基于生物视觉原理的图像结构信息变化检测方法

为克服多时相遥感图像变化检测中照度差异和配准误差的影响,采用边缘结构信息进行变化检测。利用多方向Gabor函数从图像梯度强度图中提取边缘结构信息,称之为边缘标记(Edge Tag,ET),通过比较多时相遥感图像中ET的互相关系数实现变化检测。为减小差异较小的边缘对检测结果的影响,在相关系数的计算中引入抑制因子。仿真图像和真实图像的实验结果表明,该方法能克服图像照度差异和配准误差对变化检测的影响,取得了较好的检测效果。     

基于直线特征的图像－模型匹配算法

提出了一种新的基于直线特征的图像与模型匹配方法。该方法选择那些可以描述目标边界的直线建立模型。识别时 ,分层次地综合使用直线的多种特性 ,从而提高了效率 ,减少了误匹配的可能性。文中给出了用仿真图像和真实图像所做的实验结果。该算法可以用于目标识别、变化检测和视觉导航等多个领域     

基于孪生Transformers的遥感目标多元变化检测方法

多元变化检测是目前遥感领域重要的研究主题之一,在军事侦察方面有着广泛应用。考虑到目前常用的卷积神经网络中感受野对于提取变化特征的局限性,提出了一种基于孪生Transformers的多元变化检测模型。设计了基于多级Transformers融合结构的编码器进行远距离上下文建模,引入了残差连接的轴向注意力机制对变化特征信息进行解码,从而生成准确完整的多元变化图。并在针对飞机和舰船军事目标变化检测的遥感数据集上进行了训练与测试以及消融实验。结果表明：该方法的平均IoU和F1分数分别达到68.69%和80.43%,其性能优于其他流行的变化检测方法。     

一种直线段匹配的新方法

直线特征在人造目标和环境中普遍存在,直线段的匹配是三维重建等应用领域的首要解决问题.一般单直线的匹配方法难以解决被部分遮挡直线的匹配问题,提出了一种基于极线约束和RANSAC算法的匹配方法.对直线段上的点运用基于极线约束的匹配方法在另一幅图像中进行点的同名匹配,采用RANSAC算法建立直线模型,剔除野值,得到匹配直线段.本方法能有效地解决图像中被部分遮挡直线段的匹配问题,仿真实验和实际图像实验证实了本算法的正确性和高精度.     

基于相位编组和灰度统计的海天线检测

针对复杂海空背景图像中的海天线检测问题,提出了一种基于相位编组和灰度统计的新方法.首先,在边缘图像的基础上运用相位编组算法,得到大量的直线段.然后,根据直线段的图像倾角和到图像原点的距离两个参数对这些直线段进行分类,并选取直线段长度总和最大的若干个类,用这些类中的所有边缘点进行直线拟合,得到若干条候选海天线.最后,通过...     

融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。     

基于样块改进的图像修复算法

图像修复是指对图像破损区域进行填充或者将图像中多余物体进行移除。在Criminisi算法的基础上进行改进,在待修复块优先权的计算过程中,由于等照度线的曲率可以反映图像的局部特征,块与块之间的方差值可以反映图像的边缘信息,因此,将二者考虑进来,确保修复过程能够准确有序地进行。在寻找最佳匹配块时,将等照度线的曲率也作为一个因素增加进来,有效地提高了最佳匹配块搜索的精确性。经过仿真实验证明,改进后的算法不仅在PSNR值上比原算法有所提高,而且修复结果也比原算法更加准确可靠。     

机载视觉自主着陆过程中的跑道提取方法

跑道直线参数的准确提取,是机载视觉完成自主着陆过程的重要条件.首先在边缘图像的基础上利用相位编组算法,得到当前边缘图像中大量的线段,根据线段之间的角度,端点距离,以及线段两边的灰度均值,设计了一套规则来定量描述线段之间的亲近性,根据亲近值,将处于同一直线上的短线段首尾连接成长线段.取最长的若干条线段待选,再利用跑道区域的先验知识,主要是跑道内外的灰度对比信息,将位于同一条跑道的两条边缘上的线段识别出来.大量的实际图像结果验证了算法的有效性.     

基于图像变化检测的打击效果自动评估算法

提出了一个基于图像变化检测的军事目标打击效果评估算法.该算法通过对打击前后图像进行变化检测,比较目标打击前后的几何特征和纹理特征,对目标毁伤情况进行自动评估.实验表明,该算法能准确有效地对军事目标打击效果进行分级评估.由于采用的特征具有通用性.该系统可用于各种不同人造目标的打击效果评估.     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

多尺度PCA-HOG遥感异源图像匹配算法

针对遥感异源图像匹配中非线性灰度畸变和强噪声干扰问题,提出一种基于主成分分析(Principal Components Analysis,PCA)和方向梯度直方图(Histogram of Oriented Gradients,HOG)的遥感异源图像匹配算法.该算法利用HOG提取图像间的几何结构共性特征,能有效克服异源...     

