基于DIoU损失与平滑约束的结构化SVM目标跟踪方法

基于结构化SVM的目标跟踪因其优良的性能而受到了广泛的关注,但是现有方法存在损失函数不精确和模型漂移问题。针对这两个问题,首先提出基于DIoU损失与平滑约束的结构化SVM模型。该模型采用DIoU函数作为损失函数,利用t时刻超平面法向量w_(t)与t-1时刻超平面法向量w_(t-1)差值的L_(2)范数作为平滑约束。其次基于对偶坐标下降原理设计了该模型的求解算法。最后利用提出的基于DIoU损失与平滑约束的结构化SVM实现了一种多尺度目标跟踪方法。对所提出的目标跟踪方法在OTB100和VOT-ST2021数据集上进行了实验验证,实验结果表明:所提出的Scale-DCSSVM在OTB数据集上的跟踪成功率比DeepSRDCF高1.1个百分点,在VOT-ST2021上的EAO比E.T.Track高1.2个百分点。所提方法具有较优的性能。

空中侦察序列图像连续拼接的累积误差分析与消除

分析研究了空中侦察序列图像连续拼接产生误差的原因,连续拼接中的误差累积与传播往往导致拼接图像质量难以接受甚至拼接过程失败,而拼接获取大视野战场毁伤全景图像具有重要军事应用价值;针对空中飘弋平台运动姿态复杂,成像模型难以建立的特点,提出了一种在连续拼接过程中变换基准图的拼接策略以消除累积误差的产生,通过对空中飘弋平台实拍序列图像和模拟仿真的序列图像进行拼接的实验结果表明,基准图的变换可大大减弱拼接过程中的累计误差影响,同时多次变换也会造成局部边缘的失真,但不影响后续的处理和使用,该策略的提出可为类似视点变化复杂的成像拼接提供误差消除方法和有效手段。

序列图像拼接过程中误匹配的消除

序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时,就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中,基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明,这些方法能有效地消除误匹配,提高序列图像拼接的配准率。

弹载侦察图像质量评价方法研究

针对弹载侦察图像由于受成像平台和条件限制存在多类型混杂失真,为了对图像后续处理和成像系统性能优化提供重要量化依据和指标参考,开展此类图像质量评价研究。分析了弹载侦察图像的特点,针对成像平台的多自由度、多姿态变化情况,提取与相机抖动、结构变化、颜色丢失相关的3类11种图像特征,利用高分辨率测绘图像作为原始图像集,分块提取特征进行多元高斯模型(MVG)拟合获得基准分布特性,对弹载图像也进行分块处理获得对应MVG分布特性,比较其与基准MVG特性马氏距离作为子块质量得分,计算各子块的得分均值作为整幅图像最终得分。以实际弹载成像平台获取的图像进行了实验验证。实验结果表明:与盲图像质量测度算法、基于离散余弦变换的图像完整性测度改进算法、基于失真度识别的图像验证与完整性评价算法、质量感知聚类算法、盲图像质量空域测度算法、自然图像质量测度算法、整体与局部的自然图像质量测度算法7种其他经典方法相比,该算法具有更好的准确度和主客观一致性。

基于十字链表的图像符号表达方法

图像符号的表达与描述是图像进行分析与理解的关键环节。基于十字链表,提出了一种图像符号表达新方法,统一了区域和边界的表达与描述。该方法为图像分析和理解提供简洁紧凑的数据结构。

在Delphi中进行OpenGL编程

在Delphi中使用OpenGL绘制图形时需要注意的一些事项如下。 (1)加载OpenGL单元。在Delphi中要使用OpenGL进行编程,首先得将OpenGL.pas文件加入到你的工程中。方法:USES OpenGL。 (2)初始化。①创建设备描述表(Device Context)。②设置相应的像素格式(PIXELFORMAT DESCRIPTOR)。③创建着色描述表(Rendering Context)。Delphi中有几种获得或创建设备描述表的方法。最简单的就是直接获得画布对象(TCanvas)的句柄属性(Handle),如:DC:HDC;DC:=Canvas.Handle;也可用API函数GetDC获得设备描述表。如:DC:

基于区域特征与灰度交叉相关的序列图像拼接

针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法。该算法用迭代阈值分割算法提取区域,利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接。实验结果表明,算法配准率高,鲁棒性强。

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。

基于十字链表的管道滤波算法设计与实现

根据红外弱小目标检测与跟踪需求,针对目标轨迹建立与滤波问题,给出了序列图像中小目标检测管道滤波的基本思想.利用数据结构设计技术,定义了十字链表数据结结构,在此基础上,设计并实现了一种基于十字链表的管道滤波算法,并以红外小目标图像为样本数据,对算法进行了实验验证.实验表明该算法具有速度快、内存开销小、易于实现和适应性强等特点。

基于区域同名度矩阵的连续帧图像配准

对由空中飘弋平台获得的连续帧图像进行配准是个新的难题,但利用空中飘弋平台可获得恶劣环境下的空拍图像,若能配准拼接成大视野图像,则可供进一步研究使用。由于多种因素的影响,所获得的连续帧图像存在旋转、缩放、平移、含噪声、形变等特点,为此,若采用迭代阈值的方法来进行图像分割,并以十字链表形式进行存储表达;然后构建连续帧图像间的特征区域同名度矩阵,再通过遍历同名度矩阵来自动形成连续帧图像间的同名区域对;最后计算得出连续帧图像旋转、缩放、平移配准参数,则可较好地解决此问题。对一定数量的连续帧图像进行的配准实验表明,该算法不仅鲁棒性强、稳定有效,而且计算速度快,具有一定的理论和应用价值。

