考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest,ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度...考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest,ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。展开更多
"视觉词袋"(Bag of Visual Words,BOV)算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足,综合利用SAR图像的灰度和纹理特征,提出基于感兴趣目标(Target of Interest,TOI)的"视觉词袋"..."视觉词袋"(Bag of Visual Words,BOV)算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足,综合利用SAR图像的灰度和纹理特征,提出基于感兴趣目标(Target of Interest,TOI)的"视觉词袋"算法。首先,对训练图像进行TOI选取,用灰度共生矩阵模型提取TOI的纹理特征,再结合灰度特征,组成多维特征向量集,以簇内相似度最高、数据分布密度最大为准则,生成"视觉词袋"。其次,对测试图像,依据已生成的"视觉词袋",采用支持向量机(Support Vector Machine,SVM)分类器,实现SAR图像感兴趣目标的有效分类。实验结果表明,与传统的"视觉词袋"构建算法相比,该算法在分类正确率提高的同时,能够在训练图像较少的情况下达到良好的分类效果。展开更多
文摘考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest,ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。
文摘为了提高复杂交通环境下多目标数据关联的实时性与可靠性,本文中基于半抑制式模糊聚类(half suppressed fuzzy cmeans clustering,HSFCM)发展了一种快速多目标车辆跟踪算法。首先对多目标车辆跟踪问题进行了数学描述,并建立了相机像素坐标系与世界坐标系的空间映射关系;其次基于模糊理论将点迹-航迹关联问题转换成量测模糊聚类问题,通过求解各候选量测与聚类中心的模糊隶属度,间接计算出联合概率数据关联(joint probability data association,JPDA)算法中不确定性量测与各目标的关联概率,再利用概率加权融合对多目标状态进行滤波估计;再次在车辆密集工况下通过合理调整卡尔曼增益对量测更新进行抑制,以克服车辆跟踪中目标短暂跟丢问题。实车试验与仿真结果验证了该跟踪算法的可行性与有效性。
文摘"视觉词袋"(Bag of Visual Words,BOV)算法是一种有效的基于语义特征表达的物体识别算法。针对传统BOV模型存在的不足,综合利用SAR图像的灰度和纹理特征,提出基于感兴趣目标(Target of Interest,TOI)的"视觉词袋"算法。首先,对训练图像进行TOI选取,用灰度共生矩阵模型提取TOI的纹理特征,再结合灰度特征,组成多维特征向量集,以簇内相似度最高、数据分布密度最大为准则,生成"视觉词袋"。其次,对测试图像,依据已生成的"视觉词袋",采用支持向量机(Support Vector Machine,SVM)分类器,实现SAR图像感兴趣目标的有效分类。实验结果表明,与传统的"视觉词袋"构建算法相比,该算法在分类正确率提高的同时,能够在训练图像较少的情况下达到良好的分类效果。
