基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

采用序列图像的被动光学测速技术

在获取无人机等飞行器的飞行速度时,自主、隐蔽性好的测量技术具有重要的应用价值。提出了一种利用光学相机拍摄的地面景象进行飞行器速度测量的技术。文中详细阐述了该项技术的工作原理,利用同一景物在两幅有重叠区域的图像中的位移量及间隔时间计算飞行器的运动速度。并且分析了其中关键的图像匹配技术,采用SIFT算法获得抗旋转、尺度变化的稳定特征点。重点对测速精度的各个影响因素进行了理论分析,给出了利用多帧图像进行测速提高测速精度的方法,综合分析了速度测量中的误差来源和各影响因素。理论研究和分析结果表明:利用光学图像进行速度测算的方案正确,精度能够满足飞行器速度测量的要求。     

一种利用MAP估计的双目运动体视算法

本文提出一种融合运动和体视信息的运动与结构参数的鲁棒估计算法，算法首先通过计算瞬时ＦＯＥ，实现对每个像素处位移的ＭＡＰ估计，并计算关联的置信度；然后利用位移估计，从两图像序列之一计算相对深度，导出能用于匹配两体视图像序列的视差先验概率分布，使体视对的两帧图像匹配，确定３Ｄ景物深度，算法可方便地估计每个像素处的视差，不需对表面作平滑假设。     

基于单目视觉的无人机障碍探测算法研究

针对低空飞行无人机的避障问题,研究了一种基于单目视觉的障碍物深度提取算法。在无人机前视摄像机获取的图像中,通过Harris角点检测算法提取角点作为特征点,使用归一化互相关算法进行角点的匹配,根据图像序列中特征点间距离的变化和无人机的运动计算障碍物的深度。对用于单个障碍物深度计算方法进行了改进,使用RANSAC算法区分不同深度的障碍物。仿真表明,该算法可以有效发现并区分不同深度的障碍物。     

基于无人机图像的输电线自动提取技术

对输电线路的检测能够确保电网的安全运行,利用无人机图像实现输电线准确、快速的提取是实现电力巡检的前提。本文提出了一种基于无人机图像的输电线自动提取方法,能够从复杂的背景图像中完成输电线的有效识别。首先,采用Ratio算子提取出电力线像素,并结合Hough变换对直线段进行检测;然后,根据输电线路几何特征设计了完整输电线合成算法。由无人机图像试验可知,本文所提出的输电线自动提取方法能够有效排除复杂背景信息的干扰,实现输电线位置的准确识别。     

基于特征矢量匹配的SAR海洋图像舰船目标检测

根据SAR图像的基本特点 ,阐述了用DFBR场模型表达SAR图像的基本原理。在此基础上 ,通过提取SAR海洋图像中每个像素的分形值、分形模型拟合误差和方差统计量特征参数 ,结合图像像素的灰度值 ,形成一个对应于每个像素的特征矢量 ,并利用模糊数学的模糊子集概念 ,提出了一种基于特征矢量匹配的舰船目标检测方法。实际数据处理的结果表明 ,该方法具有较高的可靠性和准确性。     

流场可视化中的运动矢量估计方法

本文提出了一种新的运动矢量估计的方法,其基本思想是先对流体图象进行了处理,再采用贯相似性检测算法快速得到像素精度的位移量,最后再在像素范围内使用相位拟合算法快速且方便地估计出亚像素的位移精度。虽然本方法是基于流体运动分析的数字粒子图像测速,但基本原理可广泛地用于一般的运动矢量估计。     

基于视频检测的车辆测速方法

机动车辆的测速是智能交通系统中一个重要的组成,主要方法有线圈测速、激光测速、雷达测速、视频测速等。视频测速方法由于安装方便,成本较低,若能有较好的测速精度,则有着广泛的应用前景。通过在视频图像中对车辆尾部的检测,利用图像匹配方法找出车尾在两相邻帧图像中移动的距离,再利用图像坐标与世界坐标的相互转换,计算出两帧图像中车辆移动的实际距离。经测试,该方法能够对车辆进行准确测速,在车速为0～140km／h的条件下,平均测速误差为±2％,处理80万像素的视频图像,每帧测速时间约为10ms,满足了实时条件的要求。     

