多特征融合的匹配代价与视差优化算法研究

针对现有算法对光照变化敏感、非连续区域与纹理区域易出现误匹配的问题,本文提出了一种多特征融合的匹配代价与视差优化算法.该方法首先分两阶段计算匹配代价,第一阶段联合使用三种特征:颜色特征、WCCT特征、LBP特征.基于上述三种特征的互补性,通过加权融合计算初始匹配代价;第二阶段使用SIFT特征代价修正初始匹配代价.然后,使用改进最小生成树聚合匹配代价与初始视差图计算.最后,使用置信度聚合与传播策略进行视差图优化,得到高质量的视差图.实验结果表明,在多种复杂场景中,该算法都能够提高立体匹配精度.

太阳能供电的机场目视助航灯光系统研究与实现

针对机场目视助航灯光应用现状,从目视助航灯光供电方式和回路组成结构出发,分析了现有供电方式下存在的问题,提出将太阳能光伏技术应用于机场目视助航灯光系统,达到节能减排的目的。以跑道边灯为例,进行了方案可行性验证并给出系统详细方案设计,实现了助航灯具的供电、系统长时间运行、亮灭控制及工作状态实时监测。通过对某机场实际灯光回路进行安装测试、分析验证,效果较理想,可为今后助航灯光系统的发展提供参考依据。

考虑法向离群的自适应双边滤波点云平滑及IMLS评价方法

针对目前在点云双边滤波平滑算法中,人工输入不合理参数导致的点云平滑效果不佳,且易导致体积收缩及现有去噪后点云质量评价方法存在表达局限性等问题,提出一种自适应参数的点云双边滤波算法和基于隐性移动最小二乘(IMLS)的质量评价方法。首先构建KD-tree数据结构用于点云拓扑,之后搜索各点邻域,利用奇异值分解法计算法向量信息,并在双边滤波公式中引入法向离群因子以剔除邻域内离群点,然后通过扩展高斯核函数的权值计算式,在点云邻域内自适应获取空间与法向特征参数,最后应用改进模型进行点云平滑并引入IMLS方法评价点云质量。实验结果表明,考虑法向离群的自适应双边滤波点云平滑算法具有良好的去噪效果,相比其他算法体积收缩更小,且IMLS评价方法客观有效。

多帧背景差与双门限结合的运动目标检测方法

为有效解决视频监控场景下运动目标快速、精确检测的问题,提出一种多帧背景差与双门限结合的运动目标检测方法.首先改进Surendra背景模型来获取干净的背景图像,根据灰度差分图像确定的两个门限值进行前景目标检测,低门限阈值用于检测出比较明显的前景目标(即粗检测),在粗检测的基础上利用高门限阈值以去除粗检测中存在的噪声目标与伪目标(即细检测),最终实现视频监控场景下运动目标的精确检测效果.针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标.

基于CUDA的多尺度Retinex图像增强算法实现

多尺度Retinex图像增强是一种基于色彩恒定理论的图像增强算法,算法增强效果好,但随着图像分辨率的提高计算时间显著增加。分析并利用计算统一设备架构(CUDA)图形处理器(GPU)的并行处理特性,提出了一种基于CUDA的多尺度Retinex图像增强并行算法,将多尺度高斯滤波、对数空间差分和动态范围压缩等计算非常耗时的模块采用并行方式放在GPU中进行计算。实验结果表明所提算法能显著提高计算速度,随着图像分辨率的增加,最大加速比超过100倍。

多帧背景差与Cauchy模型融合的目标检测

为有效解决复杂监视场景中快速、准确检测运动目标,提出一种多帧背景差与柯西(Cauchy)模型融合的目标检测方法。该方法首先借鉴Surendra背景模型的思路进行改进,采用多帧背景差法获取干净的背景图像,然后利用实时的视频图像和当前的背景图像进行绝对差分处理,最后通过Cauchy模型对整幅绝对差分图像上的点进行背景点和前景点判别,实现对复杂监视场景中目标的准确检测。针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标。

一种自适应的双门限场面运动目标检测方法

为了有效解决在复杂环境下机场场面运动目标的精确检测问题,提出了一种自适应的双门限场面运动目标检测方法。首先采用混合高斯背景模型的方法来提取背景图像,然后使用两个门限值对差分图像进行前景目标分割,低门限阈值用于粗分割以检测出较明显的运动目标,在粗分割的基础上再用高门限阈值进行细分割以去除噪声目标和伪目标,最终得到场面运动目标的准确检测和分割结果。在复杂条件下的场景进行的实验,验证了该方法具有良好的噪声抑制能力和对慢目标良好的鲁棒性,同时能有效地分割出前景目标。

