基于暗通道的自适应图像去雾算法

针对暗通道先验去雾不适用于含有大量天空区域的雾化图像的缺陷,提出一种自适应图像去雾算法。基于大气散射模型,利用暗通道图像,分割天空与非天空区域,在天空区域使用颜色衰减先验,非天空区域则使用暗通道先验求解透射率,并改进暗通道先验中全局大气光值的求解,最后使用加权导向滤波去噪。实验结果表明,所提算法在主观和客观评价中均优于所列的其它算法,去雾后的图像避免了天空区域的过饱和现象,减弱了光晕效应,非天空区域更自然,视觉效果更好。针对雾化图像的去雾处理,通过理论推导和实验仿真对比,说明所提算法改进的可行性,并具有一定的优越性,能较好地处理含有天空区域的雾化图像。

一种新的sin-BOC(kn,n)信号边峰消除方法

现代化全球卫星导航系统(Global navigation satellite system,GNSS)引入二进制偏移载波(Binary offset carrier,BOC)调制信号作为新型调制技术。在实际应用中,BOC信号的自相关函数具有的多峰性特征所引发的模糊度问题亟需解决。在此背景下,提出一种新的sin-BOC(kn,n)边峰消除方法。理论分析结果表明,所提方法能够有效完整保留sin-BOC(kn,n)信号的窄峰特性,同时消除边峰,解决捕获跟踪过程中的模糊度影响。性能分析实验结果表明,上述方法在边锋消除有效性、鉴相曲线、检测概率和峰均比等方面较BPSK-like、SCPC和ASPeCT方法有一定程度的提升。

基于深度学习的监控建筑变化影像识别

传统方法对长焦距摄像头影像进行变化区域提取时,由于光照、摄像头抖动等影响,导致像素点不能精确配准,变化检测不能准确识别建筑物变化的问题,本文提出基于深度学习的监控建筑影像变化检测算法。首先利用图像相似性进行筛选,粗略提取变化区域图像;再利用Faster R-CNN网络对变化区域图像进行建筑物识别与提取。通过桂林西站图像采集试验,结果表明本文方法相比差值法提取变化区域进行变化检测,虚检率降低0.126,漏检率降低0.518,正确率提高0.124,完整率提高0.519,质量提高0.12,在城乡结合部由于建筑物与背景区别更大,具有更好的检测结果和泛化能力。