共查询到20条相似文献，搜索用时 171 毫秒
1.
通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法（Acdve contour model，也称Snakes方法）被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强，并且精度不高。对常规Snakes方法进行了改进，其改进主要包括两个方面：1）针对人脸肤色的特点改造了Snake。能量函数的图像能量项，用以提高算法的精度；2）基于人脸五官形状特点，增加了一个新的能量项——形状限定能量项，以期获得更好的鲁棒性。最后，对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明，改进后的Snakes方法具有良好的收敛性，并能准确收敛到人脸特征处。 相似文献
2.
提出了一种在基于肤色的人脸检测中通过进行相似度计算来实现人眼特征提取和定位的算法.其目的是在较复杂的背景环境下对静态图片中的人脸进行检测,找出脸部区域并对该人脸进行眼睛定位.先进行肤色分割来完成人脸的区域检测,然后在检测出的人脸范围中利用人脸的几何特征进行快速的眼睛定位.在人脸区域检测过程中使用均值滤波提高人脸区域定位的准确度.实验结果证明,这种方法是准确的、可靠的和快速的. 相似文献
3.
特征提取是说话人识别系统中非常重要的一部分,是否能提取有效的特征决定了系统的识别效果。MFCC是目前主流的特征提取方法之一,能够在噪音环境下保持良好的鲁棒性。在MFCC的基础上提出一种改进的特征提取方法,该方法主要构造了一种MFCC与翻转梅尔频率倒谱系数(IMFCC)相结合的混合特征参数。实验结果表明,新特征参数在相同的环境下比传统的MFCC特征参数的识别率高。 相似文献
4.
研究高速公路勘察中使用无人机数码航空摄影系统测制地形图,通过实验分析出大比例尺地形图的最佳航测方法及能达到的精度。实验结果显示,在常规控制布点条件下,无人机航测作业使用单台普通数码相机所测图像比例尺在成像比例尺放大10倍范围内,平面精度完全可以满足要求,高程精度不达标,需进一步改进,采用五镜头倾斜航空摄影测量技术可以有效的提高高程精度,达到测量精度要求。 相似文献
5.
设计了一种基于网络图像流的人脸识别系统。通过采用基于Haar-like特征的Adaboost人脸检测技术和基于特征脸的人脸识别技术,实现了实时人脸检测与识别。创新性的结合使用了网络串流、C/S架构等技术将大量图像数据处理任务交予系统自动完成,从而解决了传统人脸识别系统由于受到硬件制约而造成的图像数据处理能力低效、适用平台受限等问题。实验表明,该系统能够在较快的检测速度和高识别率下,实时的对人脸进行识别,可以作为云视觉系统应用开发的基础。 相似文献
6.
通过对加速鲁棒性算法特征关键点提取和匹配的研究,提出一种改进的车头加速鲁棒性特征点提取方法,该方法在车头图像像素梯度变化较大的范围内提取关键点,然后采用最近邻比例算法进行特征点匹配。实验结果表明,提出的改进方法不仅能够筛选出鲁棒性较强的关键点,同时提高了特征的提取速度和匹配效率,在总时间上比尺度不变特征变换算法提高了3~6倍;比加速鲁棒性算法提高了近1/4。 相似文献
7.
SAR图像数据量的激增,迫切要求一种自动的内波检测技术来代替传统的人工解译.基于此,本文提出一种基于平稳小波变换(SWT)的SAR图像内波检测方法,利用SWT对SAR内波图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索方法进行内波边缘特征提取.最后通过南中国海东沙群岛观测的多幅SAR图像进行实验与分析,实验结果证明平稳小波变换对于SAR内波检测是有效的. 相似文献
8.
基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。 相似文献
9.
为避免密集人群踩踏事件发生,从监控图像中准确获取密集人群人数信息非常重要。针对密集人群计数难度大、人群目标小、场景尺度变化大等特点,本文提出一种新型神经网络结构VGG-ResNeXt。本网络使用VGG-16的前10层作粗粒度特征提取器,使用改进的残差神经网络作为细粒度特征提取器。利用改进的残差神经网络“多通道,共激活”的特点,使得单列式人群计数神经网络获得了多列式人群计数网络的优点（即从小目标、多尺度的密集人群图像中提取更多人群特征）,同时避免了多列式人群计数网络训练难度大、结构冗余等缺点。实验结果表明本模型在UCF-CC-50数据集、ShangHaiTech B数据集和UCF-QNRF数据集中取得了最高精度,MAE指标分别优于其他同期模型7.5%、18.8%和2.4%,证明了本模型的在计数精度方面的有效性。本研究成果可以有效帮助城市管理,有效缓解公安疏导压力,保障人民生命财产安全。 相似文献
10.