基于图像弱检测器的飞机起降过程追踪方法

在视频自动追踪拍摄飞机起降过程的应用环境中,面对高实时性和可靠性要求,存在目标成像变化大、背景复杂且高速运动、同类目标干扰等技术困难。针对以上问题,提出了一种仅通过几个图像弱检测器的组合,结合飞机4D航迹估算,实现稳定可靠的飞机实时追踪,并有效避免同类目标干扰的追踪方法。首先,将飞机起降过程分为几个阶段,每个阶段分别独立训练一个快速的弱检测器;然后,从单张2D图像中估算3D空间位置;最后,融合多张图像航迹估算信息结合航迹经验信息,对航迹进行精确计算,并预测下一时刻航班位置,最终实现稳定追踪。与其他追踪方法相比,新方法具有运算速度快、抗同类目标干扰能力强的优势。跟踪拍摄教练机起降训练过程的大量实验结果显示,该方法可以实现稳定可靠的飞机起降过程自动检测追踪。

基于数值模拟的矩形密封圈参数化分析

利用有限元分析软件ABAQUS建立二维轴对称模型,对静密封中矩形密封圈与O形密封圈的密封性能进行了对比,分析了矩形密封圈压缩率、材料硬度、截面长宽比和倒角尺寸对矩形密封圈的变形、接触压力和Mises应力的影响。结果表明:在静密封中,矩形密封圈的密封性能优于O形密封圈的密封性能;压缩率越大,密封性能越好;材料硬度是影响密封性能的重要因素;截面长宽比对密封性能影响最小;倒角尺寸越小对最大Mises应力和最大接触压力影响越明显;矩形密封圈的接触压力分布均匀,更适合静密封结构。

基于无源光通信的单灯检测与控制模块设计

针对目前国内机场助航灯光及其监测控制系统的发展趋势和现状,该文设计了一种基于无源光通信技术的助航灯单灯监控系统。在简要分析助航灯单灯监测控制系统总体设计基础上,重点介绍了单灯检测与控制模块的硬件与软件设计原理及其实现方法,利用无源光通信技术,实现对机场助航灯具的单灯状态检测、故障分析和亮灭控制等功能。通过对系统的测试分析验证,取得了较为理想的效果,为今后先进机场场面活动引导和控制系统的发展提供了新的方法和途径。

基于弱监督学习和隐藏语义分析的卷积神经网络重构

针对使用含较少神经元的较简单模型对特定目标进行识别和检测问题,提出了一种从卷积神经网络中寻找到对应的关键神经元,并重构神经网络,实现定制优化的方法。为了避免由个人经验引入的偏差,在模型预训练和隐藏语义学习中既不使用带有部件标注或属性标注的数据集,也不使用任何语义模型假设,仅使用对象级别的标注进行弱监督学习。进一步,通过挖掘神经元高强度激活状态与不同类别输入图像之间的关联分析与可视化分析,实现了中间层神经元的隐藏语义分析。在此基础上,通过关键神经元的组合以及对特征生成后继网络结构重组,实现了针对特定任务的模型定制优化。在VOC数据集上,对Inception V3模型检测飞机和鸟类分别进行了不同复杂程度的定制优化和性能分析对比实验。实验结果展示了通过筛选6～8个关键神经元可以在大幅降低运算复杂度的情况下,保持近似的目标识别和检测性能。

低空小飞行物视频检测与追踪关键技术

基于可见光图像信号对无人机等低空飞行物进行检测和追踪时,面临目标成像小、低空背景干扰多、目标速度变化快等技术难点。针对目标探测模型的性能与速度难以兼顾的问题,提出了能够保持模型性能并大幅降低运算复杂度的通用深度学习模型优化框架,实现单帧图像的目标快速检测。进一步针对目标追踪问题,利用连续检测数据,在基于探测和学习的追踪技术框架上,提出了单目标航迹追踪方法,在单帧检测结果的基础上进一步提升了准确性。测试结果显示该方法能在降低约30%计算时间的情况下仍保持运算性能,从而实现实时的高机动性目标追踪。