图引导的特征融合和分组对比学习的域自适应语义分割

在无监督域自适应语义分割任务中,有效地融合源域和目标域的特征以及解决不同类别像素数量分布不均衡的问题是提升跨域语义分割网络性能的关键。为了充分融合源域和目标域的特征,建立源域和目标域之间的长距离上下文关系,本文构建了双跨域图卷积网络,利用图卷积来引导源域和目标域的特征进行融合。本文分别构造了跨域位置相似矩阵和通道相似矩阵,提出了跨域位置图卷积和跨域通道图卷积。为了解决数据集中存在的类不平衡问题,同时提取到更多域不变特征,本文提出了分组对比学习策略,通过在组内构造正负样本,拉近2个域相同类之间的距离并拉远2个域不同类之间的距离。实验证明,本文提出的方法在数据集GTA5到Cityscapes和SYNTHIA到Cityscapes上的跨域语义分割均取得了良好的效果。

Anchor free与Anchor base算法结合的拥挤行人检测方法

由于精度相对较高,Anchor base算法目前已成为拥挤场景下行人检测的研究热点。但是,该算法需要手工设计锚框,限制了其通用性。同时,单一的非极大值抑制(NMS)筛选阈值作用于不同密度的人群区域会导致一定程度的漏检和误检。为此,该文提出一种Anchor free与Anchor base检测器相结合的双头检测算法。具体地,先利用Anchor free检测器对图像进行粗检测,将粗检测结果进行自动聚类生成锚框后反馈给区域建议网络(RPN)模块,以代替RPN阶段手工设计锚框的步骤。同时,通过对粗检测结果信息的统计可得到不同区域人群的密度信息。该文设计一个行人头部-全身互监督检测框架,利用头部检测结果与全身的检测结果互相监督,从而有效减少被抑制与漏检的目标实例。提出一种新的NMS算法,该方法可以自适应地为不同密度的人群区域选择合适的筛选阈值,从而最大限度地减少NMS处理引起的误检。所提出的检测器在CrowdHuman数据集和CityPersons数据集进行了实验验证,取得了与目前最先进的行人检测方法相当的性能。

双注意力引导的细节和结构信息融合图像去雾网络

雾图像结构信息弱化、边缘细节信息丢失,严重影响其在高水平视觉任务的使用.现有大部分去雾方法对图像细节信息的恢复并不理想,影响了图像去雾的整体效果.为此,本文提出一种双注意力引导的细节和结构信息融合去雾网络.该网络主要由空间-通道双注意力联合模块、细节和结构信息融合模块以及多尺度特征重建模块组成.其中,空间-通道双注意力联合模块通过联合空间和通道两个维度的注意力进行特征提取,实现雾图像中细节和结构信息的增强;细节和结构信息融合模块将结构信息和边缘细节信息融合为注意力权重和逆向注意力权重,以进一步增强这两种信息;多尺度特征重建模块将提取到的特征重建为清晰图像.实验结果表明,本文方法的去雾效果在定量评价和视觉效果上均优于对比方法.

图像中规则目标的轮廓提取算法研究

本文基于改进的矩形、椭圆和多边形拟合算法,提出了一种图像中规则目标的轮廓提取算法。将该算法应用于模拟的二值图像和真实场景图像,验证了其有效性和鲁棒性。算法成果可应用于军事侦察、测绘标注、城市规划、专题制作等领域。

基于种子点增长的SAR图像海岸线自动提取算法

SAR图像中斑点噪声的存在使得很难利用简单的阈值分割技术对其进行海岸线提取,而很多基于复杂数学模型的提取算法又常常由于较慢的检测速度限制了它们的应用.本文基于种子点增长的思想,给出了一种快速的海岸线自动提取算法.首先该算法利用像素值统计信息自动定位一个初始种子点区域,并计算初始均值M与初始阈值T.然后基于不断更新的M和T进行海域点增长.增长结束后,对得到的连通海域进行轮廓边界跟踪从而确定出具体的海岸线位置.将其应用于真实的SAR图像,证明了该算法的有效性和实时性.