Bidirectional parallel multi-branch convolution feature pyramid network for target detection in aerial images of swarm UAVs

In this paper, based on a bidirectional parallel multi-branch feature pyramid network (BPMFPN), a novel one-stage object detector called BPMFPN Det is proposed for real-time detection of ground multi-scale targets by swarm unmanned aerial vehicles (UAVs). First, the bidirectional parallel multi-branch convolution modules are used to construct the feature pyramid to enhance the feature expression abilities of different scale feature layers. Next, the feature pyramid is integrated into the single-stage object detection framework to ensure real-time performance. In order to validate the effectiveness of the proposed algorithm, experiments are conducted on four datasets. For the PASCAL VOC dataset, the proposed algorithm achieves the mean average precision (mAP) of 85.4 on the VOC 2007 test set. With regard to the detection in optical remote sensing (DIOR) dataset, the proposed algorithm achieves 73.9 mAP. For vehicle detection in aerial imagery (VEDAI) dataset, the detection accuracy of small land vehicle (slv) targets reaches 97.4 mAP. For unmanned aerial vehicle detection and tracking (UAVDT) dataset, the proposed BPMFPN Det achieves the mAP of 48.75. Compared with the previous state-of-the-art methods, the results obtained by the proposed algorithm are more competitive. The experimental results demonstrate that the proposed algorithm can effectively solve the problem of real-time detection of ground multi-scale targets in aerial images of swarm UAVs.     

遥感影像中采用多维特征的目标定位检测

给出一种在复杂场景的遥感影像中定位人造目标的方法,通过提取多种有利于检测人造目标的特征,并将其组合成特征矢量,采用非参数的均值漂移聚类方法进行分割,从而把目标从复杂场景中分离出来,通过检测影像中的房屋建筑物,结果表明该方法具有很好的稳健性和自动性。     

遥感图像自动配准的串行与并行策略研究

面对数据量呈指数增长的全球遥感图像,研究快速、有效、高精度的自动图像配准算法成为遥感领域迫切需要解决的问题。综述了遥感图像自动配准算法的研究现状和关键技术,且从新的角度分类总结了已有算法的特点及适用情况,并给出了综合的解决方案;同时研究并提出了三种新的并行策略,获得了较好的实验结论。由于算法采用粗粒度的数据并行方法,因此可扩展性和可移植性较好,无论在理论上还是在实践上都能为实际的遥感应用提供有益的指导和借鉴。最后提出了有待进一步研究的问题。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

一种定标缺失情况下的高光谱目标识别方法

高光谱遥感图像识别在民用和军事领域有着广泛的应用。在缺乏定标信息、缺乏同步观测大气光学参数情况下,对高光谱图像进行地物识别尚没有系统有效的方法,制约了其在定量遥感方向的应用。对此提出了一种利用粒子群算法优化6S模型参数基础上的高光谱遥感数据校正方法,并将其应用于定标缺失情况下的目标识别中。实验表明:在对遥感图像利用少许先验信息选择参数进行校正后,分类准确率为76.25%。而利用粒子群算法优化参数的6S校正后,分类准确率提高到91.58%,目标识别准确率得到了有效提高。     

一种抗比例变化的影像图与矢量数据匹配方法

由于矢量图匹配中涉及比例变化的匹配算法较少,提出了一种抗小比例变化的影像图与矢量图匹配方法。该方法先对遥感影像进行特征提取,然后与GIS矢量数据进行由局部到整体的动态规划匹配。具体过程为先进行点匹配,寻求坐标变换,再进行线匹配,求得线间Hausdorff距离最小为最优匹配。仿真实例表明该方法能够准确地匹配,并抗比例变化,可行性高。     

基于机场跑道方向特征的快速识别方法

在分析航拍和遥感机场跑道结构特征的基础上,提出了一种结合跑道方向特性的快速识别方法。具体介绍了方向小波变换检测边缘的算法和基于方向特性的改进Hough变换提取直线的方法。前者增加了检测结果的有效性和可靠性,后者加快了跑道识别速度,并能详细描述跑道。实验结果表明本算法是准确、快速、稳健的。     

红外图像强固定模式显著性噪声抑制

针对红外成像设备对天远距离观测中得到的小目标、强固定模式噪声这一类典型数据,提出基于显著性的红外图像强固定模式噪声抑制算法。对此类图像数据进行特性分析,指出图像中目标区域相对于背景固定模式噪声区域是显著的,利用显著性检测算法分离出图像中目标区域及背景,对不同区域分别采取不同处理,仅基于单幅图像信息实现强固定模式噪声的有效抑制。通过大量小目标、强固定模式噪声红外图像对算法性能进行测试。结果表明,本算法能够准确提取出图像中目标区域,实现图像中强固定模式噪声的有效抑制。