联合密集多尺度特征的无人机公路遥感影像特征匹配

针对在背景复杂的无人机公路遥感影像中存在的重复纹理多、弱纹理无特征点、匹配对数少的问题,提出一种公路影像特征匹配模型,以增加可获得的特征点匹配对数量。首先,该模型选择在Key.Net网络中加入密集多尺度结构,使得网络在联合多尺度特征的同时,结合浅层特征和深层特征完成特征点提取,以增加特征点的数量;然后,构建结合K均值聚类和KD树的索引树,以优化快速最近邻特征匹配精度,增加初始特征匹配对数;最后,利用动态自适应距离阈值和随机抽样一致算法剔除误匹配对,进一步获得精细匹配对。实验结果表明:与传统的加速稳健特征算法和深度学习算法相比,提出的改进模型在特征点数量、精匹配对数量上均优于对比算法,可以获得高质量的匹配对。

基于分数阶滑模观测的感应电机无速度传感器矢量控制

针对感应电机无速度传感器矢量控制中速度和磁链的观测问题,设计了一种感应电机速度和磁链的分数阶滑模观测器,该观测器综合了分数阶积分和滑模控制的优点。观测器以定子电流观测误差构成滑模面,根据李雅普诺夫定理证明了观测器的收敛性和稳定性,并设计了分数阶滑模控制律。将该观测器应用到了感应电机矢量控制系统中,实现了无速度传感器矢量控制。仿真试验表明,分数阶滑模观测器能有效减小滑模观测中的抖振,对磁链和速度有较高的动态辨识能力。而且,无速度传感器矢量控制系统在全速范围内较好的动态和稳态性能。

近红外与可见光双通道传感器信息融合的去雾技术

为了对雾霾天气下的图像进行去雾处理,多幅图像去雾算法是常用的方法之一。多幅图像去雾算法也有多种形式,部分算法面临硬件实现困难、获取途径受限或者可实施性弱等问题,而且多幅图像比对处理时常常涉及图像配准,造成算法的实时性差、计算复杂度高等问题。针对以上问题,提出的算法为多幅图像去雾提供了新的思路,基于双目传感器硬件架构能够同时捕获近红外和可见光图像,将近红外传感器图像作为新的数据源,近红外传感器能够在一定程度上穿透雾霾,在雾天捕获可见光传感器无法捕获的图像细节,而且硬件实现简单。可见光图像的颜色信息较丰富,近红外传感器图像对近处场景细节的描述能力较好,捕获的图像稍加校正就能实现完全配准,将近红外图像与可见光图像进行融合,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,得到边缘、轮廓等细节信息更加丰富的去雾图像。基于上述思路,借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力,提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。首先,将彩色可见光图像转换到HIS彩色空间,分别得到亮度通道图像、色调通道图像和饱和度通道图像。先将其亮度通道图与近红外图像进行融合去雾处理。采用非下采样Shearlet变换(NSST)进行分解,对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理,对低频系数进行反锐化掩蔽处理,通过融合规则和反向变换得到新的亮度通道图像。然后,在对可见光图像的色彩处理中,建立饱和度图的退化模型,采用暗原色原理对参数进行估计,得到估计的饱和度图。最后,将新的亮度通道图像,估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。为了验证新算法的有效性,特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理,将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。实验结果表明,该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。并提出将近红外传感器图像作为新的数据源,采用双通道图像融合方法进行去雾处理,为图像去雾提供的新的技术思路是可行的。该算法的优势在于:首先提出将图像融合方法与去雾算法相结合,得到了新的去雾算法的思路。将彩色可见光图像转换到HSI色彩空间,将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理,在去雾的同时,可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中,使得去雾图像中的边缘、轮廓等细节信息更加丰富。其次,提出了在图像去雾算法中采用新的数据源——近红外传感器图像,从图像处理的角度,近红外传感器能够在一定程度上穿透雾霾,对于近处场景细节的描述能力较好,而且硬件实现简单,捕获的图像稍加校正就能实现完全配准,为后续的融合去雾算法带来了便利,为图像去雾提供了新的技术途径和路线。再次,采用的是多幅图像去雾算法,该算法基于双目传感器获取图像,可见光图像的颜色信息较丰富,近红外图像对于近处场景细节的描述能力较好,相对于单幅图像去雾算法,有更好的效果。最后,将可见光传感器图像映射到其他色彩空间,对于每个通道的图像根据其特征有针对性地进行处理。可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理,对于可见光图像饱和度通道的处理采用了图像复原算法,可以从整体上提升去雾效果,对细节特征有了进一步增强。该算法为图像去雾提供了新的技术途径和路线。

改进的单尺度Retinex图像去雾算法

传统的单尺度Retinex算法无法同时兼顾图像细节和颜色保真度,也无法凸显景深不同的雾天图像中远处景物的细节信息.针对此问题,提出了一种改进的单尺度Retinex算法对以上问题进行改善.首先,对原始雾天图像取反后进行改进的单尺度Retinex处理;然后将处理后的图像再取反后在HSI空间中对其饱和度分量进行拉伸.其中,改进的单尺度Retinex算法中运用可自适应调节的S型函数Sigmoid代替其中的log函数改善图像处理过程中的展宽效果.将输出结果图与原图相比,其对比度、信息熵、标准差都有所提高.仿真实验结果表明,所提算法对于雾天浓度不均匀的图像细节及颜色保真度尤其是图像远景的细节信息取得了较好的效果.