对目前已有的4种中国剩余定理的求解方法,即传统中国剩余定理算法、闭式解的中国剩余定理算法、高效中国剩余定理算法以及多频中国剩余定理算法,进行了较详细的理论分析与性能比较。将上述算法应用于无线传感与激励网络中对未知节点进行测距,设计了相应的测距算法,分析了各算法的性能特点,并通过仿真实验分析比较了各自在估计精度、计算复杂度以及鲁棒性等方面的差异,并讨论了各算法的适用场景。 相似文献
11.
光谱、形状特征结合的多精度图像分割算法与应用 总被引：3，自引：0，他引：3
由于高分辨率遥感图像的数据量和计算复杂性骤增,影像噪声、光谱混淆现象更为突出,这对传统主要依据于像元光谱特征的图像处理与分析方法提出了极大挑战。为此,特征更为丰富、在噪声处理和知识融合上,更具优势的面向对象的图像分析方法,逐步成为高分辨率遥感图像应用的研究热点。面向对象图像分析的第一步,以及关键一步是图像分割。本文设计了多精度图像分割算法:(1)采用降水分水岭变换进行初步分割获取图像次一级斑块,即分割亚基元;(2)设计一种可重复合并的快速图斑合并方法,进行亚基元的层次归并获得最后分割斑块,完成图像分割。在合并过程中,斑块之间的差异指标是其光谱合并代价、形状合并代价的加权和,合并结束的标志是斑块间两两合并代价超过尺度参数的平方。设置不同的尺度参数,则可实现多精度图像分割过程。实验证明,方法分割效果较好,并在算法效率上满足实际应用需求,可以开展后续图像分类、专题信息提取等工作。 相似文献
12.
水系分形维数的计算与分析,有助于深入理解其与地貌发育、流域径流和侵蚀产沙等过程之间的关系。从分形维数的计算原理,提出了一种在MATLAB环境下,能够同时计算水系计盒维数和信息维数的方法,改进了现有通过图像分析计算分形维数的不足。采用已知分形维数的规则分形集进行验证,结果表明:该方法单独对图像载体上的目标图形(关注区域)进行处理,不受其与整幅图像的比例的限制能够自动确定最佳的对目标图形进行网格分割覆盖的递减等分条件,计算精度高利用元胞数组实现了网格的自动分割,程序紧凑,可读性增强。最后以泾河、北洛河水系为例,说明了该方法的应用过程。本研究为水系分形维数的科学计算提供了新的思路。 相似文献
13.
在复杂地表环境下的多云多雨地区,基于合成孔径雷达（SAR）图像提取水体时容易受到其它地物如水田、山体阴影等干扰,传统的灰度阈值法和SVM法未能考虑水体与其它地物在纹理和地形上的差异,因此水体提取结果精度较差。研究首先用Refined Lee滤波对SAR图像进行预处理;其后通过DEM建模和坡度计算提取地形特征,通过计算图像灰度共生矩阵以提取纹理特征（包括均匀性、角二阶矩和熵）,并结合SAR图像极化信息以及SDWI指数形成针对水体提取的特征空间,通过融合地形特征和图像纹理特征发展了改进SVM 分类法的水体提取模型。在使用Sentinel-1 SAR数据对所发展模型与SDWI水体指数法、传统SVM法水体提取结果进行比对后发现,改进SVM分类法提取的水体结果较好地剔除了水田和山体阴影,且提取的水体水面比传统的SVM法更加完整;该方法在总体精度、Kappa系数、漏分率和错分率指标上均优于SDWI法和传统的SVM法,总体精度达到98.06%,比SDWI法和传统的SVM法分别提高了23.24%和5.49%,有效提高了复杂环境下地表水体的提取精度。研究最后将所发展模型应用于2018年马哈韦利河流域逐月水体提取与变化分析,有效解决了山体阴影和水田误分问题。本文提出的改进SVM法可以实现复杂地表环境下大范围水体信息准确、完整提取。 相似文献
14.
The electric inversion technique reconstructs the subsurface medium distribution from acquired data. On the basis of electric inversion, objects buried under the earth or seabed, such as pipelines and unexploded ordnance, are detected and located in a contactless manner. However, the process of accurately reconstructing the shape of the target object is challenging because electric inversion is a nonlinear and ill-posed problem. In this work, we present an inverse multiquadric (IMQ) regularization method based on the level set function for reconstructing buried pipelines. In the case of locating underwater objects, the unknown inversion area is split into two parts, the background and the pipeline with known conductivity. The geometry of the pipeline is represented based on the level set function for achieving a noiseless inversion image. To obtain a binary image, the IMQ is used as the regularization term, which 'pushes' the level set function away from 0. We also provide an appropriate method to select the bandwidth and regularization pa-rameters for the IMQ regularization term, resulting in reconstructed images with sharp edges. The simulation results and analysis show that the proposed method performs better than classical inversion methods. 相似文献
15.
