在SAR图像机动目标自动识别过程中,因目标预筛选阶段采用次优的异常检测策略而产生大量虚假的感兴趣区域(Region of Interest,ROI),这些虚假ROIs很大程度上降低了目标识别的效率。该文提出一种基于多特征联合的序贯鉴别算法来去除虚假R...在SAR图像机动目标自动识别过程中,因目标预筛选阶段采用次优的异常检测策略而产生大量虚假的感兴趣区域(Region of Interest,ROI),这些虚假ROIs很大程度上降低了目标识别的效率。该文提出一种基于多特征联合的序贯鉴别算法来去除虚假ROIs。该算法首先对ROI切片的目标特征做冗余性、鲁棒性和可分离性的定量分析,以选取互补性强、稳定好的最优特征,并按所选特征鉴别性能的优略进行排序,来构建序贯鉴别的观测矢量,然后利用各鉴别特征的统计模型和设定的虚警概率来计算各特征对应判决阈值,最后联合优选的多个特征进行序贯判决。文中利用X波段的MSTAR数据验证了本文的算法,并与二项式距离鉴别算法做性能比较。展开更多
针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分...针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。展开更多
针对飞行器导航中传统景象匹配技术计算量大、实时性差,且在惯性导航系统(Inertial Navigation System,INS)误差较大时易失效的问题,提出一种基于动态感兴趣区域(Region of Interest,ROI)和视场几何投影的目标定位方法。该方法采用两阶...针对飞行器导航中传统景象匹配技术计算量大、实时性差,且在惯性导航系统(Inertial Navigation System,INS)误差较大时易失效的问题,提出一种基于动态感兴趣区域(Region of Interest,ROI)和视场几何投影的目标定位方法。该方法采用两阶段流程,先利用组合导航数据和相机几何模型将实时图特征点投影至基准图,并依据INS误差动态外扩生成可靠ROI;再在ROI内利用单应性矩阵进行逆向透视变换和亚像素匹配解算精确相机位姿,实现目标定位。实验结果表明,所提方法通过精准限定搜索范围,显著降低了匹配耗时,在INS位置误差为150 m时成功率仍高于97.4%,有效提升了系统的实时性和可靠性。所提方法通过动态ROI驱动匹配,兼顾了计算效率和抗干扰能力,为复杂环境下的高精度定位提供了实用方案。展开更多
为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求...为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求下进行车道线的定位、标注,无需反复更新源码,达到车道线自动“挖掘”的效果;其次以灰度直方图双峰值确定左右车道线的初始位置,利用自适应滑动窗口进行车道线的搜寻,依据统计所属车道线像素点的窗口覆盖率来更新、优化窗口参数。实验仿真证明,该算法不仅简化了程序,提高了车道线检测与识别的稳定性和准确性。展开更多
文摘在SAR图像机动目标自动识别过程中,因目标预筛选阶段采用次优的异常检测策略而产生大量虚假的感兴趣区域(Region of Interest,ROI),这些虚假ROIs很大程度上降低了目标识别的效率。该文提出一种基于多特征联合的序贯鉴别算法来去除虚假ROIs。该算法首先对ROI切片的目标特征做冗余性、鲁棒性和可分离性的定量分析,以选取互补性强、稳定好的最优特征,并按所选特征鉴别性能的优略进行排序,来构建序贯鉴别的观测矢量,然后利用各鉴别特征的统计模型和设定的虚警概率来计算各特征对应判决阈值,最后联合优选的多个特征进行序贯判决。文中利用X波段的MSTAR数据验证了本文的算法,并与二项式距离鉴别算法做性能比较。
文摘针对现有跨垄式采茶机导航中心线提取效率低的问题,该研究提出一种基于机器视觉跟踪生长ROI茶垄间导航线提取算法。首先采用固定ROI(region of interest)方法,选取图像左下方区域为第一块ROI,在ROI内进行超绿指数灰度化,最大类方差法分割茶垄道路与背景,通过形态学操作对图像进行增强与降噪,使用最大连通域检测操作提取ROI内的坐标信息与特征点,根据ROI提取的坐标信息动态生成ROI,直到整个图像中所有茶垄道路信息提取完成,最后采用最小二乘法获取跨垄式采茶机底盘在垄间行驶的导航线。该方法经过连续帧测试,处理一帧1920×1080像素图像的平均时间为18 ms,该研究算法与人工提取导航线的航向角平均误差为0.405°,标准差为0.463°,可在一定杂草、落叶干扰的情况下完成导航角提取。
文摘为实现自动驾驶汽车能精准定位、检测且识别出车道线,提出一种基于自适应外接形参ROI(Region of Interest)的车道线搜寻检测算法。首先利用python GUI编程库Tkinter模块创建GUI界面,提供ROI形状选择及参数输入的外接窗口,适应不同需求下进行车道线的定位、标注,无需反复更新源码,达到车道线自动“挖掘”的效果;其次以灰度直方图双峰值确定左右车道线的初始位置,利用自适应滑动窗口进行车道线的搜寻,依据统计所属车道线像素点的窗口覆盖率来更新、优化窗口参数。实验仿真证明,该算法不仅简化了程序,提高了车道线检测与识别的稳定性和准确性。
