1 天津大学精密仪器与光电子工程学院精密测试技术及仪器国家重点实验室，天津 300072
2 中国船舶工业系统工程研究院，北京 100094
背景减除法是视频序列中运动目标检测最常用的方法之一。为了能够准确、快速完成视频序列的背景建模，精确地检测出运动前景，提出一种融合图像颜色和纹理特征的背景建模方法。首先，采用核密度估计法和模式核密度估计法分别对视频图像的RGB颜色空间和Haar local binary pattern（HLBP）纹理进行建模，得到颜色和纹理模型。然后，采用归一化和两次阈值判断的方式对颜色和纹理模型进行融合，设置合适的阈值使颜色和纹理模型优势互补，形成背景模型。最后，使用背景模型检测视频序列的运动前景，并完成背景模型的更新。实验结果表明，所提方法能够很好应对动态背景和含有阴影的场景，在测试集上的平均F1-score为0.8471，优于常用算法，平均帧率为25.57 frame·s-1，达到实时性要求。
背景建模 前景检测 颜色 纹理 核密度估计 阈值判断 激光与光电子学进展
2022, 59(22): 2233002
1 山东师范大学信息科学与工程学院, 山东 济南 250358
3 山东理工大学农业工程与食品科学学院, 山东 淄博 255000
4 4. School of Engineering, Cardiff University, Cardiff, CF24 3AA, United Kingdom
苹果的可见光谱目标的高效、 精准识别是实现果园测产或机器自动采摘作业的关键, 由于绿色目标果实与枝叶背景颜色较为相近, 因此绿色苹果的识别成为新的挑战。 再由于果园实际复杂环境因素影响, 如光照、 阴雨、 枝叶遮挡、 目标重叠等情况, 现有的目标果实识别方案难以满足测产或自动采摘的实时、 精准作业需求。 为更好地实现果园自然环境中绿色目标果实识别问题, 提出一种新的核密度估计优化的聚类分割算法(kernel density clustering, KDC)。 新算法首先利用简单的迭代聚类(simple linear iterative cluster, SLIC)算法将目标图像分割成不规则块, 集结小区域内近似像素点组成超像素区域, 计算单元由像素点转变为超像素区域, 有效降低数据复杂度, 且SLIC算法简化图像数据时可有效避免目标果实轮廓模糊; 基于超像素构造R-B区域均值和G-B区域均值的二维特征分量, 建立针对聚类分析的青苹果颜色特征空间。 然后借助密度峰值聚类中心计算绿色苹果图像每个数据点的局部密度和局部差异度, 为解决分割边界模糊问题, 在计算过程中利用核密度估计计算局部密度, 确保局部密度在不同复杂场景中的清晰准确表达, 以更精准找出被低密度区域分割的高密度区域, 实现任意形状的聚类。 最后以局部密度和距离构造寻找聚类中心的决策图, 该研究采用双排序算法实现聚类中心的自动选择, 完成目标果实的高效分割。 新算法通过SLIC算法获得图像的超像素区域表示, 数据点的局部密度通过核密度估计得到, 大幅降低算法的计算量, 实现目标图像的高效、 精准分割。 为更好地验证新算法性能, 实验采集多光照、 阴雨等环境下的遮挡、 重叠等复杂目标图像, 以分割效率、 分割有效性、 假阳性、 假阴性等指标进行评价, 通过对比k-means聚类算法、 meanshift聚类算法、 FCM算法和DPCA算法, 该研究提出的新算法分割性能均最优。
绿色果实 图像分割 密度峰值聚类 核密度估计 Green fruit Image segmentation Kernel density estimation Density peak clustering 光谱学与光谱分析
2021, 41(9): 2980
1 南京邮电大学 通信与信息工程学院，江苏 南京 210003
2 中国人民解放军 31006部队，北京 100840
目前提出的频谱占用模型能够在时域上描述和重现基本的统计特征，如传统的地面移动通信的频谱占用/空闲周期长度可以用经典的广义帕累托(GP)分布、指数分布等分布来拟合。然而在某些复杂的如卫星链路频谱占用场景中，传统的参数估计分布无法给出良好的拟合。为此提出了用核密度估计(KDE)的方法来进行概率密度分布的拟合，在此基础上，分别采用差分整合移动平均自回归模型(ARIMA)和模糊神经网络对频谱占用模型的时间序列进行预测并进行对比。结论表明，核密度估计的使用可以更加准确地描述并再现卫星下行链路所使用S频段的占用时间序列的统计特征，而模糊神经网络的预测比ARIMA模型预测更加精确。