H.264编码器参考帧内存优化方法

提出了一种优化参考帧内存的新方法：每个参考帧的亮度参考图像仅包含了图像内的整数像素和扩展边界中的整数像素;在运动矢量搜索时先利用亮度参考图像找到整数运动矢量,而后由整数运动矢量搜索分数运动矢量,在每一次的搜索过程中根据搜索位置的分数运动矢量在亮度参考图像上找到对应的整数像素子块,对该子块进行插值运算获取所需的参考子块并进一步处理而获取对应代价,最后根据代价最小准则获取最佳运动矢量.试验证明这种优化方法能大大减小内存,且保证图像质量和码率几乎没有变化.     

视频底层特征提取技术研究

近年来,随着信息技术的迅猛发展,各种各样的视频信息和人们的生活戚戚相关,视频技术的研究俨然成为一个热门的研究领域。本文重点对视频的底层特征中的彩色特征、运动特征和镜头特征进行了提取技术的研究。在计算彩色特征和运动特征时首先把预告片视频分离成单帧图像,再计算每个预告片中的每帧图像的这两类特征,最后取整个预告片视频的所有帧的均值作为最终需要的特征结果。而镜头特征是根据每个预告片视频的关键帧的位置获得的。     

一种快速的基于SIFT算法的无人机航拍序列图像自动拼接方法

无人驾驶飞机在短时间内具有相对稳定的航向、飞行速度、飞行高度等特点,这些特点决定了相同时间间隔的航拍序列图像的重合区域相对稳定,在此基础上,本文提出了航拍序列图像拼接方法的约束性条件,及一种快速的无人机航拍序列图像的自动拼接方法。该方法运用自回归模型,将历史相交区域中心点作为模型的输入数据,对当前用于拼接的重合区域进行预测,然后在预测区域内进行SIFT特征提取和特征提纯,并根据提纯后的特征进行快速的序列图像拼接。通过在无人驾驶飞机航拍序列图像上对该方法性能进行实验,结果显示本文的方法具有较好的拼接效果,在海量无人机航拍数据的情况下,能大大减少拼接时间。      

基于二维压缩感知和分层特征的图像检索算法

为了保留图像分析时的像素点位置关系及降维处理,把一维压缩感知理论推广到二维,建立了二维可稀疏信号的压缩测量模型,研究了一种二维信号的自适应梯度下降重构AGDR(Adaptive Gradient Descent Recursion)算法,由此提出了一种图像分层特征提取与检索方法.首先对图像在RGB颜色空间上进行网格离散划分,通过分层算子对图像进行分层映射,定义一种基于颜色网格空间的扩展灰度共生矩阵,采用二维测量模型获取图像的分层测量特征、纹理特征与分层颜色统计特征,图像分层测量特征综合反映出图像的颜色及像素点位置的关系,扩展灰度共生矩阵反映纹理特征.其次用AGDR算法计算检索图像之间的原始信号差量及其稀疏值.最后结合两类分层特征差量、稀疏值和颜色统计特征,融合计算图像间整体相似度度量指标.仿真实验表明,应用分层二维压缩感知测量与AGDR算法的图像检索方法在检索时间、查全率和查准率等指标上具有优越性能,为图像检索提供了新思路.     

基于卷积神经网络的光电导航图像超分辨率方法

本文设计了一种基于卷积神经网络的光电导航图像超分辨率系统,为飞机飞行或着陆、卫星图像提供可靠的导航信息。超清化的可见光图像能够为地面监控人员、飞行员或无人机提供可靠的图像信息。超清化方法可以降低导航系统对硬件设备、计算资源的要求,适用于普通民航客机与搭载低精度摄像头的小型无人机。本文以卷积神经网络作为框架,搭建接近实时计算的图像超分辨率模型。     

无人机自主低空突防航迹控制系统设计

设计了一种无人机自主低空突防航迹控制系统。提出了一种满足无人机低空突防要求的航迹预规划方法和航迹控制指令生成算法。针对动态逆方法需要被控对象精确数学模型的难点,在分析无人机误差动力学特性的基础上,采用神经网络在线动态补偿模型逆误差,并运用李亚普诺夫稳定性理论推导网络权值更新律,确保指令跟踪误差和网络权值的有界性。数字仿真结果表明,该系统满足无人机自主低空突防时航迹精确跟踪要求。     

