基于重心偏移量的无人机图像兴趣点检测算法

针对使用定位与方向系统(POS)参数进行空间姿态校正后的无人机侦察图像在处理时容易受光照、模糊、压缩及噪声影响的问题,提出了一种基于重心偏移量(Oo B)的无人机图像兴趣点检测算法。该算法首先计算局部区域的Oo B,并将其作为兴趣点的响应函数值;然后,在5×5的邻域内采用非极大值抑制的方法获取兴趣点,并将局部区域的重心坐标作为兴趣点的位置坐标,使其定位精度达到了亚像素级。通过实验对比表明:该算法对于光照、模糊、压缩及噪声的影响都表现出较强的鲁棒性,更适合用于无人机图像兴趣点的检测。

深度学习下交通拥堵路段信息自动识别仿真

由于人口密度、汽车保有量等因素的增加,导致城市道路交通拥堵,严重影响了人们的正常生活和工作。为了有效识别出交通拥堵路段,提出基于深度学习的交通拥堵路段信息自动识别方法。将交通图像输入深度学习网络中,输出增强后的交通图像;采用时空兴趣点检测算法消除图像中的冗余点,并提取兴趣点的边缘信息、纹理特征和颜色分布属性,根据提取结果获取图像中的交通拥堵区域;在二流理论的基础上建立交通拥堵路段信息识别模型,对交通拥堵路段信息自动识别。实验结果表明,所提方法的图像增强效果好、车辆检测精度高、交通拥堵路段车流量信息识别与实际流量相符。