结合亮度比值梯度与颜色特征的阴影去除算法

在视频监控场景下的目标检测中,运动的阴影会对所检测目标的准确性造成不利影响.为了去除运动阴影的干扰,本文提出了一种结合亮度比值的四方向梯度与颜色特征的阴影去除算法.该算法首先在RGB颜色空间使用混合高斯模型提取前景和背景;其次在rgI颜色空间计算前景与其对应背景亮度分量的比值;由于阴影区域的相邻像素亮度比值变化较小,通过计算亮度比值的四方向梯度均值来判断阴影区域并加以去除;最后为了避免运动目标被误去除,考虑到运动目标与背景的颜色差异远远大于阴影与背景之间颜色的差异,结合颜色特征来保留目标,确保检测目标的完整性.实验结果表明,本文提出的算法在阴影去除率和保持目标完整性方面优于其他阴影去除算法.

基于极化SAR梯度和复Wishart分类器的舰船检测

舰船检测是极化SAR系统的重要应用之一。现有的舰船检测方法容易受到旁瓣泄露的干扰,使得舰船目标的形态难以提取,导致检测结果不符合真实情况。此外,在舰船过于密集、尺度不一致的情况下,相邻舰船由于旁瓣的影响有时会被认为是单个目标,从而造成漏检。针对这些问题,该文提出一种基于极化SAR梯度和复Wishart分类器的舰船检测方法。首先,将似然比检验(LRT)梯度引入对数比值梯度框架,使其适用于极化SAR数据;基于LRT梯度图进行恒虚警(CFAR)检测,提取舰船的边缘信息,消除伪影的同时抑制强旁瓣对舰船精细轮廓提取的影响。其次,利用复Wishart迭代分类器对舰船强散射部分进行检测,可排除大部分的杂波干扰且保持舰船形态细节。最后,将二者信息融合,从而可以保持舰船形态细节的同时克服旁瓣和伪信号的虚警。该文在3幅来自ALOS-2卫星的极化SAR图像上进行了对比实验,实验表明与其他方法相比,该文所提算法具有更少的虚警和漏检,且能够有效克服旁瓣泄露,保持舰船形态细节。

基于梯度引导加权‒延迟负梯度衰减损失的长尾图像缺陷检测

针对目前图像缺陷检测模型对长尾缺陷数据集中尾部类检测效果较差的问题,提出一个基于梯度引导加权‒延迟负梯度衰减损失(GGW-DND Loss)。首先,根据检测器分类节点的累积梯度比值分别对正负梯度重新加权,减轻尾部类分类器的受抑制状态;其次,当模型优化到一定阶段时,直接降低每个节点产生的负梯度,以增强尾部类分类器的泛化能力。实验结果表明,在自制图像缺陷数据集和NEU-DET(NEU surface defect database for Defect Detection Task)上,所提损失的尾部类平均精度均值(mAP)优于二分类交叉熵损失(BCE Loss),分别提高了32.02和7.40个百分点;与EQL v2(EQualization Loss v2)相比,分别提高了2.20和0.82个百分点,验证了所提损失能有效提升网络对尾部类的检测性能。

灰度序列图像中结合互相关法与梯度特征的阴影去除算法

在视频监控场景下的目标检测中,运动的阴影会对所检测目标的准确性造成不利影响.为了去除运动阴影的干扰,提出了一种结合灰度比值的四方向梯度与归一化互相关(NCC)特征的阴影去除算法.首先在灰度序列图像中计算前景与其对应背景灰度的比值;其次根据阴影区域的相邻像素灰度比值变化改变很小,通过计算灰度比值的四方向梯度均值来判断阴影并加以去除;最后为了避免运动目标被误去除,考虑到运动目标与背景的相关性差异远远大于阴影与背景之间的相关性差异,结合归一化互相关特征来保留目标,以确保运动目标的完整性.定性和定量的实验结果分析表明,该算法在阴影去除率和保持目标完整性方面优于其他阴影去除算法.

基于特征融合的双分支模板更新跟踪算法

为了提高孪生网络SiamFC++的跟踪精确度和尺度适应性,提出了一种具有特征融合和双分支模板动态更新机制的实时目标跟踪算法。针对跟踪精确度,在骨干网络的浅层设计特征融合分支从而提高特征提取能力。另外,使用平均峰值相关能量(APCE)方法判断分类模板是否更新从而提高分类能力,改善了遮挡和形变时的跟踪效果。针对尺度适应性,使用交并比梯度比值法和响应图方差率判断回归模板是否更新,增强了快速移动和尺度变化的适应性。为了保证实时性,将两个分支的更新过程嵌套起来形成双分支模板动态更新机制。在数据集OTB2015和VOT2018上的结果表明,该算法较其他几种算法跟踪效果更稳定,能更好应对快速移动和遮挡等场景,同时该算法达到了62 fps,满足实时性要求。

基于Argo资料的西太平洋混合层和温跃层数据产品研制

基于2017版全球海洋Argo网格数据集(BOA-Argo),利用最大角度法和梯度比值法等客观分析方法计算了2004年1月—2016年12月期间,西太平洋海域(25°S^40°N,120°~180°E)的上混合层和温跃层上、下界深度,并计算了混合层温盐度以及温跃层强度等海洋环境参数,制作完成水平分辨率为1°×1°的月平均Argo数据衍生产品。将本数据产品和采用阈值法计算得到MILA GPV数据集做比较,结果显示:对于混合层的主要空间分布特征和时间序列变化特征,两者都十分吻合;将西太平洋海域温跃层上、下界深度和强度等参数与人们利用传统的温度梯度法计算结果相比较,其季节分布特征及变化趋势也大体相符。

基于重磁不同阶比值的场源相关成像法研究

重磁异常相关成像法是一种快速确定场源位置的有效方法,其相关系数极大值表征地质体中心位置.现有方法需已知地质体构造指数,本文提出重磁不同阶梯度比值的相关成像方法,可有效去除构造指数的影响,并讨论不同组合梯度比值的应用效果.对于磁异常数据,考虑到剩磁的影响,将采用解析信号及其梯度的比值来获取地质体的分布.通过理论模型试验,证明梯度比值相关成像法可以确定地质体中心位置,也具备良好的抗噪性.此外,解析信号二阶垂直梯度与解析信号比值的相关成像结果最稳定,精度和分辨率最高,为了降低噪声的干扰,在二阶及以上导数计算时采用Laplace方程来完成.将本文方法应用于埃及Hamrawien地区的实测磁数据的解释,反演获得地下异常体的深度在680 m和808 m.

基于灰度梯度联合二值图的抗干扰指针仪表自动识读方法

无人值守机器人在智能配电房进行设备状态检测过程中,需对配电房内的各类指针式仪表进行自动化识别判读。对于方型指针式仪表检测过程中出现的大角度倾斜、阴影与反光干扰,提出一种基于灰度梯度比值阵与联合二值图的抗干扰指针识别算法。在表盘定位过程中,提出基于灰度直方图峰值检测与灰度梯度比值阵相结合的方法,有效消除了边框阴影的干扰,实现四条边框方向的定位;在指针识别过程中,提出基于联合二值图的方法,有效增强了表盘中的指针信息,并通过Hough直线检测与线段聚类,最终进行倾斜校正从而获取指针角度。利用C++语言与OpenCV视觉库在计算机中进行算法实现与验证,结果表明,该算法在强干扰条件下仍表现出较高的鲁棒4生和精度,具有较高的应用价值。