中低分辨率SAR图像桥梁识别方法研究

中低分辨率SAR图像中河流、桥梁目标常存在断裂现象,且桥梁边缘线性特征不明显,现有桥梁目标识别方法难以解决上述问题.为提高中低分辨率SAR图像桥梁识别稳健性,提出桥梁在图像中呈现断裂、河流灰度一致性不高情况下的桥梁目标识别算法.对水域分割结果进行河流粗提取,将河流轮廓外扩部分的相交区域作为桥梁兴趣区,在保证兴趣区完整性的同时减少无效兴趣区;采用目标分割与Radon变换结合的方法检测断裂的桥梁主体;对候选桥梁附近的河流轮廓进行形状验证,消除山体等阴影造成的桥梁虚警.实验结果表明,该方法能够在复杂场景中有效地识别出多个水上桥梁目标,桥梁虚警率大大降低.     

基于兴趣区检测的地面目标识别方法研究

提出了一种基于兴趣区检测的地面目标识别方法。根据目标模型的有关几何形状和热辐射知识,采用自上而下的计算模型,计算所提取的基元特征的显著性,并根据基元特征的显著性的大小确定出注视点及相应的兴趣区,然后对兴趣区中的图像进行分割,并利用模型知识对分割图像进行识别。该方法对已有的红外目标图像系列取得了很好的识别效果,提高了识别精度和弱小目标检测识别的能力。     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

基于边信息特征的光学图像识别的研究

光学图像识别受制于目标对象模板的限制通常只能获得部分特征信息，而无法得到完整的信息。本文研究将具有边信息的信源编码应用到光学图像识别过程中，使特征点信息与位置信息结合起来，全面掌握图像信息，构建更完善的图结构模型。     

高空水上桥梁的一种识别定位方法

以水上桥梁的航空照片为基础，提出了一种对水上桥梁自动识别定位的方法，采用了基于假设检验的方法，主要包括根据水上桥梁的特点提出的先验知识，河流区域与非河流区域分割，桥面主边缘的检测定位以及对假设的检验。根据航空照片噪声干扰大的特点，采用了抗干扰能力强的Hough变换，并根据需要，对Hough进行了一些改进，本方法在试验中已经取得了很好的识别效果。     

远距红外图像中桥梁目标识别方法研究

本文针对远距红外图像中桥梁目标的各种特性，提出了一种基于知识的桥梁目标识别方法，完成了远距成像中弱目标的检测，提出了桥梁目标识别的快速算法，在实验中取得了很好的识别效果。     

基于深度信息的人体运动识别方法

近年来,可见光视频序列的人体运动识别研究已经取得了一定的进展。由于这些数据源容易受到目标颜色、光照强度和背景杂波的影响,因此将深度信息应用于人体运动识别。本文首先采用了基于时空兴趣点的人体运动的局部表征方法,分别实现了Harris时空兴趣点与基于Gabor滤波器的时空兴趣点(STIPs)检测方法在深度信息上的应用。然后对相应结果进行立方体描述并提取了深度立方体相似特征(DCSF)。最后利用基于时空码本的支持向量机(SVM)动作分类器完成对动作的分类。实验表明,基于Gabor滤波器的检测方法在深度数据集上取得了更好的识别效果。     

深度卷积神经网络在SAR自动目标识别领域的应用综述

深度卷积神经网络（DCNN）可自动学习目标层次化特征,在合成孔径雷达（SAR）自动目标识别（SAR-ATR）领域具有广泛应用前景。首先,介绍了DCNN的基本原理以及DCNN在光学图像上的应用与发展;然后,介绍了SAR-ATR的基本概念,综述了DCNN在SAR图像语义特征提取、片段级SAR图像分类、基于数据增强技术的SAR自动目标识别、异质图像变化检测等领域中的前沿应用研究及代表性网络架构;最后,总结并讨论了DCNN在SAR-ATR应用中存在的参数设置经验化、算法泛化能力较弱等不足,并对未来研究方向进行了展望。     

