尺度变化

摘要： 针对相关滤波跟踪算法中不能适应目标多尺度变化的问题,提出了一种融合位置估计和尺度估计的自适应尺度相关滤波器.通过提取当前图像中不同尺度大小的目标模板,作为先验信息加到滤波器中学习,训练滤波器.对多尺度模板训练赋予新的权重定义,重新定义了多尺度模板对应的标签.提高了滤波器对目标尺度变化的敏感度.通过在CVPR 2015数据集验证,该方法的精准率为0.803、成功率为0.705.特别是在多尺度环境影响下,该算法结果优于其他算法,达到了预期跟踪效果.

摘要： 传统的船舶视觉跟踪任务主要集中于单目标船舶跟踪,对多目标船舶跟踪研究相对较少.为解决该问题,提出一种多维特征融合机制和尺度变化估计的多目标船舶跟踪框架,该框架引入位置滤波器对输入的船舶训练样本进行学习,并将其应用于待跟踪的船舶图片序列,通过寻找最大响应的方法判定图像中的船舶位置.在此基础上,构建船舶尺度估计滤波器以确定待跟踪船舶的图像尺寸.通过和中值流跟踪算法和多示例学习跟踪算法对比分析,实验结果表明不同海事交通场景下的船舶跟踪误差均小于10像素,验证了算法的有效性和可靠性.

摘要： 针对常见的视频目标跟踪算法难以适应形变以及遮挡等一些干扰场景,该文提出了一种基于多层深度特征的尺度相关粒子滤波跟踪方法.与现有的基于相关滤波器和粒子滤波器的跟踪方法相比,该算法具有许多优点.首先,利用区分尺度空间的跟踪器,考虑了目标对象的尺度变化,在对目标尺度估计方面表现良好.其次,通过卷积神经网络提取目标特征,能够处理目标较大变化和防止跟踪器漂移.最后,通过尺度相关滤波器将采样的粒子引导至目标状态分布模式,与传统的粒子滤波算法相比,该算法能够用较少的粒子有效地覆盖目标状态,具有鲁棒跟踪性能和较低的计算成本.通过在具有挑战性的基准数据集上的大量实验表明,该跟踪算法与现有的一些跟踪算法相比具有良好的性能.

摘要： 针对人群计数方法中存在的尺度变化和多层级特征融合不佳的问题,基于U-Net的编码器-解码器网络结构,提出一种自适应特征融合网络,来进行精准的人群计数.提出自适应特征融合模块,根据解码器分支的需要,高效地聚合编码器分支提取的高层语义信息和底层的边缘信息;提出自适应上下文信息提取器,从不同感受野下提取多尺度的上下文信息并自适应加权融合,提高网络对于人头尺度变化的鲁棒性.在ShanghaiTech、UCF-CC-50和UCG-QNRF上的实验表明,与目前主流的人群计数算法相比,该算法具有更强的准确性和鲁棒性.

摘要： 为解决现有目标检测算法中尺度变化带来的检测问题,为此设计了基于多尺度感受野特征块,即一种并行的多分支卷积块,共享参数但有着不同的卷积扩张率,并将其特征块集成到SSD框架中,从而增强网络的感受野以提高检测精度,之后再添加通道注意力模块,融合多个尺度相同的特征,由此得到最终的特征进入检测层检测.在COCO和Pascal VOC 2007数据集上测试表明,该方法在满足一定检测精度的同时可以达到实时的检测效果.

摘要： 传统的时空上下文目标跟踪(STC)算法在目标尺度发生变化时,目标矩形框的大小在经过多帧之后才有微小的变化,对局部上下文信息不能进行有效的学习,导致跟踪发生漂移.为此,本文提出了一种基于尺度滤波器的时空上下文目标跟踪(STC-SF)算法,首先在第一帧图像中建立时空上下文模型和尺度滤波器模型;然后后续帧图像集,通过时空上下文模型和尺度滤波器模型分别求取得最大响应以得到当前帧图像的中心目标位置和尺度信息;最后利用当前帧图像来更新时空上下文模型和尺度滤波器模型.在OTB50视频库上进行试验,结果表明STC-SF中目标矩形框能够随目标尺度变化而相应变化,同时具有一定的抗遮挡能力,跟踪效果更准确.

摘要： 随着公安立体化防控体系建设的逐步深入,视频监控系统以其数据量大、实时等特点已经成为社会治安综合治理防控体系中的重要组成部分.在视频大数据技术成熟应用发展的背景下,图侦工作相关的涉案人、车的特征信息较之以前单纯利用原始视频图片更能满足快速检索、高效研判的需要.其中人脸深度研判全新的图侦业务系统需具备人脸图片结构化管理与结构化信息检索应用能力,要做人脸图片的深度应用,首先要解决的就是人脸图片的采集工作,人脸采集的全面准确与否直接影响后续的人脸应用.在人脸采集过程中,一方面需要最大限度地覆盖需要的场景,另一方面需要从根本上提升人脸检测算法,提升在高分辨率图像及高密度人群下的适应性.通过人脸检测算法的研究,把控人脸采集数据源,以适应摄像机分辨率不断提升导致的图像尺寸变化及适应诸如三场一站等高密度人群、遮挡人群的人像采集,为人脸布控、人脸比对、人脸检索以及基于人脸的分析研判提供高可用的人脸图片数据.

