高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法

高光谱图像的异常检测在军事、农业、勘探、防火等领域具有重要的应用价值。传统的高光谱图像异常检测算法未能有效地挖掘图像光谱的深层特征,而深度学习方法具有良好的提取深层特征信息的能力。由于异常检测问题一般无法获取地物先验信息,因此无监督网络相比于监督网络要更为适用。而现有的基于自编码器的异常检测算法没有对局部信息进行有效利用,导致检测效果受限。针对这一问题,本文提出一种基于稀疏表示约束的自编码器深度特征提取方法。首先通过栈式自编码器得到深层次语义信息;然后利用稀疏表示作为约束与编码器进行有效结合,挖掘了潜在隐藏空间中的特征元素的局部表示特性;最后采用分数傅里叶变换,通过空间-频率表示获得原始光谱与其傅里叶变换的中间域中的特征,进一步增强了背景和异常的光谱区分度,且能有效去除噪声的影响。在Hymap、AVIRIS、ROSIS、HYDICE这4种光谱仪采集的5幅高光谱遥感影像上进行了性能验证,得到的曲线下覆盖面积(area under curve,AUC)分别为0.9905、0.9983、0.9990、0.9928和0.9110,相比于对比算法都有了不同程度的效果提升。结果表明本文方法具有更好的检测精度。

基于环视多通道图像采集的桥墩病害检测

针对传统桥墩病害检测过程中的局限性,通过对桥墩病害的采集机制进行研究,提出了一种基于环形攀爬机器人的桥墩病害检测方法。设计了一种能够适配环形攀爬机器人的环视多通道桥墩病害图像采集系统。采集时先驱动机器人爬行至目标区域,之后通过上位机对核心板进行寻址并发送相应的指令,控制指定的摄像头进行图像的采集工作。为了实现传输过程中的速度匹配,采集到的数据会先暂时存放到SDRAM中,之后按以太网的传输格式对数据进行打包处理,通过捕捉摄像头输出的帧同步信号来判断每一帧图像的开始,并为其添加相应的对齐帧头,由此建立严格的时序电路,来确保采集过程中图像数据的有序传输。该系统可以快速实现对桥墩表面病害信息的采集,病害的检测精度可以达到0.3 mm~0.4 mm,能够满足大部分病害的检测要求。

刍议“相邻关系”

相邻关系，是指相互毗邻的不动产所有人或使用人之间在行使所有权或使用权时，因相互给予便利或者接受限制所发生的权利义务关系。邻里间的相处，是这个社会中的每个人都必然要经历的一种相处的关系和模式，并且在相处中必然会有相互间的摩擦和问题，因此需要法律予以规范，需要法律的规定来稳定关系、处理矛盾。此文便是对于相邻关系的部分问题的阐述和解析。

基于车载LiDAR点云的道路提取方法

针对提取道路点云聚类方法存在欠分割、过分割的问题,提出了一种基于坡度滤波算法和改进欧式距离的区域生长算法相结合的道路点云提取方法。原始点云数据量大且繁杂,采用统计分析进行预处理,去除一定数量悬空的噪声,减少数据量;为防止点云数据精度损失,对预处理后的点云按照格网进行划分,结合坡度滤波算法,去除非地面点干扰,获取地面点云;以法向量夹角和欧氏距离为约束条件,采用改进的区域生长算法提取路面点云。使用两组不同场景下的车载点云数据进行试验,证明了该方法的有效性。

基于引导滤波和核相关滤波的红外弱小目标跟踪

为了解决传统跟踪算法不能有效区分背景边缘和红外弱小目标的问题,基于图像引导滤波和核相关滤波,提出了一种改进型的红外弱小目标跟踪算法。将采用6组红外弱小目标图像序列得到的实验结果与采用经典跟踪算法得到的实验结果进行了比较。实验结果表明,所提算法在主观视觉和客观评价指标方面均优于传统算法,具有更高的目标跟踪精度与较好的实时性。