基于道路场景理解的巡检机器人避障方法研究与应用

为提升巡检机器人的导航避障能力,本文将深度学习技术应用于场景识别中,提出了一种基于道路场景理解的巡检机器人自主避障方法(Road Scene Understanding Net, RSUNet).该方法首先将多层卷积与LeakyReLU激活函数相结合,并以残差结构和金字塔上采样结构的方式,构建高精度道路场景理解网络;其次,设计自适应控制模块来对比前后两帧图像的深层特征信息,并根据特征差异大小自动控制后续网络层的特征计算,避免相似特征重复提取,保障网络效率;最后,将场景理解结果转化为巡检机器人前方不同区域的目标信息,通过分析机器人前方可行道路区域以及障碍物所处位置来指导巡检机器人实现导航避障.实验结果表明,所提方法有效的平衡了场景理解网络的识别精度与计算效率,同时,在实际变电站巡检机器人平台上,该方法也表现出较强的适应性,并能准确高效的为机器人提供场景信息,辅助机器人完成实时自主避障.     

基于深度学习的室内视觉位置识别技术

视觉位置识别技术通过将地点图像与数据库中的图像集进行匹配,根据配对图像标签中的位置信息得到定位结果。现有的视觉位置识别网络都是为了应对室外场景而构建和训练的,在室内场景中的识别性能较差。文中提出了一种基于深度学习的室内视觉位置识别卷积神经网络架构,并在室内场景识别数据集上对网络进行了训练,然后在本地室内数据集上对网络参数进行进一步的微调,较好地解决了室内环境中的位置识别问题。和现有的其它视觉位置识别网络相比,文中训练的网络在实际室内环境测试中最大有30%的识别精度提升。     

基于ECC的混合图元加密算法研究

在定义块图元、混合图元等概念的基础上，依据椭圆曲线密码体制（ECC）。提出了一种基于ECC的混合图元加密算法，详细给出了网络平台下的信息交互收、发双方加、解密步骤。并对算法的正确性进行了验证．验证结果与理论分析表明。该算法具有足够大的密钥空间。可有效实现网络平台下信息交互的安全性．最后对该算法实施过程中存在的问题进行了分析。     

基于场景语义的遥感图像目标识别

高分辨率遥感图像的信息解译的通常思路是从特定类型目标的检测与识别分析入手,最终实现图像场景的认知理解。给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法,并利用10类典型遥感图像场景进行实验,充分验证了该方法的有效性。     

基于局部特征显著化的场景分类方法

场景图像分类是机器视觉中一个热门的方向,场景图像具有内容丰富、概念复杂的特点。已有的基于深度网络的场景分类算法,往往是通过改进网络结构或者数据增强等方式提升场景识别效果,但是缺少对图像中场景要素和对象要素之间关系的考虑。基于此,本文在分析现有基于深度网络的场景分类技术的基础上提出了一种局部特征显著化的场景分类算法。该算法旨在结合场景局部特征和对象局部特征的特点,利用两类不同特征存在的互补关系,分别对其进行优化,得到更具判别力的场景特征描述。局部特征显著化算法在MIT Indoor67数据集上得到的测试精度为88.88%,实验结果验证了该算法的有效性。      

基于人工智能视觉的特定场景识别系统设计

设计基于人工智能视觉的特定场景识别系统,其由人工智能视觉识别模块、光感模块和定位调制模块组成。人工智能视觉识别模块利用360人工智能视觉摄像机和加速度计,进行特定场景图像的再成像和加速测量,将其中的非特定物体删除,构建特征场景图像。光感模块利用光传感器对特征场景图像中的光照强度进行感应,获取场景的大致位置信息。定位调制模块基于全球定位系统进行位置信息的调制工作,调制工作是根据形态学滤波各项目标函数以及区域分割代码进行的,调制后的最终定位信息将直接传送给用户使用。经实验验证可知,所设计的系统具有较高的识别效率和识别精度。     

地面车辆目标高质量SAR图像快速仿真方法

为满足基于模板的SAR地面车辆目标识别对海量高质量模板图像的工程应用需求,该文提出了一种基于射线追踪技术的SAR信号级高效仿真方法.该方法通过构建地面车辆目标SAR仿真场景物理模型并利用射线追踪方法准确模拟SAR探测过程中电磁波与场景中目标与环境的作用机理,实现对地面环境的宽带相干杂波、表面粗糙的复杂目标的宽带电磁散射以及地面-目标间耦合散射的快速计算,并通过SAR成像处理和图像相似度评估确认形成高质量SAR模板图像.数值结果验证了该文方法的准确性和高效性.      

