摘要：任意至任意重光照利用隐含在引导图像中的光照重新照明源图像。现有的任意至任意重光照方法由于采用端到端的学习方式,导致阴影特征与色温特征高度耦合,进一步影响了阴影生成的准确性。为此,本文提出了一个基于深度阴影特征增强的任意至任意重光照方法。该方法的关键是设计一个额外的阴影解码器,从隐式表征中直接生成对应的阴影图像。同时,为了充分利用学习到的阴影特征,我们引入一个基于注意力机制的特征融合模块,实现重光照特征与阴影特征的自适应融合。另外,我们实验性地发现,利用多项式核函数把源图像映射到高维特征后,再作为网络输入,能进一步提升性能。在VIDIT数据集上的实验表明了本文所提方法的有效性。

摘要：提出了一种基于车载相机的前向车辆检测方法。首先联合车底阴影和车辆垂直边缘产生车辆假设,针对阴影分割易受光照和路面灰度突变的影响,提出了直方图峰谷分析法(HVAM)来获得自适应阴影分割阈值;采用类Haar特征来检测车辆垂直边缘,以局部区域统计学方法克服了传统边缘检测算子易受外界因素影响的缺点;然后使用基于V-HOG特征结合SVM的车辆分类器对假设区域进行验证;最后推算检测到的车辆目标航迹,建立加速度模型,对多个车辆目标进行跟踪以提高整体性能。多种交通场景试验表明:该方法能够稳定准确地检测到前方车辆,每帧平均检测时间仅需35 ms,跟踪7 ms,远远满足实时性要求。

摘要：提出了一种基于卷积神经网络(CNN)的前向车辆检测方法。首先,采用车底阴影和车宽约束条件进行假设生成,针对存在较多具有边缘、对称性等特征物体干扰时产生灾难性计算量的问题,提出了阴影特征结合车宽约束条件判定方法生成车辆假设,排除大量非车底阴影区域,提高了检测效率;然后采用CNN对产生的车辆假设进行验证,建立车辆样本库,训练并对比分析了多种结构CNN,验证本文设计结构能够快速准确地验证车辆假设,对GTI数据库的检测正确率达到98.65%;最后经强弱光照、树荫等多场景实验验证表明,本文方法能够快速准确地检测出前方车辆。

摘要：在分析遥感影像建筑物阴影与实际高度关系的基础上,阐述了依据影像阴影估算城市建筑物高度的原理和方法,设计了一种基于影像建筑物阴影特征快速提取高程信息的技术方法。在使用北京一号影像数据的试验中,70%的有阴影楼房测量误差在4米以内。