摘要：国家珍稀动物丹顶鹤多栖息于开阔平原、沼泽、湖泊、海滩及近水滩涂等地,不利于人工跟踪及近距离观测丹顶鹤的实时动向。针对传统快速卷积神经网络(Faster RCNN)检测不准确的问题,现设计提出在原始网络基础上,结合多特征融合金字塔(FPN)实现多层语义信息融合,建立针对丹顶鹤的识别模型。此外,为提高模型召回率,还采用了线性加权的非极大值抑制算法。改进后的算法较原始算法精确率提高了3.5%左右。实验结果表明,所提模型对于丹顶鹤种群具有较好的识别效果,为湿地的丹顶鹤保护与监测提供新的技术手段,使湿地的生态文明建设得到进一步加强。

摘要：针对基于背景差分法提取运动目标后广泛存在"空洞"、"重影"等问题,提出了一种新型的抑制运动目标周围"空洞"的算法。首先,对视频图像进行前景提取,在进行去阴影以及形态学上的处理后,采用非极大值抑制的算法对运动目标进行一次"内部空洞"处理,但是处理后得到的运动目标周围依然存在"空洞"问题,这将会直接干扰项目后期对运动目标数量的估计。因此,本文提出了一种邻近几何中心值抑制的算法,该算法的核心思想是通过判断每帧当中所有运动目标与之相对应地周围"空洞"的几何中心距离有选择性进行"空洞"抑制。实验结果表明,该算法能有效的抑制运动目标周围的"空洞",进而提高了对运动目标数量估计的准确性。

摘要：针对传统图像边缘检测算法存在的边缘方向性不强及边缘较粗等问题,提出了一种基于八方向卷积模板的边缘检测算法。算法采用0°、22.5°、45°、67.5°、90°、112.5°、135°和157.5°八个方向的卷积模板进行边缘检测,模板权值根据中心像素点到邻域像素的距离及方向夹角的大小进行设定,充分考虑到了邻域内像素对中心点方向梯度的贡献大小,能够较好地检测出图像不同的方向边缘。对梯度图像采用了改进的非极大值抑制方法进行细化,可得到单像素的图像边缘。实验结果表明,该算法获取的边缘图像边缘较为完整,方向性强且边缘较细,整体效果明显优于传统Sobel算法。

摘要：传统的目标检测方法主要依靠人工设计特征，难以适用于海量遥感图像的多类目标检测任务。本文针对高分辨率光学卫星遥感影像中的舰船、飞机、储存罐和桥梁等目标，提出了一种利用R—FCN网络的多类目标检测方法。首先通过人工判读在影像中标注兴趣目标，构建样本库；然后使用样本库对R—FCN网络进行训练；最后，设计了重叠裁切和总体非极大值抑制策略，利用训练好的R—FCN模型完成目标检测。本文充分利用了深度卷积特征，避免了人工设计特征问题。通过在高分二号卫星数据集上进行的对比实验结果表明，本文方法能够快速准确地对多类目标同时进行检测，具有较好的准确性和鲁棒性。