摘要： 实用的跟踪系统应该具备尺度自适应机制.针对传统跟踪方法难以准确适应目标尺度变化这一问题,提出一种基于角点匹配的目标跟踪方法,该方法采用Mean Shift算法进行目标空间定位,通过相邻帧间目标匹配角点的标准差来确定目标的尺度.实验证明,该方法不仅可以准确定位目标的空间位置,还能较好的自适应目标尺度变化,与传统方法相比,具有较好的鲁棒性.

摘要： 数值研究了尺度变化对方腔内层流自然对流中流动和传热规律的影响.结果表明:自然对流动量控制方程中惯性力、粘性力和浮升力三个作用相对大小与Ra数和方腔中的位置有关.在Ra≤10范围内,随着Ra的变小,惯性力作用显著变小,粘性力相对作用增加,越靠近壁面,这种规律越明显.法Ra≤10的时候,Nu基本趋于恒定值,接近于1,这表明随着尺度的变小,导热的相对作用增强,传热主要以导热形式进行.

摘要： 本文根据10个城市的研究分析,从不同的角度展示了较高效率的空间在城市、片区、社区三个尺度上的相互作用,形成了不同的空间结构.可认为良好的城市空间网络结构依赖于不同尺度的高效率空间彼此有机地连接在一起,同时在同一尺度下不同效率的空间适度协同,形成空间效率精细叠加的空间网络形态.这体现了不同尺度的空间联系的丰富程度和稳定程度.

摘要： 借鉴通信中匹配滤波的定义,总结出匹配滤波跟踪的算法,并进行实验验证算法有效性.针对匹配滤波跟踪算法无法解决目标尺度变化的问题,提出了相似度修正公式.通过推导,得到修正因子的取值范围,在跟踪过程中,根据修正公式动态地对修正因子取值,实现了目标尺度的自适应选择,并进行实验验证了修正相似度的收敛性.最后结合匹配滤波跟踪及相似度修正公式,提出了基于匹配滤波与幂次方修正的跟踪算法.为了提高算法速度,算法中涉及的卷积运算,全部利用傅里叶变换在频域完成.引入卡尔曼滤波,在一定程度上能够得到更加精确及鲁棒性的跟踪结果.

摘要： 本发明公开了一种小尺度岸滩剖面与大尺度岸线变化的耦合数值模拟方法，包括如下步骤：S1、建立对平面近岸动力精确定量描述的波流耦合模型；S2、建立对近岸底部离岸流精确定量描述的底部离岸流模型；S3、建立小尺度岸滩剖面演变模型；S4、利用长周期控制函数集，建立大尺度岸线变化模型；S5、采用非结构网格上Godunov型有限体积法，求解大尺度岸线变化模型，获取大尺度岸线变化数值。本发明实现了由小尺度岸滩上泥沙输运量向大尺度岸线地貌上输运量的拓展，完成大尺度岸线变化的模拟，可显著提高岸滩演变模拟仿真的实际应用价值。

摘要： 本发明公开了一种基于融合变化检测算子与尺度驱动的无监督变化检测方法，主要解决现有技术通常利用滤波来消除图像噪声导致大量图像细节丢失，增加变化检测难度的问题。其实现步骤是：(1)利用变化检测的图像数据生成对数比图像和均值比图像；(2)将对数比图像和均值比图像进行融合生成初步差异图；(3)判断初步差异图上每个像素点可靠的尺度，并将初步差异图上每个像素点所有可靠的尺度进行融合，生成变化检测差异图；(4)对变化检测差异图进行聚类，生成变化检测结果图。本发明在有效抑制噪声的同时，保留了更多的图像细节，提高了变化检测结果的精确度，可用于对SAR图像的变化检测。

摘要： 本发明公开了一种基于多尺度自编码的异质遥感图像变化检测方法，具体包括如下步骤：步骤1，对图像进行预处理；步骤2，将经步骤1预处理后的图像放入多尺度神经网络中进行训练，并利用训练好的神经网络生成差异图；步骤3，利用阈值分析算法对步骤2生成的差异图进行分析，得到变化的图像。采用本发明能够对异质遥感图像中的变化区域进行精确检测。

摘要： 本申请提供了一种基于多尺度遥感影像的耕地变化检测方法及装置，应用于测绘遥感领域，包括：获取待测耕地遥感影像，所述遥感影像不限于中高分辨率影像和高分辨率影像；对所述待测耕地遥感影像进行预处理，得到处理影像，并根据目视解译法对所述处理影像进行解译并标记，得到影像样本，通过卷积神经网络对所述影像样本进行训练，得到耕地监测模型，将所述处理影像输入所述耕地监测模型，并进行后处理，得到耕地矢量；根据叠加分析方法对所述耕地矢量进行分析计算，得到耕地变化矢量范围。本申请通过采用中高分辨率遥感影像和高分辨率遥感影像，结合二者优点，提高了检测结果的准确度，也使得检测结果更加全面，代表性更高。

