考虑不确定性的红外视频气羽分割及其在VOCs泄漏检测中的应用

针对红外气体成像实现泄漏检测自动化存在的安全问题,提出一种可同时进行视频气羽分割与不确定性估计的挥发性有机物(VOCs)泄漏检测框架。通过分析视频帧判断泄漏位置与范围,并将深度模型的不确定性结果作为检测结果的可靠性指标,为后续决策提供参考,以增强算法使用中的安全性。通过记忆模块来关联视频时序信息,实现快速高效的视频气羽分割与不确定性评估,提升了检测结果的准确性和连续性。为缓解VOCs视频数据稀缺问题,使用真实与合成数据混合训练。结果表明,该方法在给出泄漏检测结果的同时,可以输出模型置信度评价,避免对深度模型的盲目依赖,为人工决策和修复方案的制定提供更多依据。

基于红外视频的VOCs泄漏源定位与气羽实例分割

为实现对基于红外视频的挥发性有机化合物(VOCs)的自动化检测,提出了一种泄漏源定位和气羽实例分割的协同建模方法,既保证了模型对气羽实例的区分,也保证了每个实例只预测一个泄漏源,并支持单支路网络通过单次前向推理同时进行泄漏源定位和实例分割。考虑到泄漏源附近的气羽逸散特性,使用泄漏源位置作为气羽在嵌入空间的聚类中心,并根据泄漏气羽的时空分布选取高斯分布概率密度函数的协方差变量,对嵌入空间内的像素进行聚类,得到不同实例的泄漏源定位和实例分割结果。将泄漏源定位问题定义为具有单一关键点的关键点检测问题并给出定量评价指标。此外,通过合成数据集获得更加精确且易于获取的标注。实验结果表明,本文提出的方法可以对泄漏气羽进行较为准确的泄漏源定位和实例分割,综合定量指标高于其他同类方法,且在真实视频中具有良好的泛化性。

基于红外气体成像及实例分割的气体泄漏检测方法

针对红外气体成像实现自动化的泄漏检测,提出了一种基于深度网络的气羽实例分割方法,可以同时实现泄漏检测、气羽分割以及多泄露源的区分。不同于现有的实例分割方法,针对泄漏气羽各向异性的空间特征,采用二维高斯模型下的概率函数作为嵌入空间的相似性度量,提出了一种新的聚类损失函数。该损失函数通过聚拢实例内的像素点,同时学习一个斜椭圆形的带宽来最大化每个气羽实例分割掩膜。为了获得更多的红外气体成像数据以及避免人工标注气羽轮廓的困难,提出了一种使用合成红外气体成像数据集来训练模型的方法。实验结果表明,经过合成数据的训练,本文方法可以成功地在真实的红外视频上进行自动泄漏检测。与其他先进的实例分割方法相比,本文方法在保持高精度的同时具有更快的处理速度,适用于实时泄漏检测场景。

基于面部生命特征的3D假面欺骗攻击检测方法

现有的人脸认证系统大都易于遭受欺骗攻击,传统的攻击方式主要包含影印照片和视频回放。随着3D打印技术的不断发展和成熟,使用3D面具进行欺骗攻击逐渐成为新的威胁。针对3D面具欺骗攻击提出了一种新的特征用于攻击检测。该特征基于人体心脏搏动会导致真实用户的面部血流量发生周期性变化这一生理现象,提取了面部皮肤颜色信号的频谱。在公开的3D面具欺骗攻击数据库上的试验表明,联合使用该生理特征和面部纹理特征的抗攻击方法相比于以往单独使用纹理特征的方法准确率得到了显著提升,可以更好地抵抗3D面具的欺骗攻击。

车载红外图像的行人检测与跟踪技术

针对车载红外图像的特点,采用基于区域估计的帧差法实现车载红外图像中的行人检测,再通过行人的几何特征和运动速率特征进行行人的识别,最后运用轮廓矩匹配算法进行行人的跟踪。实验结果表明所采用的方法具有较好的行人检测及跟踪效果。

基于色彩传递与扩展的图像着色算法

色彩的不均匀一直是色彩传递算法中没有解决的问题。一些传统的算法只是单独依靠像素点的匹配来进行色彩传递,难以保证处理后图像色彩在空间上的连续性,即某些像素点的色彩和它周围的色彩反差较大。针对此问题,提出了一种基于色彩传递与扩展的图像着色算法,先利用传统的色彩传递方法,在lαβ空间对灰度目标图像进行局部上色,然后再利用色彩扩展的算法,对其他未经过上色的区域进行色彩扩展,完成整幅灰度目标图像的自动彩色化过程。实验得到了色彩细腻均匀的结果图像,验证了算法的实用性。

一种车载红外视频彩色化算法

针对红外图像成像的特点,将基于Fisher评价函数的多阈值红外图像分割算法和基于先验色彩知识的红外图像上色算法运用到车载红外视频彩色化中。在基于Fisher评价函数的多阈值分割之前对关键帧进行快速模糊C均值聚类,以所得聚类中心来限制多阈值分割中阈值的取值范围,实现了较快的图像分割;再以得到的阈值对红外视频逐帧进行景物分类,同时根据先验知识逐帧对不同景物类别赋予自然彩色。实验结果表明,该算法实现了对车载红外视频的自动彩色化,不仅得到的图像色彩较为真实有利于人眼的目标识别,实时性方面也达到了较好的效果。

