-
题名基于尺度感知与空间选择层级交互的遥感影像变化检测
- 1
-
-
作者
邵攀
管宗胜
符潍奇
曾凡宇
程泽敏
石卫超
-
机构
三峡大学水电工程智能视觉检测湖北省重点实验室
三峡大学计算机与信息学院
国防科技大学电子科学学院ATR重点实验室
武汉大学物理科学与技术学院
-
出处
《航天返回与遥感》
CSCD
北大核心
2024年第5期89-100,共12页
-
基金
国家自然科学基金项目(41901341)
湖北省自然科学基金项目(2024AFB867)。
-
文摘
目前,深度学习遥感影像变化检测方法在处理尺度变化显著影像时效果仍不够理想,且多数方法在解码阶段缺乏不同层级特征之间的有效交互。针对上述问题,文章以经典U-net网络为基础,提出一种基于尺度感知与空间选择层级交互的高分辨率遥感影像变化检测方法。首先,通过分块并行不同大小的深度可分离卷积提取特征后引入通道注意力,设计一种尺度感知模块,以便有效提取不同形状尺度的变化对象;然后利用空间注意力交叉增强浅层特征与深层特征,提出一种空间选择层级交互模块,细化特征的表征能力;最后,基于两期遥感影像的差异图给出一种差异多尺度注意力模块,来突出变化信息,并抑制未变化信息。文章所提出的方法在WHU、Google、LEVIR和GVLM四个公开数据集上的精确率和召回率的调和平均数(F_(1)值)分别达到91.72%、85.17%、90.82%和88.03%,相比于现有的FC-EF、FC-Conc、IFN、SNUNet、BIT和MSCANet等6种对比变化检测网络,F_(1)值得到显著提升。
-
关键词
深度学习
遥感影像变化检测
尺度感知
空间选择层级交互
U-net网络
-
Keywords
deep learning
remote sensing image change detection
scale-aware
spatial selection hierarchical interaction
U-net network
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于位姿参数估计的多视角点云配准方法
被引量：5
- 2
-
-
作者
龚国强
田演
夏鑫宇
-
机构
三峡大学计算机与信息学院
三峡大学水电工程智能视觉检测湖北省重点实验室
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第6期241-252,共12页
-
文摘
传统的点云配准算法通过两点云数据之间的特征实现对应点配对,这种方法要求点云具有明确的特征,且存在计算量大、匹配时间长、配准精度低等问题,而ICP算法虽然应用广泛,但对初始值敏感。对此,提出了一种基于位姿参数估计的多视角点云配准方法(PPE-ICP)。首先通过分析误差的分布特性可证明误差极小值存在,使用A^(∗)搜索算法寻找误差极小值,降低误差传播的影响,为后续的参数估计提供较好的初值;其次将总体最小二乘估计引入点云配准,在不依赖点云数据的同时,使用少量参考点就能获得点云从目标坐标系到东北天坐标系的转换矩阵,完成点云位姿矫正,结合迭代最近点算法(ICP),实现点云精确配准。通过与FGR-ICP、FPFH-ICP、NDT-ICP、RANSAC-TrICP和KSS-ICP这5种方法在公开数据集和自制实验装置收集到的点云上进行对比实验,点云数据量为20000点时实现配准只需6.55 s,极大地降低了大数据量下点云配准的时间成本,在实地点云配准中平移误差最大不超过0.03 m,旋转误差控制在0.07°。实验结果表明,PPE-ICP对相似变换、残缺点云和低重复率具有较强的鲁棒性,在多视角点云配准中具有较高的配准效率和配准精度。
-
关键词
激光雷达
点云配准
总体最小二乘估计
迭代最近点算法
搜索算法
-
Keywords
laser radar
registration
total least squares
iterative closest point
search algorithm
-
分类号
TN98
[电子电信—信息与通信工程]
-
-
题名一种基于姿态先验的鲁棒的人脸对齐方法
被引量：1
- 3
-
-
作者
周丽芳
谷雨
文佳黎
李伟生
雷帮军
李佳其
-
机构
重庆邮电大学软件工程学院
三峡大学水电工程智能视觉检测湖北省重点实验室
重庆邮电大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2019年第6期1187-1190,共4页
-
基金
国家自然科学基金项目(61272195,61472055,61100114,U1401252)资助
国家留学基金管理委员会项目(201407845019)资助
+2 种基金
重庆市杰出青年科学基金项目(cstc2014jcy jjq40001)资助
重庆市自然科学基金项目(cstc2015jcyjA40011)资助
湖北省水电工程智能视觉检测重点实验室项目(2017SDSJ02)资助
-
文摘
人脸对齐作为人脸图像分析中的重要步骤,被广泛应用于各个领域.其中,主动表观模型(AAM)因其良好的对齐效果而被大量使用.但AAM对初始模型依赖度极高,且极易受到姿态、光照以及遮挡等因素的影响.当初始形状和标准形状相差较大时,匹配效果并不理想.对此,本文提出一种基于姿态先验的人脸对齐方法.首先,在非限制环境下的人脸库LFPW上进行训练,根据姿态的不同分别建立正脸模型、左偏模型和右偏模型.在搜索阶段,利用特征三角形自动选择合适的模型作为人脸的初始模型,从而避免了姿态变化对初始模型产生影响导致后续匹配效果不理想的问题.其次,利用同时反向合成算法,实现了鲁棒精确的AAM匹配.理论分析与实验证明,所提方法针对遮挡、光照以及姿态变化的有效性.
-
关键词
人脸对齐
主动表观模型
姿态先验
同时反向合成算法
-
Keywords
face alignment
active appearance models
pose prior
simultaneous inverse compositional algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