基于黑板模型试验床的桥梁目标分割与识别

文章在并行黑板模型基础的上，提出了将写生式分割策略用于桥梁目标识别的图象分割处理，基于该分割思想，我们在黑板模型试验床ＣＰＥＳ上建立了问题求解模型，并进行了桥梁目标识别。     

基于深度学习和多通道融合的低空目标声识别方法

低空目标声识别主要指被动接收低空飞行目标辐射声信号，依据声纹信息对目标类型进行判别的技术方法 .基于单个传声器通道的目标识别性能往往会受到传声器周边环境和传声器本身特性异常的影响，因此需要研究基于多通道融合的低空目标声识别方法。对此，采用卷积神经网络处理各通道声信号的Mel频率倒谱系数特征，获取目标识别概率，并利用基于证据距离的信息融合方法，计算最终的目标识别结果。实测数据验证结果表明，基于多通道融合的低空目标声识别方法相较于单通道具有更高的稳健性，对单通道异常情况不敏感，仍然具有较高的识别准确率。     

基于知识的中高分辨率光学卫星遥感影像桥梁目标识别研究

桥梁是重要的人工建筑。对桥梁进行识别研究,在民用上和军事上都具有很重要的意义。该文提出一套针对中高分辨率光学卫星遥感图像上大中型桥梁的检测和识别的流程。首先根据光学卫星图像特点,运用分割和形态学算子提取河流;沿着河流中心线对桥梁进行检测;经过边缘提取、线段跟踪、直线拟合、边线配对等处理后对检测出的桥梁进行定位,并获取长度、宽度、方位等桥梁参数。以SPOT-5 5m全色波段图像进行验证,证明本文算法流程对河流上桥梁目标识别是有效的。     

基于单轴光纤陀螺的曲线桥线形检测方法研究

针对现有基于单轴光纤陀螺的惯性检测系统无法用于曲线桥结构线形的局限,提出了一种基于单轴光纤陀螺的曲线桥有轨线形检测方法。首先,阐述了基于单轴光纤陀螺的直线桥线形检测原理、陀螺的误差来源和曲线桥检测难点,根据导航算法对单轴光纤陀螺检测弯道线形可行性进行分析;然后,搭建曲线型试验轨道和一套轨道检测小车及无线线形采集系统;最后,将集成好的线形检测系统在试验轨道上测试,通过改变试验轨道形变程度构造不同试验工况,将实际测量结果与千分尺测量结果对比以验证理论的可行性和准确性。结果表明,该方法可以识别不同工况下曲线型轨道形变程度,测量精度优于1 mm,具有测量原理简单、系统实现和检测成本低的优势,结合桥梁检测轨道的配备,可为各类大型桥梁提供不封桥、不停运形变检测新思路。     

基于分形理论的红外图像机场跑道自动目标识别

针对红外机场跑道航空图像特点,提出一种新的基于纹理结构的机场目标自动识别方 法。根据红外图像中机场目标的灰度和分形几何特征,利用先假设后检验方法对感兴趣区域进行分割;然后利用形态学滤波完成机场跑道潜在目标的进一步分割;最后,根据机场跑道的几何特征,连接图像边缘点寻找机场跑道的两条平行直线;根据纹理图像直方图统计特征完成机场目标的自动识别。实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

一种基于极化圆周SAR图像的陆上桥梁提取方法

桥梁作为重要的人造目标,一直都是合成孔径雷达(SAR)图像解译的重要对象之一。目前针对桥梁检测问题已开展了较多研究,核心思想是:首先提取出河流水体,然后再根据河流与桥梁的位置关系检测桥梁。然而,已有的桥梁检测方法依赖于河流提取,很难实现陆上桥梁检测。因为陆上桥梁下方的背景不再是河流,而是陆地,其散射特性、形状分布与河流不同,不能采用传统的水体提取方法来检测陆地背景,进而无法利用桥梁的位置先验知识定位桥梁。针对该问题,该文提出了一种基于极化圆周SAR(CSAR)图像的陆上桥梁检测方法。首先,利用观测场景的圆周极化熵(CPE)实现疑似桥梁目标与陆地背景的分离(该实验中桥梁的CPE均值为0.4018,陆地背景的CPE均值为0.7819,两者具有明差别);然后,根据地物目标的极化熵方差特征和桥梁尺寸特性,抑制虚假目标;最后,根据桥梁的几何特征实现陆上桥梁的准确提取。该文所提方法解决了传统桥梁检测方法需要基于河流提取结果才能实现桥梁检测的问题。机载L波段极化CSAR实测数据处理结果证明了所提方法的正确性、有效性和实用性。      