摘要： 本申请提供了一种基于注意力机制的多尺度遥感变化检测方法及装置，涉及遥感图像检测领域，包括：获取待测地块不同尺度的图像，所述图像包括第一尺度图像和第二尺度图像；将所述第一尺度图像和所述第二尺度图像分别进行预处理，得到第一预测图像、第一注意力图、第二预测图像和第二注意力图；根据公式S＝A1×Sn1+(1‑A1)Sn2对所述待测地块的变化结果进行计算，得到变化检测结果。本技术方案基于注意力机制即在不同尺度进行加权融合的过程中加入对输入权重的分配，使用多尺度分辨率遥感变化检测网络以替代传统的多尺度预测，在与传统多尺度预测的速度一致的情况下，使得模型的精度有效提高，也使得地块变化检测结果的准确度也得到了大幅提升。

摘要： 本发明提供了一种同步考虑植被冠层和根系动态变化的区域尺度蒸散发模型的构建方法，包括以下步骤：S1、通过PT‑JPL模型需要的区域尺度的数据来计算净辐射、净辐射分量以及各影响因子；S2、基于Guswa模型估算中国区域尺度的植物有效根深Zr；S3、将植物有效根深Zr耦合进PT‑JPL三源蒸散发模型构建同步考虑植被冠层和根深动态变化的区域尺度蒸散发模型。本发明模型将植被动态变化和植物有效根深共同纳入到了蒸散发计算与分析当中，不仅考虑到植被动态的横向变化(植被覆盖度)，同时考虑到植被变化的纵向变化(根深)，而且具备多尺度分析功能，对地面数据和空气动力学的要求低，对区域尺度的蒸散发及蒸散发分量估算准确性的提高起推动作用。

摘要： 一种存在旋转变化和尺度差异的异源遥感图像匹配方法，涉及一种异源遥感图像匹配方法。为了解决异源遥感图像匹配是存在旋转变化和尺度差异的问题。本发明利用先验匹配点对计算初始的仿射变换矩阵并将异源遥感图像分成对应的图像块，基于harris算子提取光学遥感图像块中的角点，利用HOPC算法确定光学遥感图像块上的角点坐标对应的SAR遥感图像上的坐标点；以匹配点对为中心截取子图像块，基于神经网络得到匹配损失值并进一步筛选正确的匹配点；根据每对匹配图像块中正确匹配点的损失值对匹配点进行筛选，由损失值得到仿射变换矩阵的贡献度，通过贡献度加权获得最终的仿射变换矩阵，从而实现异源遥感图像匹配。主要用于异源遥感图像的匹配。

摘要： 本发明公开了一种基于多尺度级联残差卷积神经网络的海岸线变化检测方法。目前对于海岸线的变化检测的传统方法具有效率低下且费时费力的缺点，所以该发明是基于深度学习的一种海岸线变化检测方法。该方法分为背景卷积神经网络模块，残差处理模块以及分割卷积神经网络模块。本文为了更好的获取到海岸线的变化检测结果，添加了残差处理模块，并将残差处理模块处理后的结果深度连接到分割卷积神经网络模块中，实现特征融合，提取到更多的特征信息，来达到更好变化检测的效果。

摘要： 一种基于多尺度自适应卷积核的多光谱图像变化检测方法，属于多光谱图像变化检测领域。为了解决高光谱图像变化检测过程中，现有的方法存在对复杂地物信息提取困难、变化区域边界定位不准确的问题，本发明设计了权重共享的双侧编码路径的MASK‑Net，将基于自适应权重的卷积核选择模块嵌入到编码路径中提取图像中的多尺度特征；并将多尺度空间特征输入到本发明所设计的具有注意力机制的上采样模块来提取网络中的深层特征，通道注意力使得浅层特征和深层特征得到了选择性的融合，基于设计的网络进行检测；本发明还使用多模态条件随机场来对神经网络的结果进行二次检测实现变化像素的分类与定位。主要用于多光谱图像的变化检测。

摘要： 本发明公开一种尺度变化策略支持的城市绿地深度学习提取方法，主要包括四部分：（1）对象单元提取：利用尺度寻优算法支持的影像多尺度分割，获得对象单元与对象级特征；（2）场景种子点提取：利用二叉树采样算法，逐对象单元计算场景种子点个数，并采用无监督算法计算场景种子点集合；（3）场景分类网络训练：以种子点为中心进行影像裁切，构建场景分类数据集并训练场景分类网络；（4）场景分类与像素级结果还原：预测场景分类结果，利用多数投票法获取单个对象单元的分类结果，并生成城市绿地像素级提取结果。本算法通过尺度变化策略，实现了样本由像素级向场景级的转换，降低了样本标注难度，达到以较低的成本自动提取城市绿地的目的。