题及发展趋势,并促进地理信息技术服务于户外导盲领域的发展。     

���߲����������µ�ʵ�û��о�

???????????????????????????????????t???????????????????????о??????顣???????????????????????????????????????????????о????????????????????????????????????????????????????????????????????????????????????????6?????????????????????????????????????     

地质大数据可视化关键技术探讨

详述了地质大数据可视化的研究内容,从应用角度可将其分为:表达三维可视化、分析三维可视化、过程三维可视化、设计三维可视化和决策三维可视化5类。针对地质大数据这5类可视化中涉及到的几方面关键技术进行了深入探讨,包括:地质体三维可视化动态精细建模技术;基于CUDA+GPU集群的地质体属性场数据并行可视化技术;针对地质大数据的可视化分析技术;基于地质大数据的虚拟现实和增强现实技术等。对这几方面关键技术的现状、技术路线以及实现效果进行了论述和展示。      

面向单波段高分辨率遥感影像的人工目标变化检测技术研究

针对利用遥感影像进行目标变化检测的特点,设计了一套面向单波段高分辨率遥感影像的人工目标的变化检测处理流程,集成运用人工变化检测的影像分析工具,最大限度地发挥自动和人工两种变化检测方式的优点,特别是提出了基于变化目标相似度验证的检测算法,提高了影像变化检测的效率并有效地保证了检测的可靠性。     

基于 HBase 的面向语义单元的室内移动对象索引

随着室内定位技术的广泛应用,传感器记录了大量室内移动对象的位置数据,而索引技术作为移动对象数据分析的基础工作也得到越来越多的研究。已有索引技术多是针对室外空间的移动对象,不能支持室内移动对象数据的三维立体性、轨迹的复杂性、随机性等特点,这些索引技术也仅仅关注了移动对象的位置信息,忽略了语义信息,不能有效地支持室内移动对象的管理和分析,并且当面对海量的移动对象数据时,这些架构在传统关系型数据库上的索引都存在性能瓶颈问题。因此,本文提出了面向语义单元的移动对象表达模型,利用语义单元将室内移动对象的位置语义化,设计了SCoII （Semantic Cell Oriented Indoor moving objects Index）索引结构对室内移动对象的历史数据进行索引,能够有效支持语义粒度上的时空范围查询、移动对象语义轨迹查询。索引基于HBase实现,能够适应大规模的并发更新与查询,具有良好的规模扩展性,规避了大数据给传统数据库带来的性能瓶颈问题,实验证明其具有良好的更新和查询性能。该索引的实现方便了基于语义的室内移动对象分析和数据挖掘工作,为今后的分析工作奠定了基础。     

基于RCNN的无人机巡检图像电力小部件识别研究

随着无人机（UAV)在电力巡线作业中的应用推广,对无人机巡检图像的信息挖掘或目标识别需求也越来越强烈。传统的电力部件识别流程常使用经典的机器学习算法,如支持向量机（SVM）、随机森林或adaboost,结合梯度、颜色或纹理等浅层特征来对电力部件进行识别,难以充分利用无人机巡检图像的信息,并且难以达到较高的准确率。卷积神经网络（CNN）在目标识别中表现优异,在很多目标识别场景之中成为首选算法。基于区域的卷积神经网络（RCNN）通过使用CNN从图像中提取可能含有目标的区域来检测并识别目标,但是计算复杂,难以满足识别海量电力巡检图片的需求。Fast R-CNN和Faster R-CNN利用CNN网络提取图像特征,后接一个区域提议层,优化了提取可能含有目标区域的方式并改进识别目标的分类器,使目标的检测和识别几乎实时。本文详细描述了Faster R-CNN算法流程,并在无人机电力线巡检图像部件检测中使用,然后分别对DPM、SPPnet和Faster R-CNN识别方法进行了对比分析,利用实际采集的电力小部件巡检数据构建的数据集对3种方法进行测试验证,并讨论了不同参数对识别结果的影响。实验结果表明,基于深度学习的识别方法实现电力小部件的识别是可行的,而且利用Faster R-CNN进行多种类别的电力小部件识别定位可以达到每张近80 ms的识别速度和92.7%的准确率。