基于多窗傅里叶变换的弱Chirp信号检测

关于噪声背景下的Chirp信号检测,已有很多方法：短时傅里叶变换（STFT）、魏格纳-维乐分布（WVD）、Gabor变换等。但在低信噪比条件下,这些方法的检测性能往往难以达到预期的目的。介绍了一种新的时-频分析方法,它联合运用了多种窗长的傅里叶变换分析和局部最大值搜索的方法,运算量小且能有效提高对Chirp信号的检测性能。仿真结果表明,在加性高斯白噪声背景下,该方法对弱Chirp信号的检测能力要优于STFT、WVD和Gabor变换,当信噪比为-9 dB时,依然能检测到信号并确定信号的位置及频率范围。

一种快速简便的图像骨架变换方法

骨架变换是图像处理的一种重要手段。针对已有的骨架变换方法或编程复杂,或运算速度慢,提出一种快速简便的骨架变换方法。该方法采用起飞-着陆法对二维和三维图像进行距离变换,然后采用局部方向最大值搜索法进行骨架变换。

顾及单木三维形态的无人机立体影像单木识别算法

单木参数对当前的森林资源管理、生态研究以及生物多样性保护等具有重要意义。无人机立体影像数据与单木识别算法为单木参数的低成本、自动化获取提供了基础。现有研究表明,常用的基于局部最大值搜索的单木识别算法面对密集林分时存在严重的漏识别问题,影响了参数提取的精度,因此本文提出了顾及单木三维形态的无人机立体影像单木识别新算法。算法首先综合利用无人机立体影像的高程与RGB光谱信息,通过随机森林分类进行林冠区的提取;然后利用形态学的多层腐蚀、膨胀与连通区标记进行树冠相连单木的分离与树冠中心点的提取,从而实现单木自动化识别。本文选取内蒙古大兴安岭林区和四川王朗林区的4块样地进行验证,以目视解译数据为参考,分别与基于高程值的局部最大值搜索算法(算法A)、基于RGB光谱亮度值的局部最大值搜索算法(算法B)进行比较。结果显示:本文提出的算法在4个样地的平均F1-score为94.17%,与算法A和算法B相比分别提高了15.85%和9.37%;而对于密集样地,本文提出的算法在查全率上相比算法A和算法B分别提高51.79%和35.64%。结果表明本文提出的算法在不同林区均能够实现较好的单木识别效果,特别是能够有效避免密集林分下的漏识别问题,为基于无人机立体影像的单木识别研究提供了一种新的思路。