【摘 要】
：
针对异源高分遥感影像变化检测中面临突出"伪变化"突出问题,提出了一种基于改进双边滤波和小目标抑制的变化检测方法。在传统基于全局像素的滤波策略的基础上,设计了一种分割对象边界约束条件下的改进双边滤波器,以提高对象内部像素间的空间结构一致性;此外,为进一步弱化局部异常值所导致的"伪变化",提出了一种基于高阶神经元on-off通道的小目标抑制策略;最后,采用大津法对差分信息进行分类,从而获得最终变化检测
论文部分内容阅读
针对异源高分遥感影像变化检测中面临突出"伪变化"突出问题,提出了一种基于改进双边滤波和小目标抑制的变化检测方法。在传统基于全局像素的滤波策略的基础上,设计了一种分割对象边界约束条件下的改进双边滤波器,以提高对象内部像素间的空间结构一致性;此外,为进一步弱化局部异常值所导致的"伪变化",提出了一种基于高阶神经元on-off通道的小目标抑制策略;最后,采用大津法对差分信息进行分类,从而获得最终变化检测结果。通过对多组异源高分遥感影像的实验结果表明,所提出方法能够有效减小"伪变化"所造成的检测误差,总体精
其他文献
目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别，但前者价格昂贵，后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案，提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物，通过对相机高度和旋转平面加以约束，解决单目SLAM中的尺度不一致问题，并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理，计算出视觉代价地图，划分可通行区域。该方法优势
基于TCP/IP信息网络平台的首钢股份煤气安全实时监测与应急响应系统的建设及应用,实现了北京首钢股份有限公司(以下简称首钢股份)煤气安全数据的实时监测、报警联动、应急响应等,但在煤气防护管理和现场作业过程中仍然存在实时数据现场应用脱节、电子地图不直观、煤气泄漏报警后联系确认技术手段效率低等问题。利用地理信息系统(geographic information system, GIS)、工业物联网、移
为了明确磷肥减量施用对石灰性土壤磷组分及其与作物磷积累量关系的影响,设置3个施磷量,按纯磷计分别为150 kg·hm~(-2)(P150)、37.5 kg·hm~(-2)(P37)和0 kg·hm~(-2)(P0),经过连续2年4季冬小麦-夏玉米轮作,采用Hedley土壤磷组分分组法,研究土壤磷组分含量的变化及其存储贡献率、输出贡献率,并采用回归分析、通径分析和结构方程模型探讨土壤关键磷组分及其与
为了提高Tiny YOLOv3目标检测算法在行人检测任务中的准确率,对该算法进行了研究改进。首先对Tiny YOLOv3的特征提取网络进行深化,增强网络特征提取能力;然后在预测网络的两个检测尺度分别加入通道域注意力机制,对特征图的不同通道赋予不同的权重,引导网络更多关注行人的可视区域;最后,改进激活函数和损失函数并采用K-means聚类算法重新选择初始候选框。实验结果表明,改进后Tiny YOLO
网格运动统计(GMS)匹配算法中网格化图像加速了算法的实现,然而网格边缘的特征点没有进行有效地处理,导致匹配对中存在着错误匹配对,为此提出了一种融入自适应边距的网格运动统计的图像误匹配剔除算法。首先采用了自适应算法计算出最佳网格边缘距离,将网格边缘的特征点归属到相邻的其他网格,使得这些特征点可以有效发挥对正确匹配点的支持作用,提高了正确匹配点的得分;最后通过表征运动平滑约束的统计特性剔除初始匹配中
生成对抗网络(Gan)被应用于电力巡检缺陷样本生成工作以解决缺陷样本不足问题。目前基于Gan的绝缘子缺陷样本生成技术存在如下不足:依赖大量缺陷样本训练且生成量不足;生成质量较差,尺寸较小,难以供目标检测神经网络训练使用。针对上述问题,提出一种基于Starganv2的风格迁移目标加权循环一致(Tw_Cycle)Gan网络,其可借助非缺陷样本训练,并依据非缺陷样本实现一对多缺陷样本生成。为保证缺陷语义
现有印刷电路板(PCB)缺陷检测方法,多采用参考法进行检测,对图片配准要求高,不仅耗时且定位误差大。YOLOv4速度快,精度高,但应用在PCB检测上存在着漏检的情况,对小目标检测效果不佳,现提出了一种基于改进YOLOv4算法的PCB缺陷检测方法。首先,以CSPDarknet53为主干网络,采用单特征层结构,避免了数据不均衡带来的先验框分配问题。然后,将网络中的5次卷积改进为CSP结构的残差单元,进
针对传统SSD算法在不同尺度的特征缺少相互之间的特征信息的交流,不利于目标的定位和识别,使得传统SSD算法的检测结果往往无法达到实际要求精度,并且检测速度也无法满足实际需求的问题,因此对其进行改进,引入轻量化网络MobileNet-v2和特征融合模块,使得该算法(ENMobileSSDnet)在应对巡检环境下数字式仪表示数的识别问题检测效果相比于传统SSD算法性能有了显著性提高,检测精度(mAP)
人脸表情能够正确地反映人的内心活动,但由于表情的复杂性和微妙性,准确地识别人脸表情仍然是一大难题。本文设计了一种基于卷积神经网络(CNN)和长短期记忆神经网络(LSTM)的方法让计算机能够识别人脸的表情,损失函数采用Focal loss。该框架包括3个方面:采用两种不同的预处理技术处理光照变化,并保留图像的边缘信息;预处理后的图像被输入到两个独立的CNN层用于提取特征;将提取到的特征与LSTM层融
为实现微旋钮的智能调控,获取旋钮准确位姿为关键任务。基于此,提出了一种融合边缘检测与深度网络的旋钮位姿测量方法。首先,针对图像倾斜产生测量误差的问题,提出改进的Canny算法提取准确边缘,并结合透视变换对其矫正;其次,利用改进的YOLO-V4算法实现旋钮的精确分割;最后应用改进的Canny算法与双三次样条插值提取高精度旋钮凹槽亚像素轮廓,通过PCA算法拟合轮廓矩形并测量位姿。实验结果表明,所提改进