国家自然科学基金(61171119)
- 作品数：15 被引量：170H指数：9
- 相关作者：刘芳周慧娟马玉磊季向阳戴琼海更多>>
- 相关机构：北京工业大学清华大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术电子电信一般工业技术更多>>
- 基于小波变换和深度网络的着陆地貌图像分类
- 2021年
- 针对无人机着陆地貌图像场景复杂、纹理特征丰富等问题,提出一种基于小波变换和深度网络的无人机着陆地貌图像分类算法.利用非下采样小波变换(Non-Subsampled Wavelet Transform,NSWT)的快速压缩能力,将小波变换后的前两层子图系数引入到卷积神经网络(CNN)中,压缩数据量.根据无人机着陆地貌图像的特点,采用轻量化卷积模块设计了15层卷积神经网络.通过支持向量机(SVM)实现复杂地貌场景的正确分类.实验结果表明:所提算法具有良好的特征表达能力,提升了着陆地貌图像的分类准确率.
- 刘芳韩笑
- 关键词：图像分类
- 基于自适应融合网络的无人机目标跟踪算法被引量：2
- 2022年
- 针对无人机视频跟踪过程中,目标占比较小且易受复杂背景信息干扰等问题,提出一种基于自适应融合网络的无人机目标跟踪算法。首先,基于感受野模块和残差网络构建深度网络模型,能够有效提取目标特征并增强特征的有效感受野;其次,提出一种多尺度自适应融合网络,能够自适应地融合深层网络的语义特征和浅层网络的细节特征,增强特征的表达能力;最后,将融合的目标特征输入到相关滤波模型中,计算出响应图的最大置信分数,从而确定跟踪目标位置。仿真实验结果表明,该算法在跟踪成功率和精确率上都达到了较高水平,有效提升了无人机目标跟踪算法性能。
- 刘芳孙亚楠
- 关键词：机器视觉无人机目标跟踪相关滤波
- 基于自适应Siamese网络的无人机目标跟踪算法被引量：18
- 2020年
- 无人机已被广泛应用到军事和民用领域,目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题,提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先,利用2个卷积网络构建一个5层Siamese网络,通过对模板特征与当前帧图像特征进行卷积得到目标位置;其次,利用高斯混合模型对以往的预测结果进行建模并建立目标模板库;然后,从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板,使Siamese网络能够自适应目标的外观变化;最后,引入回归模型进一步精确目标位置,降低背景对网络性能的影响。仿真实验结果表明:该算法有效降低了形变、遮挡等情况对跟踪性能的影响,具有较高的准确率。
- 刘芳杨安喆吴志威
- 关键词：无人机目标跟踪自适应更新
- 基于自适应小波阈值和双边滤波器的去噪算法被引量：13
- 2014年
- 针对以往小波阈值去噪算法在去噪过程中出现的去噪不彻底、噪声误判和图像边缘模糊的问题,提出了一种新的基于自适应小波阈值和双边滤波器的图像去噪算法。该算法中的小波阈值随着分解尺度和子带的变化而变化,这样不同分解尺度和不同子带采用不同的阈值进行去噪,克服了统一阈值的不足,增强了算法的自适应性;在软阈值函数去噪之后,利用双边滤波器达到保护图像边缘的目的。仿真实验表明,该算法能够有效地去除图像噪声,改善图像的视觉质量,并且能够较好地保留图像的边缘和细节信息。
- 刘芳邓志仁
- 关键词：小波阈值去噪自适应双边滤波器
- 基于多尺度特征融合的自适应无人机目标检测被引量：32
- 2020年
- 针对无人机(UAV)航拍图像中目标占比较小、拍摄角度和高度多变等问题,提出了一种基于多尺度特征融合的自适应无人机目标检测算法。利用深度可分离卷积结合残差学习的优点,建立了轻量化特征提取网络。构建多尺度自适应候选区域生成网络,将空间尺寸一致的特征图按照通道维度进行加权融合操作,增强了特征对目标的表达能力,并利用语义特征指导网络在多尺度特征图上自适应生成与真实目标更加匹配的目标候选框。仿真实验表明,该算法有效提升了无人机航拍目标检测精度,具有较好的鲁棒性。