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。

基于Db小波与中值滤波的安检图像噪声消除算法

设置成像安检系统是机场等重要场所通常采用的安全措施。根据CT安检图像既含高斯白噪声又含脉冲噪声的特点,运用将Db小波变换与中值滤波相结合的综合去噪方法,以同时滤除高斯噪声和脉冲噪声,以获得更好的视觉效果。

弱小目标检测预处理算法对比研究

针对弱小目标检测与处理问题,对比研究了帧间差分法、背景预测法和小波分析法三种典型的弱小目标检测预处理算法。理论分析和实验验证表明,背景预测法的综合性能较好,只是在时间复杂度上较差,如果硬件资源允许,则是首选的算法;小波分析法在检测精度和抑制噪声方面较差,但其运算速度较快,如果对检测精度要求不高,则是首选的算法;帧间差分法检测率较低,综合性能最差,较少使用。研究为弱小目标检测预处理算法的选择提供了依据,为弱小目标检测预处理算法的研究和设计提供了重要的参考,具有重要的现实意义.

一种用于红外侦察图像的无参考质量评价方法

图像质量无参考评价问题目前仍是计算机视觉领域最具挑战性的工作之一,红外侦察图像由于其成像机理的制约,质量低于可见光图像,将严重制约后续图像处理的效率和其侦察效能的发挥,因而对于图像质量的准确评价是其中的关键环节。为此,研究并提取了能够表征红外辐射特性的轮廓、纹理和点特征,构建了基于混合特征和显著性检测的红外图像质量评价模型,并以实拍红外侦察图像为样本,以主观评测作为度量基准,进行了相关实验验证,结果证明该方法较经典方法能更好地评价红外侦察图像。

航拍图像噪声分析及滤除方法研究

对航拍图像所含噪声进行了分析,针对航拍图像主要含有高斯白噪声和脉冲噪声的特点,根据后续数据处理需要,提出一种基于四阶偏微分方程(PDE)去噪模型与改进的自适应中值滤波相结合的混合去噪方法。首先使用改进的中值滤波去除脉冲噪声,然后利用四阶偏微分方程的各向异性及边界滞留特性进行图像滤波。实验表明,该方法在去除噪声和保持边界的同时,还能避免产生阶梯效应,比单独采用其中一种方法的去噪效果更为显著,鲁棒性更强。

数字图像质量评价技术综述

图像处理领域中对图像质量的正确评价是一项很有意义的难点工作和基础性课题。该文综合论述了图像质量的客观评价方法,并按照全参考方法、弱参考方法、无参考方法三类方法进行介绍;文章首先概述了图像质量评价技术的国内外现状,对现有的评价方法进行了分类介绍和模型描述,同时选择了相应的典型算法进行说明;最后,就图像质量评价算法的进一步发展提出了若干技术与研究方向的展望。

L1范数最大化主分量分析视觉跟踪

针对基于L2范数的主分量分析(L2-PCA)易受离群数据的影响,使得传统的基于L2-PCA的视觉跟踪对目标遮挡的鲁棒性较差的问题,提出一种基于L1范数最大化主分量分析(PCA-L1)的视觉跟踪算法.利用PCA-L1对目标表观建模,以粒子滤波为框架估计目标的状态;为了适应目标变化并克服"模型漂移"问题,提出一种PCA-L1的在线更新方法以实现子空间的更新.通过实验验证并与现有算法进行了比较的结果表明,文中算法具有较优的跟踪性能.

一种快速鲁棒的视频序列运动目标检测方法

稀疏表示已经成为运动目标检测的有效方法之一,但其还没有很好地解决目标检测的快速性和鲁棒性.本文基于最大后验概率提出了一种快速鲁棒的运动目标检测模型,并设计了该模型的求解算法.该算法包括两个阶段:在第一阶段利用编码迁移实现稀疏系数的快速求解;在第二阶段基于运动目标的空间连续性结构,利用图切实现目标检测.在多个具有挑战性的图像序列上的实验结果表明,与其他经典运动目标检测算法相比,本文方法在快速性和鲁棒性方面具有较优的性能.

小型无人驾驶直升机动力学模型辨识仿真研究

获得足够精确的动力学模型,对于小型无人驾驶直升机这种MIMO控制系统研究具有重要的意义。文中研究了直升机模型辨识方法,将子空间辨识算法运用于直升机动力学模型的辨识,并对模型直升机的垂直——偏航耦合运动方程进行了辨识,得到了较为精确的结果,通过和PEM算法进行比较,显示该算法适合模型直升机系统辨识。

航拍图像去云方法研究综述

云区的存在严重影响了航拍图像的后期解译工作,如何高质量地去除云区干扰是当前航拍图像研究的重要内容之一。随着深度学习等技术的成熟和专用数据集的出现,航拍图像去云任务引起了研究者的广泛关注,也取得了阶段性成果。首先,介绍了几种常用数据集,结合数量、分辨率大小、获取媒介及特点进行了对比分析,同时给出了下载链接;然后,依据去云模型是否使用深度学习方法将去云方法分为基于经典理论的去云方法和基于深度学习的去云方法,突出阐述了基于深度学习的方法,并按照互补数据来源、应用场景、使用数据集、自身特点对各方法进行对比分析,重点对相关模型进行了说明,之后,介绍了常用的几种评价指标。最后,对现有方法中存在的问题进行讨论分析,并对未来的发展方向进行了展望。