基于局部特征的航空轴承总成视觉检测方法研究

作者： 江亚丽   来源： 哈尔滨理工大学 年份： 2020 文献类型 ： 学位论文 关键词： 航空轴承   U   Net卷积神经网络   局部特征   Hough变换  

描述： 基于局部特征的航空轴承总成视觉检测方法研究

基于局部特征的航空轴承总成视觉检测方法研究

作者： 江亚丽   来源： 哈尔滨理工大学 年份： 2020 文献类型 ： 学位论文 关键词： 航空轴承   U   Net卷积神经网络   局部特征   Hough变换  

描述： 基于局部特征的航空轴承总成视觉检测方法研究

航空轴承滚珠总成检测方法的研究

作者： 宋玉杰   来源： 哈尔滨理工大学 年份： 2022 文献类型 ： 学位论文 关键词： Net+++   RANSAC   航空轴承   语义分割   U   空洞卷积  

描述： 航空轴承滚珠总成检测方法的研究

航空轴承滚珠总成检测方法的研究

作者： 宋玉杰   来源： 哈尔滨理工大学 年份： 2022 文献类型 ： 学位论文 关键词： Net+++   RANSAC   航空轴承   语义分割   U   空洞卷积  

描述： 航空轴承滚珠总成检测方法的研究

联合全局优化和光照补偿的航空影像色彩一致性处理算法

作者： 高翔森     崔浩     李雪     王文宝     张骏     徐如志     张国涛   来源： 北京测绘 年份： 2024 文献类型 ： 期刊 关键词： 航空正射影像   色彩校正   影像光照补偿   局部特征   Wallis滤波器  

描述： 联合全局优化和光照补偿的航空影像色彩一致性处理算法

基于高分辨率航拍影像和LiDAR数据的建筑物平面轮廓提取

作者： 王猛   来源： 广州大学 年份： 2020 文献类型 ： 学位论文 关键词： 残差学习   形态学滤波   建筑物提取   U   Net  

描述： 基于高分辨率航拍影像和LiDAR数据的建筑物平面轮廓提取

基于高分辨率航拍影像和LiDAR数据的建筑物平面轮廓提取

作者： 王猛   来源： 广州大学 年份： 2020 文献类型 ： 学位论文 关键词： 残差学习   形态学滤波   建筑物提取   U   Net  

描述： 基于高分辨率航拍影像和LiDAR数据的建筑物平面轮廓提取

一种适合航空影像的直线匹配方法

作者： 徐辛超   李旭佳   马钰   刘少创   刘明岳   来源： 测绘科学 年份： 2019 文献类型 ： 期刊 关键词： 基础矩阵   单应矩阵   航空影像   直线段匹配   Hough变换  

描述： 针对航空影像中高程变化对视差影响较大，而传统的单应矩阵与几何约束未考虑视差影响的问题，该文提出了一种适合航空影像的直线匹配方法。首先采用尺度不变特征变换（SIFT）算法进行特征匹配，并计算立体影像间的基础矩阵，通过核线纠正消除其上下视差，然后计算影像间的单应矩阵，并对Hough变换提取的直线段进行变换，最终通过直线段间的端点距离作为约束条件实现了直线匹配。采用多组航空影像开展了实验，结果表明：针对航空影像中高程变化较大的区域，提出的方法可以减少视差的影响，匹配效果优于传统单应矩阵与几何约束的方法，且匹配可靠性高。

一种适合航空影像的直线匹配方法

作者： 徐辛超   李旭佳   马钰   刘少创   刘明岳   来源： 测绘科学 年份： 2020 文献类型 ： 期刊 关键词： 基础矩阵   直线匹配   单应矩阵   航空影像   Hough变换  

描述： 一种适合航空影像的直线匹配方法

深海海底飞机残骸检测算法研究

作者： 林子沐   来源： 大连海事大学 年份： 2017 文献类型 ： 学位论文 关键词： 支撑向量机   基于图论的视觉显著性   深海海底图像   飞机残骸识别   Hough变换  

描述： 近年来,空难事故频发,与陆地上空难不同,飞机在海上发生空难时机身会摔成碎片并沉入海底,在深海海底对飞机残骸碎片进行探测对飞机黑匣子的打捞具有重要意义。搜寻水下目标如同大海捞针,特别是在深海环境中,变得尤为困难。通常需要通过AUV搭载声呐和水下相机进行目标搜索,并利用水下相机图像进行取证,最终由人眼进行目标确认。由于AUV在水下工作时间较长,水下相机拍摄的图像数量十分巨大,而包含飞机残骸的图像数量却很少,如何滤除大量无效图像,提高检测的效率,是本文研究的核心问题。本文研究了深海海底背景和飞机残骸的特性,提出了飞机残骸检测方法,该方法先检测图像中的疑似目标区域,而后对疑似区域进行判决。在疑似目标区域检测中,首先,针对飞机残骸具有明显的形状和线条的特点,利用Hough变换直线检测算法来检测图像中的直线,并将检测结果标记在图像中以增强有效边缘,而后再利用基于图论的图像显著性算法(Graph Based Visual Saliency,GBVS)获取该图像的显著度图,将显著度最高的几组区域标记为目标疑似区域。在确认疑似目标区域是否为飞机残骸时,采用支持向量机(Support Vector Machine,SVM)分类器,针对深海海底背景图像特性和飞机残骸图像特性,提出了平均亮度、对比度、边缘密度和纹理方差四个指标作为支持向量机分类器的特征向量,并利用深海背景图像和飞机残骸图像制作了训练图像库,训练了支持向量机分类器,利用该分类器可实现对目标疑似区域的判决。为验证本文算法,开展了深水水池成像实验和近海海底成像实验,尽量模拟深海的景物特点和工作环境,获取了深海海底模拟图像数据,并对采集图像进行了目标检测,计算了漏警率,和有效图像在总图像中所占比率。实验检测结果表明,本文提出的算法具有低漏警率的特点,在保留有效图像的同时,可以大量滤除无效图像,从而大幅降低需人工判读的图像数量。