基于Sketch Token的异源雷达影像匹配适应性分析

将异源影像间的共性信息提取与描述作为研究重点,提出了一种基于Sketch Token中层特征的异源影像适配性评估方法.该算法利用监督学习策略获取异源雷达影像之间共性特征的先验知识,据此训练Sketch Token特征分类器,并将其作为影像间共性特征的描述子对基准图进行特征提取.利用提取结果的各项统计量训练支持向量机分类器,并以此评估异源影像对中基准图的适配性.利用星载SAR(synthetic aperture radar)影像作为基准图、机载实孔径雷达影像作为实时图进行适配性评估试验,试验结果表明了该算法的有效性.

结合纹理与轮廓特征的多通道行人检测算法

针对在复杂场景下,聚合通道特征(ACF)的行人检测算法存在检测精度较低、误检率较高的问题,提出一种结合纹理和轮廓特征的多通道行人检测算法。算法由训练分类器和检测两部分组成。在训练阶段,首先提取ACF特征、局部二值模式(LBP)纹理特征和ST(Sketch Tokens)轮廓特征,然后对提取的三类特征均采用Real Ada Boost分类器进行训练;在检测阶段,应用了级联检测的思想,初期使用ACF分类器处理所有实例,保留下来的少数实例应用复杂的LBP及ST分类器进行逐次筛选。实验采用INRIA数据集对算法进行仿真,该算法的平均对数漏检率为13.32%,与ACF算法相比平均对数漏检率降低了3.73个百分点。实验结果表明LBP特征与ST特征能有对ACF特征进行信息互补,从而在复杂场景下去掉部分误判,提高了行人检测的精度,同时应用级联检测保证了多特征算法的计算效率。

基于隐式模型表示的对称物体检测算法

针对自然界中具有旋转对称特征物体的不规则性和随机性特点,提出一种新的图像旋转目标检测算法。使用基于隐式模型表示的方法来统计图像中关键点的空间位置分布,并在此基础上对物体的旋转中心进行估计。通过中层特征对图像中视觉感兴趣的关键点进行提取,在所提取关键点的特征空间进行无监督学习,将这些关键点所在空间位置聚类为不同的旋转特征簇,进而通过各个特征簇的投票值,获得在特定半径下的中心概率映射图。使用多半径尺度的显著度检测对各个半径下得到的概率映射图进行加权叠加,获得图像全局的旋转中心概率映射图,并通过显著度检测算法获取旋转中心坐标。实验结果表明,该算法对自然图像中不规则的旋转对称物体都能够进行有效的检测,对旋转对称中心的估计也具有较高的精度。