基于深度卷积特征的场景全局与局部表示方法

场景识别是计算机视觉研究中的一项基本任务.与图像分类不同,场景识别需要综合考虑场景的背景信息、局部场景特征以及物体特征等因素,导致经典卷积神经网络在场景识别上性能欠佳.为解决此问题,文中提出了一种基于深度卷积特征的场景全局与局部表示方法.此方法对场景图片的卷积特征进行变换从而为每张图片生成一个综合的特征表示.使用CAM...     

一种基于多维度可定制的场景化通信保障系统

本文提出了一种适用于通信网络的基于多维度、可定制的场景化监控方法,并进行了IT实现（以下简称场景化多维通信保障系统）。场景化多维通信保障系统是一个以专题场景监控为核心,将通信网络各个维度的信息有机整合,以不同视角对网络进行场景化、立体化监控的系统。以监控对象、监控信息、监控模式作为场景三要素,通过场景三要素完成场景监控的定制功能,以满足对不同场景的监控保障需求。     

基于图像绘制技术的红外场景模拟

红外场景模拟可为目标识别、跟踪提供必要的图像样本,对算法的训练、评估和可靠性检验具有十分重要的意义,基于建模的红外模拟方法不一定反映场景的客观情况,并且,计算量大、耗时,难于模拟出有真实感的红外图像。基于图像绘制技术,提出无需建模的基于图像的绘制方法来模拟红外场景图像,根据红外图像的特点,给出了计算基本矩阵的非线性迭代算法和基于特征约束的动态规划立体匹配算法。由于参考图集是实际图像,因此,模拟图像更符合景物的真实情况,并且,该方法无需很复杂的建模过程,利于实时模拟。实验结果表明,该方法可有效地模拟出真实感的红外图像。     

Depth-aware total variation regularization for underwater image dehazing

Underwater images often show severe quality degradation due to the light absorption and scattering effects in water medium. This paper introduces a scene depth regularized underwater image dehazing method to obtain high-quality underwater images. Unlike previous underwater image dehazing methods that usually calculate a transmission map or a scene depth map using priors, we construct an exponential relationship between transmission map and normalized scene depth map. An initial scene depth is first estimated by the difference between color channels. Then it is refined by total variation regularization to keep structures while smoothing excessive details. An alternating direction algorithm is given to solve the optimization problem. Extensive experiments demonstrate that the proposed method can effectively improve the visual quality of degraded underwater images, and yields high-quality results comparative to the state-of-the-art underwater image enhancement methods quantitatively and qualitatively.     

传感器网络中基于分层架构的音频场景分析方法

A hierarchical method for scene analysis in audio sensor networks is proposed. This method consists of two stages: element detection stage and audio scene analysis stage. In the former stage, the basic audio elements are modeled by the HMM models and trained by enough samples off-line, and we adaptively add or remove basic element from the targeted element pool according to the time, place and other environment parameters. In the latter stage, a data fusion algorithm is used to combine the sensory information of the same area, and then, a rule-based method is employed to analyze the audio scene based on the fused data. We conduct some experiments to evaluate the performance of the proposed method that about 70% audio scenes can be detected correctly by this method. The experiment evaluations demonstrate that our method can achieve satisfactory results.     

非均匀大气中单幅退化图像复原

利用大气非均匀路径中的图像退化光学模型建立了一种非均匀大气中退化图像复原的新方法.首先估计得到图像中各目标倾斜方向对应的观测处天空背景亮度,然后根据暗原色先验知识估计出图像中场景目标的粗糙相对距离,重点得到了退化模型中反映视线路径非均匀性的比例因子项,进而得到了成像路径中的大气透过率,最后利用得到的这些参量通过非均匀路径退化模型的逆过程对降质图像进行复原.实验结果表明,复原算法对实际采集得到的户外自然退化图像复原效果较好.     

