基於對象層匹配的多時相移動測量變化檢測理論與方法

《基於對象層匹配的多時相移動測量變化檢測理論與方法》是依託中國人民解放軍國防科技大學，由王程擔任項目負責人的面上項目。

基本介紹

• 中文名：基於對象層匹配的多時相移動測量變化檢測理論與方法
• 項目類別：面上項目
• 項目負責人：王程
• 依託單位：中國人民解放軍國防科技大學

中文摘要

移動測量（MMS）技術是大比例尺道路電子地圖測制的發展趨勢。基於MMS的地圖數據更新自動化程度低，是處理的瓶頸。現有的圖像變化檢測理論與方法不適用於MMS數據，即多目可量測圖像(DMI)序列。課題提出基於對象層匹配方法，通過對比新MMS數據和歷史MMS數據以及歷史地圖數據，自動篩選出多時相MMS數據中蘊含的地圖對象的變化。開展三方面研究：(1)多目DMI序列中感興趣對象的信息提取；(2)不同時相DMI圖像序列間的對象層匹配檢測；(3)地圖數據與DMI序列間的對象層匹配檢測。課題通過對象層匹配實現變化檢測克服了多目DMI圖像序列間無法精確2D配準的問題；利用歷史MMS數據處理中的人工判讀成果，擴大了自動處理的能力；利用多目可量測時空體描述對象，提高了對遮擋的魯棒性和對3D對象的適應性。研究成果將拓展現有變化檢測理論和方法，推動MMS技術的發展。

結題摘要

基於對象層匹配的多時相移動測量變化檢測理論與方法從 2009 年1 月開始，為期三年。針對申請書中提出的基於對象層匹配的多時相移動測量變化檢測的研究思路開展了深入的研究。在DMI序列對象檢測、DMI序列對象跟蹤以及DMI序列對象分割的進行了重點研究。對象檢測是對象提取的起點和支撐；對象跟蹤獲得對象的時空連貫性；對象分割得到對象在序列中的時空區域。 主要成果包括：  提出了一種預篩選Hough森林對象檢測算法。針對現有的Hough森林算法存在的隨機採樣圖像塊樣本利用效率低、無效樣本干擾大的問題，提出了基於表述質量的隨機樣本預篩選思路。  在低幀頻圖像序列對象跟蹤方面，針對大尺度變化的難題，提出了一種基於核的變尺度對象跟蹤算法（SIKBOT）。  在低幀頻圖像序列對象跟蹤方面，針對對象形狀不規則的難題，提出了一種基於對象形狀的Epanechnikov核函式（形狀核）並用於本文提出的SIKBOT方法中，形成SK+SIKBOT方法。  針對低幀頻圖像序列對象分割中的錯誤累積問題，提出了一種時空Grab Cut算法。建立了對象/背景統計分布的幀間傳遞機制，將Grab Cut圖像分割算法的不完整標記與疊代式估計的思想推廣到圖像序列對象分割中。  在基於運動分析的運動對象檢測方面，提出了一個基於多視幾何約束的運動成像平台近景視頻運動對象檢測處理框架。  在基於無監督統計學習的運動對象檢測方面，提出了一種基於動態主題發現的運動成像平台近景視頻運動對象檢測處理算法。  在基於有監督統計學習的運動對象檢測方面，以運動成像平台近景紅外視頻數據中的行人運動對象為例，提出了一種基於判別式模型的特定類別運動對象檢測算法。 從獲得批准日起至2012 年12 月共發表論文26篇，其中SCI 檢索11篇。培養碩士研究生3 名，博士研究生3名。