- 刘芳吴志威杨安喆韩笑
- 关键词：机器视觉无人机目标检测深度网络
- 基于稀疏自动编码器和支持向量机的图像分类被引量：5
- 2018年
- 针对单层稀疏自动编码器在特征学习时容易丢失深层抽象特征,特征缺乏鲁棒性的缺点,提出一种新的基于稀疏自动编码器和支持向量机的图像分类方法。构建深度稀疏自动编码器对图像逐层学习并自动提取每层特征,根据特征集权值重组法得到每层特征权值和重组特征集。将遗传算法强大的全局搜索能力和支持向量机分类优势结合,高效、准确的完成图像分类。实验结果表明,该算法能自动地学习图像深层特征,重组特征集具有较高的特征识别力,有效地提高了图像分类准确率。
- 刘芳路丽霞王洪娟王鑫
- 关键词：遗传算法支持向量机图像分类
- 基于残差学习的自适应无人机目标跟踪算法被引量：10
- 2020年
- 无人机已被广泛应用于军事和民用领域,目标跟踪技术是无人机应用的关键技术之一。针对无人机视频跟踪过程中目标易发生尺度变化、遮挡等问题,提出一种基于残差学习的自适应无人机目标跟踪算法。首先,结合残差学习和空洞卷积的优点构建深度网络提取目标特征,同时克服网络退化问题;其次,将提取的目标特征信息输入核相关滤波算法,构建定位滤波器确定目标的中心位置;最后,根据目标外观特性的不同进行自适应分块,并计算出目标尺度的伸缩系数。仿真实验结果表明:所提算法能够有效应对尺度变化、遮挡等情况对跟踪性能的影响,在跟踪成功率和精确度上均高于其他对比算法。
- 刘芳孙亚楠王洪娟韩笑
- 关键词：无人机目标跟踪相关滤波自适应尺度
- 基于离散余弦变换和深度网络的地貌图像分类被引量：12
- 2018年
- 在未知环境中,无人机(UAV)着陆地貌的自动识别和分类有着极其重要的研究意义,传统的自然场景分类利用的是中层和底层特征信息,但是无人机着陆地貌图像场景复杂、信息丰富,需要较准确的高层语义特征表达。提出了一种基于离散余弦变换(DCT)和深度网络的地貌图像分类方法。首先将离散余弦变换能量集中的优势引入到卷积神经网络(CNN)的高效特征表达中,以降低维度和计算复杂度;然后根据地貌图像特点构建了14层的特征学习网络,并改进了卷积神经网络结构;最后将得到的深层特征输入到支持向量机(SVM)中,快速准确地完成图像分类。实验结果表明,该算法降低了数据冗余,使训练时间大幅度减少,可以自动地学习高层语义特征;所提算法提取的特征具有较好的特征表达,有效地提高了图像分类准确率。
- 刘芳路丽霞黄光伟王洪娟王鑫
- 关键词：光计算离散余弦变换图像分类
- 基于稀疏编码和卷积神经网络的地貌图像分类被引量：5
- 2019年
- 提出了一种基于稀疏编码和卷积神经网络的地貌场景图像分类算法;利用非下采样Contourlet变换对训练样本进行多尺度分解;在训练样本中选择图像,利用稀疏编码学习局部特征,对特征向量进行排序;选择灰度平均梯度较大的特征向量对卷积神经网络卷积核进行初始化。结果表明:所提算法可以获得比传统底层视觉特征更好的分类结果,有效避免了网络训练陷入局部最优的问题,提高了自然场景下无人机着陆地貌的分类准确率。
- 刘芳王鑫路丽霞黄光伟王洪娟
- 关键词：图像处理图像分类卷积神经网络计算机视觉
- 计算摄像学：核心、方法与应用被引量：6
- 2015年
- 针对现有计算机视觉、图形学、信号处理、数字图像处理、应用光学等领域无法通过现有成像模型与装置及计算方法获取足够目标场景信息的难题,计算摄像学研究提出新的成像机制与对应的计算重构方法,在光信号观测领域另辟蹊径,创新性地将视觉信息处理与计算前移至成像过程,从而极大地提高了信息优化计算的自由度,能够在维度、尺度与分辨率上实现质的突破,从而观测到传统成像系统"看不清"与"看不见"的场景信息.本文沿着计算摄像学思路、方法与目标三条主线,对国内外研究现状进行分析与综述,期望能够帮助读者更快地了解及进入相关研究.
- 索津莉刘烨斌季向阳戴琼海
- 关键词：全光函数