基于IEEE 802.11ac标准的城市轨道交通CBTC系统切换算法

城市轨道交通列车控制系统通常采用无线局域网技术实现列车和轨旁设备间的连续数据通信,因而列车在运行过程中存在多次切换,切换性能直接影响列车运行安全和效率.传统切换算法往往采用固定切换门限,较少考虑列车速度对切换过程的影响.随着列车运行速度的提高,传统切换算法难以满足实际的运营需求.针对城市轨道交通列车运行特点和切换过程,以隧道环境的无线传播模型为基础,推导出列车速度与切换迟滞参数之间的约束关系,提出基于IEEE 802.11ac标准的自适应切换算法.仿真结果表明,与传统切换算法相比,该算法在降低乒乓切换率、提高切换成功率和网络吞吐量等方面,能够满足列车在不同速度下的车地通信要求,适用于城市轨道交通运营场景.

基于多光谱混合梯度的遥感影像分水岭分割方法

针对分水岭分割算法中的过分割问题,提出基于加权混合梯度的多光谱遥感影像分水岭分割方法.综合利用多光谱遥感影像各个波段的光谱信息,根据图像信息熵构建加权混合梯度.加权混合梯度图像形态学重建滤波之后,引入基于梯度图像区域极值中值的自适应极小值抑制技术对混合梯度图像进行修正,修正后的梯度图像运用分水岭变换,实现了多光谱遥感影像的分割.以QuickBird和Planet多光谱影像为实验数据验证了该方法,分割结果符合人类视觉感受,减小了过分割现象,为多光谱遥感影像分割提供了一种新的思路.

改进YOLOv4的铁路沿线遥感影像地物检测方法

近年来,高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。基于回归的一阶段目标检测方法YOLOv4具有检测精度高、速度快等优点,但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检,以及进行大面积地物检测时效率低的问题。为此,提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。首先,设计由卷积、批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块,并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用,增强小目标地物的检测能力,降低漏检率;然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷,将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial,CSP)的每个残差单元之后,减少SE注意模块的重复调用次数,使其能够在提高网络性能的同时降低模型参数量从而提高检测效率;最后,针对长条形状的铁路目标提取困难问题,在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module)保留原始特征信息,解决铁路目标特征提取能力差的问题,提高铁路中大尺度目标的检测效率。为验证所提方法的有效性,选取2048张分辨率为1920×1080的某段铁路沿线遥感影像地物样本数据,将其中的铁路、房屋、楼宇建筑、农田和水池作为检测目标进行实验,并与当前流行的目标检测方法进行对比。结果表明,改进方法不仅增强了对小目标地物的检测能力,提高了地物检测精度和速度,而且提高了大尺度目标的检测效率。与YOLOv4算法相比,mAP提高了2.11%,准确率提高了2.93%,召回率提高了3.79%,模型大小减少了8.53%。所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。

基于自适应复杂场景的背景建模方法

因复杂场景下的背景动态变化大,大多数背景建模算法易引起误匹配而导致检测精度降低.为此,提出一种基于自适应复杂场景的背景建模方法,背景模型采集视频前5帧图像初始化模型,通过后续帧获取像素的分布特征并更新背景模型.算法提出自适应离散系数结合像素值检测像素动态变化幅度,获取复杂背景中的目标.实验通过对多组数据测试,验证了算法检测精度优于其他算法,有效改善复杂场景下动态背景对前景目标提取的影响,减少了由背景像素值大幅度变化产生的假前景,在复杂场景下检测目标有较强的适应性和鲁棒性.

基于道岔动作电流的故障特征提取与诊断方法

为提高道岔故障诊断精度,提出一种基于粒子群算法(particle swarm optimization,PSO)优化反向传播(back propagation,BP)神经网络的道岔故障诊断法.先利用基于道岔转换状态、时间固定分段、时域统计指标的三种方式提取动作电流特征参数,以降低特征维度;再据三种特征提取方式分别建立基于PSO-BP神经网络的诊断模型.仿真实验结果表明,采用基于时域统计指标的特征提取方式能更有效提取动作电流的变化信息,利用PSO优化BP神经网络可实现网络参数的自动寻优,提高网络对故障分类的效果.

