图像融合是解决多源遥感图像综合的最有效技术手段,针对不同数据源选择最佳的融合方法是提高图像融合质量的关键。在分析了B ROVEY融合和小波融合的理论、算法和融合过程的基础上,对Q U ICKB IRD的全色波段图像和多光谱波段图像数据进...图像融合是解决多源遥感图像综合的最有效技术手段,针对不同数据源选择最佳的融合方法是提高图像融合质量的关键。在分析了B ROVEY融合和小波融合的理论、算法和融合过程的基础上,对Q U ICKB IRD的全色波段图像和多光谱波段图像数据进行融合实验,然后从定性和定量两个方面对融合效果进行了分析与评价。定性分析是从色调、纹理和清晰度等方面进行分析,而定量分析是根据熵、平均梯度和光谱真实性等指标进行分析,实验结果表明:在处理Q U ICKB IRD遥感图像时,采用小波融合的图像既保持了较高的空间分辨率,又具有较好的光谱特性;而采用B ROVEY融合的图像虽然图像空间分辨率也较高,但光谱信息丢失较大,因此B ROVEY融合方法并不适用于处理Q U ICKB IRD遥感图像。展开更多
公路洒落物是影响交通安全的重要因素之一,为了解决中小尺度公路洒落物检测中的漏检、误检以及难以定位等问题,本文提出了一种图像引导和点云空间约束的公路洒落物检测定位方法。该方法使用改进的YOLOv7-OD网络处理图像数据获取二维目...公路洒落物是影响交通安全的重要因素之一,为了解决中小尺度公路洒落物检测中的漏检、误检以及难以定位等问题,本文提出了一种图像引导和点云空间约束的公路洒落物检测定位方法。该方法使用改进的YOLOv7-OD网络处理图像数据获取二维目标预测框信息,将目标预测框投影到激光雷达坐标系下得到锥形感兴趣区域(region of interest,ROI)。在ROI区域内的点云空间约束下,联合点云聚类和点云生成算法获得不同尺度的洒落物在三维空间中的检测定位结果。实验表明:改进的YOLOv7-OD网络在中尺度目标上的召回率和平均精度分别为85.4%和82.0%,相比YOLOv7网络分别提升6.6和8.0个百分点;在小尺度目标上的召回率和平均精度分别为66.8%和57.3%,均提升5.3个百分点;洒落物定位方面,对于距离检测车辆30~40 m处的目标,深度定位误差为0.19 m,角度定位误差为0.082°,实现了多尺度公路洒落物的检测和定位。展开更多
文摘图像融合是解决多源遥感图像综合的最有效技术手段,针对不同数据源选择最佳的融合方法是提高图像融合质量的关键。在分析了B ROVEY融合和小波融合的理论、算法和融合过程的基础上,对Q U ICKB IRD的全色波段图像和多光谱波段图像数据进行融合实验,然后从定性和定量两个方面对融合效果进行了分析与评价。定性分析是从色调、纹理和清晰度等方面进行分析,而定量分析是根据熵、平均梯度和光谱真实性等指标进行分析,实验结果表明:在处理Q U ICKB IRD遥感图像时,采用小波融合的图像既保持了较高的空间分辨率,又具有较好的光谱特性;而采用B ROVEY融合的图像虽然图像空间分辨率也较高,但光谱信息丢失较大,因此B ROVEY融合方法并不适用于处理Q U ICKB IRD遥感图像。
文摘公路洒落物是影响交通安全的重要因素之一,为了解决中小尺度公路洒落物检测中的漏检、误检以及难以定位等问题,本文提出了一种图像引导和点云空间约束的公路洒落物检测定位方法。该方法使用改进的YOLOv7-OD网络处理图像数据获取二维目标预测框信息,将目标预测框投影到激光雷达坐标系下得到锥形感兴趣区域(region of interest,ROI)。在ROI区域内的点云空间约束下,联合点云聚类和点云生成算法获得不同尺度的洒落物在三维空间中的检测定位结果。实验表明:改进的YOLOv7-OD网络在中尺度目标上的召回率和平均精度分别为85.4%和82.0%,相比YOLOv7网络分别提升6.6和8.0个百分点;在小尺度目标上的召回率和平均精度分别为66.8%和57.3%,均提升5.3个百分点;洒落物定位方面,对于距离检测车辆30~40 m处的目标,深度定位误差为0.19 m,角度定位误差为0.082°,实现了多尺度公路洒落物的检测和定位。