一种基于形态学的红外目标分割方法

研究自然背景下红外图像中目标分割的问题,提出了一种基于形态学的红外目标分割方法．该方法先利用形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割,最后针对过分割问题提出了一种新的区域融合方法．实验结果表明,该算法能较好地解决红外图像中的目标分割问题．     

复杂地面背景的红外热像合成

提出了一种新的合成地面背景红外热像的方法，建立了基于马尔可夫随机场理论的图像分割模型，获取了地面背景的标记图像；综合考虑环境、气象等因素的影响，模拟计算不同植被地面红外辐射特性；通过将红外辐射特性计算结果的灰度值赋予相应的可见光图像分割区域，实现标记图像与红外辐射特性的合成，获取复杂地面背景的红外热像。     

Perceptually based techniques for image segmentation and semantic classification

We present a new approach for semantic image analysis that combines knowledge of human perception with an understanding of signal characteristics to segment natural scenes into perceptually uniform regions, and then uses the region statistics to extract semantic information. Applications include content-based image retrieval and region of interest extraction for efficient compression/transmission over heterogeneous networks     

基于直方图分析的航空摄像机自动调光方法研究

航空摄像机在空中对地面进行拍摄,拍摄场景复杂,传统的灰度平均值法在一些如有干扰点或背景与目标灰度差别大的场景下曝光会不正确,丢失图像信息,为了解决这些问题,该文在根据图像灰度信息的调光算法以及硬件实现方面进行了相关研究。首先根据当前帧图像的灰度直方图中灰度级为0和255附近的信息进行初调;然后根据图像直方图及其卷积和,搜索其中的峰值区域并确定图像的不感兴趣区域(包含的灰度级单一,信息量少的区域);接着根据这些区域占整幅图像的比重,由权值分配曲线为其分配不同的权值;最后计算加权后的灰度平均值,并将其作为反馈量控制下一帧的调光。实验结果表明,在普通场景下能够准确曝光,在暗背景和亮背景场景下,相比传统方法使图像感兴趣区域信息熵提高10%以上。此方法能适用于多种场景,满足航空摄像机对复杂场景自动调光的需求。     

Adaptive perceptual color-texture image segmentation.

We propose a new approach for image segmentation that is based on low-level features for color and texture. It is aimed at segmentation of natural scenes, in which the color and texture of each segment does not typically exhibit uniform statistical characteristics. The proposed approach combines knowledge of human perception with an understanding of signal characteristics in order to segment natural scenes into perceptually/semantically uniform regions. The proposed approach is based on two types of spatially adaptive low-level features. The first describes the local color composition in terms of spatially adaptive dominant colors, and the second describes the spatial characteristics of the grayscale component of the texture. Together, they provide a simple and effective characterization of texture that the proposed algorithm uses to obtain robust and, at the same time, accurate and precise segmentations. The resulting segmentations convey semantic information that can be used for content-based retrieval. The performance of the proposed algorithms is demonstrated in the domain of photographic images, including low-resolution, degraded, and compressed images.     

Event recognition in photo albums using probabilistic graphical models and feature relevance

This paper proposes a method for event recognition in photo albums which aims at predicting the event categories of groups of photos. We propose a probabilistic graphical model (PGM) for event prediction based on high-level visual features consisting of objects and scenes, which are extracted directly from images. For better discrimination between different event categories, we develop a scheme to integrate feature relevance in our model which yields a more powerful inference when album images exhibit a large number of objects and scenes. It allows also to mitigate the influence of non-informative images usually contained in the albums. The performance of the proposed method is validated using extensive experiments on the recently-proposed PEC dataset containing over 61 000 images. Our method obtained the highest accuracy which outperforms previous work.