基于轮廓跟踪的车载红外视频彩色化方法

提出一种车载红外视频快速彩色化方法,利用轮廓特征点跟踪获取每帧物体类别的轮廓区域,采用类别特征色彩对各区域传递色彩。构建各景物样本特征色彩集,以各类景物在自然彩色图像中表现出来的特征色彩作为红外图像中对应景物的色彩;利用改进的高效K-Means方法对红外关键帧进行聚类,得到分割区域,提取轮廓特征点;通过KLT算法跟踪特征点,得到其在下一帧中的位置并同时修正,采用B样条插值进行轮廓复原,得到该帧的各类别轮廓区域;最后将特征色彩按类别赋予各区域,从而给各帧图像着上合适的颜色,实现红外视频序列的快速彩色化。实验结果表明,该方法与基于运动估计的算法相比可提高近5倍的处理速度,并且能够得到与自然景物色彩较接近的彩色化视觉效果。

基于纹理特征库的微光图像色彩纹理传递

对微光夜视图像进行了色彩和纹理的传递。在多次实验的基础上,从拍摄的大量微光图像里,提取不同模式的纹理块,构建了天空、道路、草地、树木四类景物的微光图像库,并结合灰度共生矩阵和Gabor滤波器提取图像纹理特征,建立其对应的纹理特征库。然后通过比对目标图像像素点纹理特征与特征库中各向量的相似性,来判定该像素所属类别,实现了微光图像的分割;最后,通过套印算法进行快速的色彩与纹理传递。实验结果表明,该算法实现了对微光图像较为准确的分割,得到了同时具有自然色彩和纹理的彩色夜视图像,更有利于人眼对目标的识别。

随机干扰下降阶时延混沌系统的自适应广义投影同步(英文)

研究随机干扰下降阶时延混沌系统的广义投影同步(RLGPSS)。结合自适应控制方法和反馈控制技术,设计控制器和参数自适应更新律,实现混沌系统的RLGPSS问题,同时,对于系统未知参数能够有效的辨识。数值仿真结果证实了所提出控制策略的有效性。

夜视图像自动彩色化源图选择算法

研究可供夜视图像进行色彩传递的自然彩色源图选择算法。利用Gabor滤波器能够模拟生物视觉的特性以及夜视图像的纹理特征,对结合Gabor滤波器和灰度共生矩阵源图检索算法做出了改进,提出了一种结合Gabor滤波器和灰度梯度共生矩阵的源图选择算法。最后对这两种算法和亮度梯度二次采样算法进行了比较,实验结果证明,改进的算法远远优于其他两个,减少了图像色彩传递应用过程的人工干预程度,大大提高了自动化水平。

基于自适应响应融合的相关滤波红外目标跟踪

红外目标跟踪在军事和民用视频监控领域有重要的研究意义,但受热成像原理限制,红外目标分辨率低、对比度低、纹理信息缺失。针对红外目标特征信息量少导致跟踪性能较低的问题,提出一种基于自适应响应融合的相关滤波跟踪算法。该算法基于连续卷积运算的相关滤波跟踪框架,通过构造视觉显著性特征来增强目标外观描述,并结合对冲决策理论对由不同特征计算得到的多个滤波响应进行自适应融合,最终根据融合响应预测目标中心位置。此外,通过尺度滤波器来实现目标的尺度预测,得到完整的跟踪结果。在公开的红外视频数据集VOT-TIR2016进行测试,实验结果表明:与同类算法相比,该算法表现出更高的跟踪精确度和鲁棒性。

基于鲁棒特征匹配的热成像全景图生成方法

热成像技术能够探测不可见的长波红外辐射并以图像的形式显示,在科学研究、安防刑侦及国防军事中有着举足轻重的地位。如果可以用全景图的方式显示所观测场景的大视场热成像则能够极大地扩大观测者的视野、提升场景感知能力。然而,由于热辐射成像模糊、信噪比低,图像特征提取往往存在着较大误差,进而导致特征点匹配不稳定,图像拼接失败。针对这一问题,改进了匹配过程,提出了一种基于鲁棒特征匹配的热成像全景图像生成算法。在增加特征匹配鲁棒性方面的改进主要包括2方面:第一,利用PCA(主成分分析)对SIFT算子进行降维以降低算子相关性,提高特征向量的鉴别能力;第二,利用快速搜索密度峰聚类算法预先筛选匹配点集以剔除错误匹配点,提高特征点的匹配准确度。实验结果表明,本文提出的算法可有效且稳定地生成热成像全景图,具有实用价值。