郊外低对比度图像线特征提取算法研究

景象匹配系统由于其精度高的特点,广泛应用于各种远程精确末制导系统。由于成像时的自然条件变化,使得基准图与实时图之间存在较大的对比度差别,增大了匹配难度。本文基于传统的特征提取,针对具有人工景物的郊外景象,利用Hough变换和数学形态学进行线特征的改进,从而提升了匹配质量。通过对实际情景图像的仿真分析,验证了该算法的有效性。     

YOLO-NKLT视觉SLAM回环检测方法

针对存在明显光照变化或遮挡物等室外复杂场景下,现有基于深度学习的视觉即时定位与地图构建(visual simultaneous localization and mapping,视觉SLAM)回环检测方法没有很好地利用图像的语义信息、场景细节且实时性差等问题,本文提出了一种YOLO-NKLT视觉SLAM回环检测方法。采用改进损失函数的YOLOv5网络模型获取具有语义信息的图像特征,构建训练集,对网络重训练,使提取的特征更加适用于复杂场景下的回环检测。为了进一步提高闭环检测的实时性,提出了一种基于非支配排序的KLT降维方法。通过在New College数据集和光照等变化更复杂的Nordland数据集上进行实验,结果表明：室外复杂场景下,相较于其他传统和基于深度学习的方法,所提方法具有更高的鲁棒性,可以取得更佳的准确率和实时性表现。     

结合场景描述的文本生成图像方法

研究基于场景描述文本生成对应图像的方法,针对生成图像常常出现的对象重叠和缺失问题,提出了一种结合场景描述的生成对抗网络模型。首先,利用掩模生成网络对数据集进行预处理,为数据集中的对象提供分割掩模向量。然后,将生成的对象分割掩模向量作为约束,通过描述文本训练布局预测网络,得到各个对象在场景布局中的具体位置和大小,并将结果送入到级联细化网络模型,完成图像的生成。最后,将场景布局与图像共同引入到布局鉴别器中,弥合场景布局与图像之间的差距,得到更加真实的场景布局。实验结果表明,所提模型能够生成与文本描述更匹配的图像,图像更加自然,同时有效地提高了生成图像的真实性和多样性。     

自然场景SAR图像的仿真

提出了一种模拟自然场景的SAR图像的新方法。该方法用双尺度分形模型和小面单元法来模拟自然场景，利用其Kirchhoff近似求得自然场景的后向散射系数；在求回波和图像处理时采用二维FFT，大大减少了计算量。计算机仿真结果显示，该方法能很好地模拟出自然场景的speckle特征和SAR图像的几何畸变现象。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

一种基于边缘密度与自匹配系数的匹配区选取准则

景象匹配区的选取工作是影响景象匹配系统性能的重要因素.在选取准则研究方面按照选取参数的不同,目前有基于图像方差的选取准则、基于图像独立像元数的选取准则、基于图像重复模式的选取准则、基于自匹配系数的选取准则等.首先对这些准则进行了基本介绍,然后,通过具体的选取实验,指出它们在基准图选取时存在的问题,最后,针对这些问题,提出一种基于图像边缘密度与自匹配系数的景象匹配区选取准则加以解决.通过对典型地形、地貌特征的图像进行选取实验,证明了算法的有效性.     

一种基于双通道CMOS相机的低照度动态场景HDR融合方法

高动态范围成像技术能够全面有效反映场景信息,有利于在高动态范围场景下获得高质量的成像。但当前常用的基于单台相机的多次曝光融合方法在动态场景下易出现“鬼影”问题,基于多个传感器同时曝光的系统复杂且价格昂贵,基于单幅低动态范围图像的拓展方法易丢失欠曝光或过曝光区域的细节信息,且多用于较好的照明条件。针对低照度动态场景成像,研究了一种基于双通道低照度CMOS相机的高动态范围图像融合方法,对双通道CMOS相机采集低照度动态场景两幅不同曝光图像,依据累计直方图拓展原则分别进行动态范围拓展,并采用像素级融合方法对动态范围拓展的序列图像进行融合。实验表明,动态范围拓展融合方法可满足低照度动态场景下获取高动态范围图像的应用要求,获得更佳的成像质量。