基于改进的Deeplabv3+的红外航拍图像架空导线识别算法

随着国家电网规模的不断扩大,架空导线作为电力系统的重要组成,对它的定期巡检变得极其重要,同时,随着低空飞行领域的开放,为了保证国家电网的正常运行及低空飞行的安全,架空导线的识别也变得极其重要。文中提出了一种使用Deeplabv3+语义分割网络模型对红外航拍图像架空导线进行识别的方法,并且针对红外架空导线图像目标的特征对该算法进行了改进。首先在原Deeplabv3+算法的特征提取主干网络ResNet50中加入注意力机制,使网络突出导线目标所在区域的特征,更加关注导线目标所在的位置,进而弱化背景等非主要区域的特征。然后对Deeplabv3+的编码器部分进行改进,在ResNet50模型中加入特征金字塔网络,可以将浅层和深层的特征进行融合,增强网络对不同大小目标属性的识别能力,及导线这种小目标的检测能力,进而提高网络的整体识别效果。实验结果表明:改进后的算法检测性能良好,均像素精度为93.52%,平均交并比为87.83%。     

奇异值分解域差异性度量的低景深图像显著性目标提取方法

针对低景深图像(DOF)目标提取过程中,容易出现目标提取不完整或背景被误识为目标等现象,该文提出一种奇异值分解 (SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊,以图像中每一个像素点为中心,利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解,再构造两奇异值之间的差异特征向量,针对此向量定义低中高全频段信息加权的差异性度量算子,计算对应像素点的显著性特征值,逐像素处理得到显著性结果图并进行阈值化处理,实现低景深图像目标的有效提取。对大量低景深图像进行处理,并与几种现有方法进行比较,提出方法的F度量值最大可提高54%,平均绝对误差减少76%～87%,可完整提取目标并有效去除背景,具有较强的可靠性。     

基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法.首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化(PSO)对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型.与当前无参考质量评价算法比较,所提算法能够有效地对JPEG(Joint Photographic Experts Group)、JPEG2000(Joint Photographic Experts Group 2000)、模糊等失真图像进行质量评价,评价指标CC(Correlation Coefficient)与SROCC(Spearman Rank-order Correlation Coefficient)达0.9477和0.9153.该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价.     

基于卷积神经网络的反无人机系统图像识别方法

针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。     

无人机自主降落过程视觉定位方法研究

为了充分利用连续视觉图像中3维空间信息, 解决无人机自主降落过程中的定位问题, 在稠密3维点云法和光流法定位原理的基础上, 提出了基于同物不同时图像像空间的定位方法。以理论推算、图形注释等方式, 通过求解单个像素点和整个图像移动变化情况, 将连续帧图像的形变、量变信息分解为无人机和参照物的空间相对运动信息, 并结合已知的参照物运动参量, 推算了无人机飞行位姿信息, 完成了无人机基于光学视觉图像的空间定位方法研究。结果表明, 该研究为视觉系统在无人机降落回收过程中独立实现空间定位提供了一定的借鉴和参考。     

红外与可见光图像多特征自适应融合方法

由于成像机理不同,红外图像以像素分布表征典型目标,而可见光图像以边缘和梯度描述纹理细节,现有的融合方法不能依据源图像特征自适应变化,造成融合结果不能同时保留红外目标特征与可见光纹理细节。为此,本文提出红外与可见光图像多特征自适应融合方法。首先,构建了多尺度密集连接网络,可以有效聚合所有不同尺度不同层级的中间特征,利于增强特征提取和特征重构能力。其次,设计了多特征自适应损失函数,采用VGG-16网络提取源图像的多尺度特征,以像素强度和梯度为测量准则,以特征保留度计算特征权重系数。多特征自适应损失函数监督网络训练,可以均衡提取源图像各自的特征信息,从而获得更优的融合效果。公开数据集的实验结果表明,该方法在主、客观评价方面均优于其他典型方法。