1 兰州交通大学光电技术与智能控制教育部重点实验室,甘肃 兰州 730070
2 轨道交通信息与控制国家级虚拟仿真实验教学中心,甘肃 兰州 730070
3 兰州交通大学电子与信息工程学院,甘肃 兰州 730070
针对增量运动恢复结构(SFM)算法在重建大规模无人机影像数据集时效率低、易产生场景漂移的问题,提出一种可并行化处理的增量SFM重建算法。首先,利用词汇树图像检索结果约束图像特征匹配的空间搜索范围,提高图像特征匹配的效率。其次,综合考虑特征匹配数量和无人机平台获取的全球定位系统(GPS)信息构建无向加权场景图,并选用归一化割算法将场景图划分为多个相互重叠的子集。然后,将每个子集分布在多核CPU上并行执行增量SFM重建算法。最后,基于子集间公共重建点和强相关子集优先被合并的策略实现子集合并。此外,结合GPS信息为光束法平差(BA)代价函数添加位置约束项,有效消除每次执行BA优化引入的误差。为了验证所提算法的有效性,在3个无人机数据集上进行实验,实验结果表明,所提算法相比原始增量SFM重建算法不仅显著提高了位姿估计和场景重建的效率,而且合理优化了重建结果的精度。
增量运动恢复结构 光束法平差 词汇树图像检索 归一化割 场景合并 激光与光电子学进展
2024, 61(8): 0811002
光学 精密工程
2023, 31(10): 1548
兰州交通大学电子与信息工程学院, 甘肃兰州 730070
针对红外与可见光图像融合中出现细节信息丢失及边缘模糊的问题, 提出一种在变换域中通过 VGGNet19网络的红外与可见光图像融合方法。首先, 为了使得源图像在分解过程中提取到精度更高的基础与细节信息, 将源图像利用具有保边平滑功能的多尺度引导滤波器进行分解, 分解为一个基础层与多个细节层;然后, 采用具有保留主要能量信息特点的拉普拉斯能量对基础层进行融合得到基础融合图;其次, 为了防止融合结果丢失一些细节边缘信息, 采用 VGGNet19网络对细节层进行特征提取, L1正则化、上采样以及最终的加权平均策略得到融合后的细节部分;最后, 通过两种融合图的相加即可得最终的融合结果。实验结果表明, 本文方法更好地提取了源图像中的边缘及细节信息, 在主观评价以及客观评价指标中均取得了更好的效果。
图像融合 引导滤波 拉普拉斯能量 红外与可见光 image fusion guided filter VGGNet19 VGGNet19 Laplacian energy infrared and visible image
兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
近年来, 高分遥感影像技术的快速发展为铁路沿线地物检测提供了一种重要技术手段。 基于回归的一阶段目标检测方法YOLOv4具有检测精度高、 速度快等优点, 但用于遥感影像检测时仍然存在部分细节特征信息丢失导致的小目标漏检, 以及进行大面积地物检测时效率低的问题。 为此, 提出改进YOLOv4网络模型对遥感影像铁路沿线地物进行检测。 首先, 设计由卷积、 批量归一化和Mish激活函数组成的CBM(convolution batch normalization mish)模块, 并采用DCBM(double CBM)模块作为密集连接网络(DenseNet)的传输层用于YOLOv4网络特征提取以实现地物特征传递和信息重用, 增强小目标地物的检测能力, 降低漏检率; 然后针对YOLOv4在大面积检测时效率不高和模型参数空间较大的缺陷, 将压缩激励SE(squeeze excitation)通道注意机制用于骨干网中跨阶段局部单元(cross stage partial, CSP)的每个残差单元之后, 减少SE注意模块的重复调用次数, 使其能够在提高网络性能的同时降低模型参数量从而提高检测效率; 最后, 针对长条形状的铁路目标提取困难问题, 在网络结果输出之前引入改进的通道空间注意力机制ICBAM(improved convolutional block attention module) 保留原始特征信息, 解决铁路目标特征提取能力差的问题, 提高铁路中大尺度目标的检测效率。 为验证所提方法的有效性, 选取2 048张分辨率为1 920×1 080的某段铁路沿线遥感影像地物样本数据, 将其中的铁路、 房屋、 楼宇建筑、 农田和水池作为检测目标进行实验, 并与当前流行的目标检测方法进行对比。 结果表明, 改进方法不仅增强了对小目标地物的检测能力, 提高了地物检测精度和速度, 而且提高了大尺度目标的检测效率。 与YOLOv4算法相比, mAP提高了2.11%, 准确率提高了2.93%, 召回率提高了3.79%, 模型大小减少了8.53%。 所提方法为当前应用高速铁路沿线遥感影像地物快速精准检测提供了有效方法。