面向微光/红外融合彩色夜视的场景解析方法

彩色夜视技术可以将微光/红外双谱图像融合成一幅适于人眼观察的彩色图像,而恰当的场景解析方法能够对彩色夜视图像的内容做出自动化分析,进一步减轻人眼的观测负担。针对彩色夜视场景丰富多变、对算法灵活性要求高的特点,提出了一种可在线扩展的场景解析方法。该方法基于非参数模型,预测景物类别时不需要训练过程,只需要使用数据库中具有语义标记的样本图像,通过将待解析图像与样本图像进行全局及局部匹配来实现语义标签的传递。而且,数据库可以根据应用场景的不同随时进行动态扩充。实验结果表明:该方法在包含城市、乡野等多种场景的夜视图像上,以及由统计色彩映射、TNO、NRL等多种融合方法得到的、具有不同色彩表征的彩色夜视图像上都具有令人满意的准确率。

基于DRF-MAP模型的单目图像深度估计的改进算法

图像深度信息获取是机器视觉领域的活跃研究课题之一。将图像深度估计问题归结为模式识别问题,以单目图像深度为模式类,在多尺度下从图像块中提取绝对和相对深度特征,并选择表征上下文关系的DRF(Discriminative Random Field)方法来表述某图像块的深度和其邻域深度之间的关系,从而构建起基于DRF-MAP(Maximum a posteriori)的单目图像深度估计模型。通过实验,得到了一类单目图像对应的深度图像,从而证明了单目图像深度估计模型对应的改进算法的有效性。

基于空间金字塔匹配的单目热成像深度估计

热成像能够反映场景的温度分布,对热成像进行深度估计,可以恢复出场景的三维温度场,在故障诊断、夜视导航等领域具有重要意义。本文提出一种面向单目热成像深度估计的非参深度采样方法。为了克服热像纹理缺乏、轮廓模糊的缺点,使用了空间金字塔匹配(Spatial Pyramid Matching,SPM)来进行热像的特征分析。首先,基于SPM特征匹配,从数据库中筛选出与待估计深度的热像具有相似场景的候选热像;然后,采用SIFT Flow变形算法对候选热像的深度图进行采样,并将深度信息传递给待估计的热像。实验结果表明,这种方法能够对单目热像进行有效的深度估计,与同类算法相比具有明显优势。

基于多尺度轮廓增强的RGB-IR双波段图像语义分割算法

语义分割被广泛应用于机器人、医学成像和自动驾驶等领域,但当前语义分割主要针对可见光图像。可见光图像在光照不足或天气差的情况下成像效果较差,而红外图像受光照影响较小。因此,将可见光图像和红外图像联合使用可以有效提升模型的鲁棒性。本文针对可见光/红外(RGB-IR)双波段图像语义分割任务中目标轮廓预测不准确的问题,提出一种基于多尺度轮廓增强的双波段语义分割算法。首先,本文提出一种新的位置和通道注意力模块EEFM,基于该模块可以高效地对多个尺度的融合特征分别进行轮廓预测。其次,本文将多尺度的预测结果用于对轮廓特征进行由高分辨率至低分辨率的逐步增强。最后,本文还提出了一种新的位置和通道注意力模块SAC对融合图像特征进行增强,以最终获得更准确的分割结果。实验在一个公开RGB-IR数据集以及一个自建数据集上进行,本文所提出的模型使用较小的参数量在公开数据库上取得了57.2的分割精度,综合性能达到了最高水平。同时,消融实验也验证了所提出的各模块的有效性。

Global Inference Preserving Projection for Semi-supervised Discriminant Analysis

Semi-supervised dimensionality reduction is an important research area for data classification. A new linear dimensionality reduction approach, global inference preserving projection （GIPP）, was proposed to perform classification task in semi-supervised case. GIPP provided a global structure that utilized the underlying discriminative knowledge of unlabeled samples. It used path-based dissimilarity measurement to infer the class label information for unlabeled samples and transformd the diseriminant algorithm into a generalized eigenequation problem. Experimental results demonstrate the effectiveness of the proposed approach.

基于可见光/红外图像的夜间道路场景语义分割

针对夜间道路场景解析困难的问题,提出了一种联合可见光与红外热像图实现夜间场景语义分割的方法。首先将双谱图像分别输入至两路并行的全卷积神经网络中,在网络的尾端融合特征并预测得到初步的语义分割结果。在此基础上,对双谱图像进行自适应直方图均衡及双边滤波,并利用基于双谱图像信息的稠密条件随机场对语义分割结果进行优化。实验结果表明,相比于单独使用可见光图、红外热像图、融合图,本文方法可以对夜间道路场景进行更准确的解析。

基于融合路径监督的多波段图像语义分割

可见光成像在夜间或恶劣天气情况下易受光照影响,降低了语义分割系统的性能,而同时使用可见光/红外多波段成像传感器则可以缓解这个问题。提出了一种基于融合路径监督的多波段图像语义分割方法,在网络训练过程中直接对特征融合过程进行类别监督。首先,将分割网络中独立的特征融合模块组建为贯通的融合支路,利用高层特征指引低层特征融合;其次,对融合支路末端直接施加监督信号,以提升融合特征的鉴别性及网络的收敛速度;最后,为了改善对于小目标的分割效果,在融合支路上特别引入Dice损失,构成混合监督训练模式。在两个多波段图像数据集上的实验结果表明,与其他多波段图像语义分割方法相比,本文方法可以达到更优的分割效果,而且对小目标分割更有利。