基于圆形滤波器HOG特征的航拍图像车辆快速检测算法

航拍图像中车辆一般近似为矩形结构,因此通过统计检测窗口中的梯度方向直方图并根据梯度主方向估计车辆朝向,然后将检测窗口旋转到相应方向进行分类器判别。车辆检测采用级联boosting分类器和梯度方向直方图特征(HOG,Histograms of Orient Gradient),针对旋转窗口中HOG特征的计算,设计了一种基于圆形滤波器的HOG(Circle Filter based HOG,CFHOG)特征,与传统基于积分直方图的HOG特征提取方法相比,显著提高了旋转窗口中HOG特征的计算效率,此外在计算每个像素的梯度时采用查找表代替梯度向量的求模和角度计算也减小了计算量。使用真实图像进行的实验表明本文车辆检测算法快速高效。     

基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法

针对航拍图像载台随机运动严重,图像分辨率低、目标特征少的特点以及航拍图像电子稳像技术快速、准确的要求,提出基于SIFT算子和Kalman滤波器的航拍图像电子稳像算法。该算法的特点是:由于利用SIFT作为估计图像间运动矢量特征,因此运算速度快;对Kalman滤波状态方程改进,可准确估计有意运动参数;将图像镶嵌技术用于稳定后图像\"无定义区\"的重建,从而形成快速准确的航拍电子稳像图像。航拍图像实验表明,该算法运算准确性高、稳定性好、速度快。     

改进YOLOv5的高空航拍图像检测方法

YOLOv5模型对普通场景图像的目标检测有更好的性能,但在高空航拍图像检测中表现不佳,针对这个问题,提出一种改进的YOLOv5模型。首先,建立高空航拍目标数据集,弥补该类图像不足的问题,对模型进行针对性训练,其次,采用多尺度细节增强提升处理数据图像,整体提升数据质量;最后,利用多尺度特征融合更好的平衡目标特征和位置信息,增加大尺度检测头提升小目标检测能力。经过实验分析,证明该方法在对高空航拍图像目标进行检测时平均精度、准确率和召回率分别比YOLOv5模型提高了12.6%、10.3%和6%,满足检测要求。     

基于大气散射模型的无人机航拍图像快速去雾算法

提出一种基于大气散射模型的无人机航拍图像快速去雾算法。构建大气散射模型。通过对大气散射状态的估计,利用可迭代运行的多向自相关增强方法,再根据无人机航拍目标图像的局部灰度分布特征,设计滤波模板。用滤波增强图像效果后,弱化明亮区域实现无人机航拍图像去雾效果。实验结果表明：该算法的图像弱化效果好,可完整体现景观全局细节,经双边滤波处理后的图像亮度高、色彩丰富、信息量大,可抑制图像噪声、提升清晰度,保障图像质量。     

基于多特征跨层融合的航拍小目标检测算法

针对无人机航拍图像中目标尺寸差异大、小目标聚集程度高、目标被遮挡,导致目标检测算法出现误检和漏检的问题,提出了一种基于多特征跨层融合的航拍小目标检测算法DM-YOLOv8。设计了一种部分通道可变形卷积模块PCDConv,在此基础之上改进了C2f中的Bottleneck模块,记为PCD＿C2f,进而替换主干部分C2f,自适应地调整卷积核的采样位置,提升主干网络对被遮挡小目标的特征提取能力。改进neck网络,针对检测模型对浅层信息利用不足,基于Bifpn重新设计neck网络,并在小目标检测层中引入设计的多特征跨层融合模块MFC,对细粒度的空间信息和通道信息进行整体建模。添加融合多个注意力机制的目标检测头DyHead,提高检测模型对小目标的检测精度。改进边界框损失函数,提高模型对航拍图像中困难样本的学习能力。实验结果表明,在VisDrone2019数据集上DM-YOLOv8相较YOLOv8s, mAP_0.5和mAP_0.5:0.95分别提升了3.7%和2.1%,满足实时检测的要求。     

针对不同视场辅助信标的无人机目标定位方法

针对无人机在单站测角测距的目标定位过程中受无人机姿态角误差影响较大的问题,提出一种对辅助信标进行探测并与惯性传感器相结合的无人机姿态求解方法。建立基于容积卡尔曼滤波的惯性传感器姿态求解模型,采用梯度下降法对基于辅助信标的无人机位姿参数进行求解,并综合它们的结果对无人机的姿态偏差进行估计和校正,最后完成了不同视场条件下的目标定位和仿真计算。结果表明,所提方法对无人机目标定位精度有明显提高。     