基于同义词词林和规则的中文远程监督人物关系抽取方法

远程监督是一种根据知识库自动对齐实体进行大规模语料标注的方法,但过强的假设导致获取的语料混有大量的噪声。针对这一问题,提出了一种基于同义词词林和规则的中文远程监督人物关系抽取方法,该方法基于多示例学习思想将人物关系句子划分为包(bag)级,利用同义词词林对人物关系触发词做词频统计,确定最大词频候选关系和次大词频候选关系,再结合特定的人物关系判别规则判断人物关系。对bag判断出某个人物关系后,再对其进一步进行多关系预测,最终得到人物关系预测结果。在大规模的中文远程监督人物关系抽取公开数据集(IPRE)上的实验结果表明,所提方法得到的结果具有较好的F1值,并且能识别远程监督数据测试集标签所没标注出的人物关系。

基于植被似然建模与阴影的建筑物提取

提出了一种基于植被似然建模与阴影的彩色遥感影像建筑物提取方法。采用三原色(RGB)色彩空间中的高斯混合模型(GMM)对植被进行离线色彩特征建模,剔除植被信息的影响;采用Mean-Shift分割算法对图像进行过分割,在此基础上提取出建筑物阴影区域,然后对提取结果进行适当的后处理;通过计算阴影区域像素距离确定候选区域,并采用二次判别分析(QDA)分类器对图像进行分类,实现建筑物的提取。实验证明:方法能有效提高建筑物提取的精度。

一种高分辨率遥感影像道路提取方法

文章采用了基于核的Fisher线性判别特征分类和形状特征相结合的方法进行道路提取.首先,对标记的样本进行色彩信息的抽取;其次,利用基于核的FLD根据抽取的信息对遥感影像进行特征训练分类,将影像分为道路和非道路两类;接着利用道路的形状特征去除误提的信息;最后利用形态学对道路网进行优化处理.实验证明,本方法可以实现具有颜色信息的遥感影像道路的提取.

基于种子点增长的SAR图像海岸线提取算法

合成孔径雷达SAR(Synthetic Apenure Radar)图像海岸线检测在自动导航、地图绘制等海洋应用方面具有重要意义。国内外针对海岸线检测提出了不少方法,但是这些方法都有一个很大的缺点:速度慢。为此提出了一种快速SAR图像海岸线提取算法。该算法基于种子点增长的思想,从一个选定的初始种子点出发,计算出所有连通的海洋区域点,从而可以确定出海岸线位置。将该算法应用于真实的SAR图像进行实验,证明了该算法的有效性。

一种高分辨率遥感影像建筑物提取方法

采用了一种基于独特像元的快速自动提取建筑物的方法,如线与线之间的交叉点。首先,在预处理阶段采用边缘保留双边滤波器降低噪声,提高建筑物边缘的对比度;其次采用EDLines线段探测器实时准确地提取建筑物线段;最后,采用图表搜索感知分组的方法分层次组织预判线段为候选矩形建筑物。实验证明,该方法可以实现遥感影像建筑物的准确和快速提取。

基于HSI和局部同态滤波的彩色图像增强算法

为了消除光照不均对彩色图像的影响,提出基于HSI和局部同态滤波的彩色图像增强算法。首先,将图像从RGB颜色空间转换到HSI颜色空间。然后,对亮度分量进行局部同态滤波,并对局部同态滤波过程中产生的块效应采用相邻子图像边界平均的方法去除。色调和饱和度分量保持不变。最后再将图像从HSI颜色空间转换到RGB颜色空间,得到增强后的图像。实验结果表明,采用所提的方法增强后的图像光照均匀,明暗适中,细节清晰,优于全局同态滤波的结果。

基于分块DCT同态滤波的彩色图像增强算法

对于光照不均的彩色图像,由于传统的同态滤波器没有充分考虑图像的空间局部特性,同态滤波后的图像在局部对比度增强效果上,不能令人满意。为此,结合DCT变换的优点,提出了基于分块DCT变换的同态滤波算法,可以获得很好的局部对比度增强效果。为了消除分块滤波引起的块效应,提出了基于重叠块的块效应消除方法。同时,为了保留原始图像的色彩信息,提出将图像从RGB颜色空间转换到HSV颜色空间,仅对亮度分量进行基于DCT变换的同态滤波及块效应的去除,色调和饱和度分量保持不变。实验结果表明,该方法不但有效改善了光照不均对图像的影响,而且使图像色彩保持良好,图像中的细节更为清晰,性能上优于传统的同态滤波。

基于显著区域分割和小波变换的遥感图像融合

针对多光谱图像和全色图像的融合,提出一种基于显著区域分割和小波变换的遥感图像融合算法。首先通过IHS变换对多光谱图像进行分解,将亮度分量I和全色图像进行小波变换,得到对应的高低频系数。对低频系数进行模糊C均值聚类分析,并根据显著性因子分割出显著区域和非显著区域,针对不同区域和频段采用不同的准则进行融合。最后重建融合系数并进行IHS逆变换以获得融合图像。通过对比实验,表明该方法获得的融合结果优于传统的融合方法。

一种修正的基于混沌预测误差的目标检测算法

基于混沌预测误差的目标检测算法是检测混沌背景下目标的算法.本文对该算法的检测结果进行了分析,分析结果表明其检测到的目标区域比实际的目标区域大.针对这个问题,对基于混沌预测误差的目标检测结果进行了修正,修正后的结果更接近于目标的真实大小.用Lorenz混沌系统产生的仿真数据和实测的机载海面合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行了实验.实验结果与理论分析的结果一致,从而证明了理论分析的正确性.