地物检测 铁路沿线 遥感影像 注意力机制 Ground target detection Along with the railway Remote sensing image YOLOv4 Attention mechanism YOLOv4 光谱学与光谱分析
2022, 42(10): 3275
兰州交通大学电子与信息工程学院,甘肃 兰州 730070
为了较好地平滑边缘区域,避免边缘衔接处产生伪影,提出了一种基于双尺度分解与随机游走的多聚焦图像融合方法。首先,将源图像利用高斯滤波分解为大尺度与小尺度聚焦图,对分解得到的大尺度和小尺度聚焦图采用不同的引导滤波对其边缘进行平滑;然后,将大尺度与小尺度聚焦图作为随机游走算法的标记节点通过融合算法得到初始决策图,并再次使用引导滤波对决策图进行优化;最后,根据决策图对源图像进行重构,得到最终融合图像。实验结果表明,所提方法较好地获取了源图像中的聚焦信息,更好地保留了聚焦区域的边缘纹理及细节信息,在主观评价和客观评价指标方面均取得了更优的效果。
图像处理 多聚焦图像融合 高斯分解 随机游走 引导滤波 激光与光电子学进展
2022, 59(22): 2210011
兰州交通大学电子与信息工程学院,甘肃 兰州 730070
针对红外与可见光图像在融合过程中目标物体的边缘模糊导致细节丢失的问题,提出一种基于滚动引导滤波器(RGF)和卷积稀疏表示(CSR)的红外与可见光图像融合方法。首先,利用RGF和高斯滤波器对配准后的源图像进行多尺度分解;其次,针对基础层,通过构建对比显著图和权重矩阵进行融合;然后,针对细节层,利用交替方向乘子方法(ADMM)求解卷积稀疏系数,采用CSR融合规则完成特征响应系数融合;最后,经过重构得到融合结果图。实验结果表明,所提方法能够克服在目标物体的边缘处模糊导致细节信息丢失的问题,较好地保留源图像的对比度和边缘纹理信息,同时提高了多个客观评价指标。
图像融合 滚动引导滤波器 卷积稀疏表示 对比显著图 激光与光电子学进展
2022, 59(12): 1210001
1 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
2 兰州交通大学计算机科学与技术国家级实验教学示范中心, 甘肃 兰州 730070
3 甘肃省人工智能与图形图像处理工程研究中心, 甘肃 兰州 730070
基于面元的多视立体(PMVS)算法应用于遥感多视地形影像三维场景重建时,影像中的弱纹理、灰度值变化不明显区域使得重建出的三维地形点云存在整体分布密度低和局部孔洞现象。结合遥感地形影像的特点,提出了基于影像块的并发SIFT算子和地面高程范围约束的改进PMVS算法,首先在特征提取阶段得到分布密集、均匀的特征点,进而通过地面高程范围约束的匹配传播过程高效地得到种子面元,再通过迭代种子面元扩充、面元过滤过程得到地形影像的三维点云数据。实验结果表明,相比原PMVS算法,改进的PMVS算法可在幅宽大、存在弱纹理区域的多视遥感地形影像上重建出稠密点云,有效修复了地形点云场景中的孔洞,并提高了重建时间效率。
遥感 遥感地形影像 三维场景重建 点云孔洞 地面高程范围约束 激光与光电子学进展
2021, 58(22): 2228009
1 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
2 甘肃省人工智能与图形图像处理工程研究中心, 甘肃 兰州 730070
3 兰州交通大学计算机科学与技术国家级实验教学示范中心, 甘肃 兰州 730070
面对当前复杂场景下异常事件检测算法过度依赖帧级别标记,以及I3D模型耗时长、内存占用大等问题,设计了一种基于I3D的M-I3D模型并将其作为特征提取器,提出一种了基于深度时空特征和多示例学习的异常检测方法。所提方法将正常视频和异常视频作为包,并将视频片段作为多示例学习中的示例。利用M-I3D模型提取每个视频片段的特征,并将提取到的特征向量输入到三层全连接层中,进而自动学习一个深度异常排序模型,该模型可以预测异常视频片段的分数。此外,为了在训练过程中较好地定位异常,在排序损失函数中引入稀疏函数和约束性函数。结果表明,与其他方法相比,所提算法在UCF-Crime数据集上具有更高的准确率和更好的实时性。
异常事件检测 多示例学习 深度异常排序模型 卷积神经网络 特征提取 激光与光电子学进展
2021, 58(20): 2015006