基于多测量融合的粒子滤波跟踪算法

复杂背景下运动目标的可靠跟踪,是计算机视觉领域中一个极具挑战性的问题。提出了一种融合颜色和纹理信息的粒子滤波跟踪算法,在粒子滤波的测量阶段,使用颜色直方图对目标进行颜色描述,用梯度方向向量对目标进行纹理描述。对这两种信息,分别用Bhattacharyya系数和欧几里德距离比较粒子与参考模板的相似性。为解决目标变化和遮挡问题,采用了模板更新策略。实验结果表明该方法是稳健的,能够在复杂的背景下对运动目标进行有效、可靠的跟踪。     

一种基于G0分布的SAR图像快速CFAR检测方法

杂波统计模型是决定CFAR检测算法性能的关键因素.G0分布能对单视和多视SAR图像中均匀、一般不均匀和极不均匀区域精确建模,但存在参数估计复杂、阈值表达式难以求解的问题,限制了其实用性.针对这些问题,分别采用矩估计法和二分法来完成参数的估计和阈值的求取,并通过目标区域预筛选和迭代计算等手段进一步提高了计算效率,得到了一种兼顾检测效果和效率的快速CFAR检测方法.实验结果验证了该方法的有效性.     

融合空间偏好和语义的个体活动识别方法

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。     

改进的Canny算法在直焊缝图像缺陷边缘检测中的应用

对含有夹渣、气孔和裂纹缺陷的直焊缝X射线图像进行缺陷的边缘检测时,传统的Canny算法虽然可以检测出缺陷的边缘,但具有自适应差和容易出现伪边缘的缺点。提出了一种改进的Canny算法,对经过非极大值抑制后的梯度直方图,利用像素最值梯度和像素最值梯度方差自适应获取连接缺陷边缘所需的高、低阈值;同时也改进了计算梯度图像所需的模板。实验结果证明,改进的Canny算法不仅进一步抑制了噪声,也避免了伪边缘的出现,在保留缺陷的边缘细节方面具有良好的效果。     

非高斯背景噪声下的微弱磁异常信号检测算法

针对传统的OBF分解算法在非高斯噪声下检测性能较差的问题,提出了一种带通滤波结合OBF分解的磁异常信号检测算法.首先,根据磁异常信号的频域特征,设计了Parks-McClellan最优FIR滤波器.通过对舍噪信号的带通滤波,实现对非高斯噪声的近似高斯化,同时最大程度地保留磁异常信号的信息.然后,对滤波后的信号进行OBF...     

纯方位跟踪时利用方位变化规律检测目标机动问题

针对纯方位跟踪中目标变向变速机动导致方位信息可能出现的非平滑变化,首先推导出观测平台与目标均匀速直航时目标方位变化的准确规律,运用最小二乘估计法选取了模型参数并设定了阈值的大小,并设计出具体的算法流程,通过仿真计算,对本算法的可行性进行了验证。结果表明,方位变化规律作为目标机动检测的证据具有一定的可行性,但在一些特殊的态势下,检测灵敏度不高,并对这些态势时行了分析。     

基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法

研究了一种基于χ~2检验的惯性/卫星紧耦合系统故障检测与隔离方法,该方法可利用故障检测函数自动识别单个卫导故障,并实时剔除故障星重构观测信息序列,从而避免了对紧耦合系统的影响。构建数字化仿真环境对所研究的故障检测与隔离方法进行了仿真,仿真结果表明,该方法可在卫星发生故障时及时检测并隔离故障星,并自动实现观测信息重构,保证了紧耦合系统的精度和完好性。     

基于垂直线列阵的深海被动目标定深误差

首先研究了在深海环境下,采用三阵元垂直线列阵水声探测系统进行被动目标定深的基本原理。然后分别从随机误差、阵元配置偏差和相干多途水声信道干扰的角度,对被动目标定深的误差源进行了理论分析,并推导了相关公式。通过仿真实验,总结出各误差源对被动目标定深精度影响的规律,为进一步开展被动目标定深研究、提高被动目标定深精度奠定了基础。