城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。 相似文献
16.
由于总体精度或Kappa系数的遥感影像分割/分类评价指标,对影像分割图斑的几何形状等真实结构未能有效刻画,不能有效体现面向对象处理中边缘像元的真实分割/分类效果。本文基于分割对象的几何结构,提出了5个面向对象的高分辨率遥感影像分割/分类精度评价指标:过分割、欠分割、边缘匹配、分割块数,以及形状误差,并在IDL平台实现了一个面向对象影像分析与评价的原型系统。通过对福州市QuickBird影像的Meanshift分割评价,证实了其指标能够刻画出分割对象的深层结构,并符合地物对象分割/分类的真实分布。实验还表明,该评价指标在确定分割算法的参数方面具有重要的应用价值。 相似文献
17.
遥感影像中云及云影不同程度地影响着地物信息的有效获取。随着多源遥感数据的日益丰富,交叉应用多源、多时相遥感影像复原云及云影区的影像,以有效地获取地类演变过程是遥感大数据应用研究的重要内容。高精度的云及云影检测是遥感影像云及云影区修复的前提和保障。复杂多变的光谱特征以及难以有效表达的空间形态特征,使云及云影一直存在检测过程复杂、适用性差和精度不高的问题,难以形成稳定有效的检测方法。在对厚云、薄云、冰雪及其他地类多光谱特性分析的基础上,本文提出了一种云及云影的多特征协同检测方法。首先,对冰雪、云及其他地物类型可分性较好的红、短波红外、热红外波段,利用SAM方法匹配云光谱特征曲线,并进一步结合短波红外波段像元绝对值区分云与冰雪,以及热红外波段像元绝对值区分云及其他地物类型;其次,通过组合云影定向移动模型与近红外波段亮度阈值检测出云影像元。对具备这些光谱波段的Landsat-8进行实验,结果表明多光谱曲线、“诊断性”波段及空间关系多特征耦合能有效地检测出影像中的薄云、厚云及云影,整体精度优于95%。 相似文献
18.
地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。 相似文献
19.
基于改进广义Hough变换的高效测井图像校正 总被引：1，自引：0，他引：1
在图像处理和计算机视觉中,广义Hough变换可以检测任意形状的曲线,而且较Hough变换运算量小,存储空间要求小。但是对于测井曲线这种大图像用广义Hough变换寻找倾斜角在速度上仍显迟钝。提出了一种改进的广义Hough变换,只选边界线段的端点作为参考点,可以较快地检测出倾斜角,速度比广义Hough提高了10倍以上。在图像校正方面,又提出了一种新的改进逆旋转算法,能有效地解决孔洞和锯齿现象。与已有的算法比较,新算法更快、更精确、消耗的内存更小。运算时间只有传统算法的一半左右。 相似文献
20.
现有的面实体多指标几何匹配方法在计算综合相似度和确定最终匹配实体时面临着指标权重和阈值难以科学量化的难题,集成学习算法通过构建并结合多个机器学习器来完成学习任务,在解决分类问题时体现出了较为明显的性能优势。为此,本文提出了一种基于集成学习算法CatBoost的面实体匹配方法,将匹配问题转化为分类问题。选取形状、面积、方向和位置4个几何特征作为模型分类特征;利用过采样与欠采样相结合的混合重采样技术减轻原始训练样本的类别不平衡度;借助贝叶斯优化算法确定CatBoost模型的最优超参数;引入可解释人工智能领域的SHAP解释框架从全局和局部两个角度解释各输入特征对匹配结果的影响。在青藏高原的面状湖泊数据上对本文提出的方法进行了验证,实验结果表明：对模型预测影响最大的特征是位置,然后依次是面积、形状,影响最小的特征是方向。CatBoost匹配方法在实验数据集上的查准率、查全率和F1-score分别达到0.9937、0.9753和0.9844,相比于直接使用样本不均衡的原始样本进行模型训练,分别提高了约5.8%、0.6%和3.3%。与传统的面实体多指标双向匹配方法和逻辑回归、K近邻、决策树、神经网络等常规机器学习分类算法相比,集成学习算法CatBoost性能表现更加优异,在避免指标权重和阈值设置难题的同时取得了较好的匹配结果。 相似文献