一种基于信道状态信息的高鲁棒性人体动作识别方法

传统的人体动作识别技术主要以摄像头及传感器为主,存在侵犯用户隐私、环境依赖性强、成本较高等问题.针对上述问题,利用从商用WiFi设备提取的信道状态信息提出了一种基于信道状态信息的人体动作识别方法,设计了一种基于层次聚类的集成分类模型用以对不同人体动作进行分类和识别.在不同的实验环境下,通过比较不同的实验条件和方法,仿真结果表明该方法具有较高的精度及较强的鲁棒性,对人体动作的综合识别率达到95.3%,为室内人体动作识别提供了一个可行的解决方案.

Vector control of induction motor based on fractional-order intelligent-integral speed controller

To improve dynamic and static performances and robustness of the induction motor speed control system based on vector control,an improved fractional-order intelligent proportional integral(IPIλ)controller was applied to the speed controller of the vector control system,which combined the intelligent fractional integral with the proportion according to the variation of deviation.Compared with proportional integral(PI)and fractional-order proportional integral(FOPI)controllers,the IPIλcontroller achieved better control performance.The stimulation results indicate that the IPIλcontroller can not only track the given speed quickly and accurately,but also have better anti-interference and robustness for load and parameters variations.

Super-resolution amplification of bitmap images based on 3D modeling theory

As a general format of the image,bitmap(BMP)image has wide applications,and consequently it is an important part of image processing.By segmenting the bitmap and combining the three-dimesional(3D)model of the discrete algorithm with the scanning line compensation algorithm,a mathematical model is built.According to the topological relations between several control points on the model surface,the surface of the model is discretized,and a planar triangle sequence is used to describe 3D objects.Finally,the bitmap is enlarged by combining the borrowing compensation based on 3D modeling principle of discrete algorithm with the scanning line compensation algorithm of binary lattice image,thus getting a relatively clear enlarged BMP image.

融合局部纹理特征的核密度估计运动目标检测

针对运动目标检测中光照变化、移动阴影问题,提出一种基于多维特征的核密度估计运动目标检测方法。提出一种改进的局部纹理特征二值模式,对噪声和灰度尺度变化具有更好的鲁棒性,在背景建模中将该纹理特征与颜色特征融合进行概率核密度估计,并结合像素的邻域相关性抑制虚假前景以更好地应对多模态背景场景。实验结果表明:在基于纹理特征或核密度估计的同一体系算法中,本文方法对光线渐变以及运动柔性阴影都有较好的鲁棒性,综合性能指标提高了18%;与目前性能优越的算法纵向比较,能在平均检测性能相当的情况下提高50%的处理速度,更好地平衡检测效果与时间性能。

基于3D运动历史图像和多任务学习的动作识别

针对使用深度传感器采集的深度图像序列,在3D运动历史图像的基础上提出一种基于Gabor特征提取和多任务学习的人体动作识别方法。为了解决基于轮廓特征对运动历史图像不能充分表达的问题,引入Gabor滤波器组对3D运动历史图像进行特征提取;为了刻画在不同时间维度上人体动作的变化过程,引入时域金字塔对动作视频进行划分;最后,为了挖掘动作识别任务间的相关性,采用多任务学习训练动作分类模型。实验结果表明,该方法可有效提高动作识别的准确率。

基于RGF和改进自适应Unit-Linking PCNN的红外与可见光图像融合

为了进一步提高融合图像的对比度和清晰度,提出一种基于RGF(Rolling Guidance Filter)和改进自适应Unit-Linking PCNN(Unit-Linking Pulse Coupled Neural Network)的红外与可见光图像融合方法。首先,源图像利用RGF和高斯滤波器进行多尺度分解。然后,针对基础层通过计算其最大区域能量,提出了将最大区域能量与源图像相结合的融合规则;针对细节层利用改进的自适应Unit-Linking PCNN进行处理,得到相应的神经元点火频率图,计算每个像素点火频率图的边缘特征,并选择两者边缘特征较大的系数作为融合图像系数。最后,利用多尺度重构融合图像。实验结果表明,本文融合算法能较好地突出图像的目标信息,提供丰富的背景细节,在图像的清晰度和人眼视觉效果方面取得较好的融合效果。

融合模糊统计纹理特征的多线索粒子滤波跟踪

针对粒子滤波跟踪算法使用单一特征鲁棒性差,以及粒子重采样策略易导致粒子退化、贫化等问题,提出了一种基于多特征、多线索的改进粒子滤波跟踪方法。使用引入邻域关系的Histon直方图描述目标的颜色特征,并建立了一种稳健的模糊统计纹理特征(FSTF)表达空间纹理信息,然后将其自适应地与区域颜色特征融合构建多线索的观测模型。在粒子滤波跟踪过程中,使用基于K-means的粒子权重聚类进行更为准确的后验分布估计。在重要性重采样阶段,保留高权重粒子的同时基于当前目标状态的先验分布产生新粒子,避免了粒子退化并保证了粒子的多样性。在标准测试集上的实验结果表明:相比其他基于粒子滤波框架的跟踪算法,本文方法能够得到更高的跟踪精度和成功率。与其他效果突出的流行跟踪算法相比,本文方法能在光照变化、目标形变和背景扰动场景下取得更好的跟踪效果。