一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法

为提高多时相遥感影像的海岛变化检测精度,文中采用编解码结构模型将变化检测中变和不变的二分类问题视为语义分割任务,提出一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法(RMFNet)。首先,在编码器层构建4组优化的残差卷积块(RC)用于提取特征信息,每组残差卷积块通过三重跳跃连接方式提高网络的泛化能力;其次,构建基于空洞空间金字塔池化的多尺度特征融合块(MFF),融合语义信息、全局上下文信息以充分学习海岛变化与未变化的特征;然后,使用损失函数指导残差卷积块和多尺度特征融合块的训练;最后,以中国香港岛为例,基于公开的变化检测OSCD数据集进行仿真实验。结果表明:提出的RMFNet方法的Kappa值比CNN、ResNet-18、PSPNet、SegNet、UNet五种方法分别提高0.2509、0.2019、0.1313、0.0786、0.0380,验证了该方法的有效性。

基于多尺度特征和嵌套级联Adaboost的车辆检测

为提高车辆检测的速度和准确性,提出了一种基于多尺度方向梯度直方图(HOG)和多尺度多块局部二进制模式(MB-LBP)两种特征与嵌套级联Gentle Adaboost的车辆检测算法。分别使用积分直方图和积分图像加速提取多尺度HOG和多尺度MB-LBP特征。基于两种特征为Gentle Adaboost构建两种弱分类器,并采用嵌套级联Gentle Adaboost分类器提高检测率和检测速度。仿真实验结果表明:相比于现有的几种车辆检测算法,提出的算法检测速度更快,且检测精度和召回率更高。

Underwater Image Enhancement Based on Multi-scale Adversarial Network

In this study,an underwater image enhancement method based on multi-scale adversarial network was proposed to solve the problem of detail blur and color distortion in underwater images.Firstly,the local features of each layer were enhanced into the global features by the proposed residual dense block,which ensured that the generated images retain more details.Secondly,a multi-scale structure was adopted to extract multi-scale semantic features of the original images.Finally,the features obtained from the dual channels were fused by an adaptive fusion module to further optimize the features.The discriminant network adopted the structure of the Markov discriminator.In addition,by constructing mean square error,structural similarity,and perceived color loss function,the generated image is consistent with the reference image in structure,color,and content.The experimental results showed that the enhanced underwater image deblurring effect of the proposed algorithm was good and the problem of underwater image color bias was effectively improved.In both subjective and objective evaluation indexes,the experimental results of the proposed algorithm are better than those of the comparison algorithm.

基于空间金字塔池化特征的日常工具分类识别

面向人机共融环境下机器智能对工具认知的需要,为提高家庭服务机器人的工具功能用途认知能力,设计一种基于深度几何特征空间金字塔池化的工具功用性建模与分类方法。离线训练阶段,考虑到各类工具在几何形态上的差异对工具自身更具表征性,首先,在各工具的深度图上提取多类几何特征,并融合形成工具特征图;然后,在工具特征图上提取多尺度特征块,并基于cciPCA的方法建立空间池化金字塔,从而构建最终的工具特征向量;最后,在高层语义空间上,利用SVM分类器训练工具分类识别模型。在线检测阶段,利用离线训练的工具分类模型对空间池化的样本进行分类测试。实验结果表明,所提方法能够实现家庭服务机器人对家庭日常工具的认知及分类识别,部分工具的识别精度可达97%及以上。