基于空间划分和线性规划的快速碰撞检测算法

为提高在复杂环境下多物体碰撞检测的速度,提出基于空间划分和线性规划的快速碰撞检测算法。该算法首先用均匀网格法来确定处于同一单元格内的对象,然后利用线性规划的方法对处于同一单元格内的对象进行精确测试,并实时得到碰撞检测的结果。实验结果表明,与传统的碰撞检测算法相比,该算法可以缩短计算时间,提高了碰撞检测的效率。

卷积稀疏表示图像融合与超分辨率联合实现

为避免图像融合与超分辨率分步实现的不足,提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图,设计了一种高、低分辨率滤波器联合学习框架,实现对图像高低频成分的分离,并根据不同成分的形态特性设计了不同的融合规则:对于高频成分,根据稀疏特征图亮度信息和像素活跃性水平,设计了一种像素显著性度量方案来指导高频特征图的融合;对于低频成分,根据脉冲耦合神经网络能捕获邻域相似像素点火的特性,设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块,避免块向量化的缺陷。实验结果表明,能有效提高图像融合的质量。

低秩先验引导的无监督域自适应行人重识别

无监督域自适应行人重识别在智能监控中发挥着重要作用,并引起了研究者的广泛关注。尽管目前的研究已经取得了较大进步,但不同数据集之间的域偏移问题给行人重识别带来极大挑战。研究发现,在连续时间里,同一摄像机视角下的行人图像具有相同的风格,如果将这种风格信息从行人图像中分离出去,将有效缓解由图像风格差异引起的域偏移问题。为此,提出一种低秩先验引导的域不变信息分离的字典学习方案。根据风格信息的低秩先验性,将行人图像特征中的风格信息和行人身份信息分离开来,根据同一身份行人属性的域不变性建立视觉特征与属性之间的联系,缓解域偏移所带来的影响,通过自训练策略来调整学习参数。实验表明,方法的性能在很多数据集上超过了传统的无监督域自适应行人重识别方法以及部分基于深度学习的无监督域自适应行人重识别方法。

模态不变性特征学习和一致性细粒度信息挖掘的跨模态行人重识别

跨模态行人重识别方法主要通过对齐不同模态的像素分布或特征分布以缓解模态差异,却忽略具有判别性的行人细粒度信息.为了获取不受模态差异影响且更具判别性的行人特征,文中提出模态不变性特征学习和一致性细粒度信息挖掘的跨模态行人重识别方法.方法主要包括模态不变性特征学习模块和语义一致的细粒度信息挖掘模块,联合两个模块,使特征提取网络获取具有判别性的特征.具体地,首先利用模态不变性特征学习模块去除特征图中的模态信息,缓解模态差异.然后,使用语义一致的细粒度信息挖掘模块,对特征图分别进行通道分组和水平分块,在充分挖掘具有判别性的细粒度信息的同时实现语义对齐.实验表明,文中方法性能较优.

基于DSM与阴影的彩色遥感影像建筑物提取

针对大面积树木阴影的存在,使得利用阴影提取建筑物的结果与实际建筑物数量存在较大差距的问题,结合建筑物DSM数据,提出了一种基于DSM与阴影的彩色遥感影像建筑物提取方法.通过设定植被分割阈值剔除植被信息的影响,采用mean-shift算法对图像进行过分割,提取建筑物阴影区域,结合DSM数据处理,得到实际高度的NDSM图像,再次提取建筑物进行最终优化.实验结果表明,使用该方法提取建筑物比只根据阴影提取建筑物精度有所提高、形状较为规整,更接近实际地物.

一种耐高压FBG压力传感器在电力铁塔塔基的应用

云南属低纬度高原及其向南倾斜的斜坡地区,地质条件与气候环境复杂,地质灾害繁多,这致使大多数山区电力铁塔塔基存在地质结构安全问题,严重威胁电力系统的稳定运行。为应对各种威胁铁塔安全的突发情况,设计一种耐高压的FBG压力传感器,实现对山区电力铁塔塔基土压力的实时监测预警,为变电站结构的安全维护工作提供辅助决策依据与技术支持。该传感器技术已经成功应用于云南省玉溪市山区某个220k V变电站。