频谱占用模型 概率密度分布 核密度估计 差分整合移动平均自回归模型预测 模糊神经网络预测 spectrum occupancy model probability density distribution kernel density estimation Auto Regressive Integrated Moving Average Model(AR fuzzy neural network prediction 太赫兹科学与电子信息学报
2020, 18(6): 984
哈尔滨工业大学(深圳)电子信息与工程学院, 广东 深圳 518055
为应对概率整形场景下载波相位恢复的问题,提出了一种基于统计分析的自适应算法。利用核密度估计进行概率整形信号的参数估计,从而估计得到信息熵,以辅助后续的基于半径定向的4次方频偏估计算法。运用估计出的概率整形参量进行信号的针对性归一化,用于后续基于盲相位搜索的载波相位噪声恢复。对该算法的频偏估计范围、信噪比及激光线宽容忍度进行了仿真分析。结果表明,所提方案能够应对不同的概率整形强度,在较大的信噪比范围内均能实现良好的载波相位恢复。此外,相对于用于标准信号的载波相位恢复算法,该方案达到最优性能时所需的滑动窗口长度更短并且拥有更高的估计精度。
光通信 概率整形 载波相位恢复 核密度估计 光学学报
2020, 40(23): 2306001
1 哈尔滨工业大学 可调谐(气体)激光技术重点实验室, 黑龙江 哈尔滨 150001
2 复杂系统控制与智能协同技术重点实验室, 北京 100074
3 中国空空导弹研究院, 河南 洛阳 471009
对盖革模式APD激光雷达系统的距离像重构算法进行了研究, 设计了一种基于像素邻域核密度估计的重构算法。从系统原理出发, 结合探测概率模型研究了距离像重构算法的理论基础。根据系统特点提出了一种基于像素邻域核密度估计的改进算法, 并对其原理进行了分析。通过仿真数据对直方图算法和邻域核密度估计算法进行了验证, 以距离重构准确率曲线进行了定量评价对比, 并进一步将算法应用到真实盖革模式APD激光雷达数据中进行了距离像重构实验。实验结果表明, 在低帧数时, 基于像素邻域统计核密度估计的重构算法可有效提高距离像重构的效果。
距离像重构 激光雷达 像素邻域 核密度估计 range image reconstruction lidar GM-APD GM-APD pixel neighborhood kernel density estimation 红外与激光工程
2019, 48(6): 0630001
城市环境中的精确定位是自动驾驶领域的重点和难点,现有的激光雷达定位算法虽然能够在多数情况下保持较高的精度,但在一些比较复杂的城市动态场景中仍存在问题。针对这类场景中遮挡导致的全球定位系统定位精度下降,以及运动目标和环境变化导致的有效点云特征减少的问题,提出一个新的概率定位框架;该框架使用核密度估计的方法对改进后的多层次随机采样一致性算法和直方图滤波算法进行融合,以有效克服多层次随机采样一致性算法在部分场景中的定位波动问题,以及直方图滤波算法在位姿误差较大时的效率低下和局部最优问题。结果表明:所提框架在保证定位精度的前提下,提升了对动态密集场景的适用性,能够在现有算法容易出错的场景中实现更加稳定精确的定位,并能够容忍更大的初始位姿误差。
遥感 激光雷达 定位 核密度估计 动态密集场景 直方图滤波 随机采样一致性
1 中国电子科技集团公司第27研究所, 郑州 450015
2 海军大连舰艇学院 信息作战系, 辽宁 大连 116018
为了凸显图像中的感兴趣目标, 提出了基于特征融合的图像目标显著性检测方法。首先通过提取可见光图像不同尺度空间的不同特征, 利用区域协方差理论融合尺度空间之间串接的不同特征, 然后结合全局核密度估计体现图像的全局显著性, 实现局部和全局特征融合的图像目标显著性检测。仿真结果表明, 无论主观评价, 还是客观指标, 新方法均优于当前流行的图像显著性检测方法。
图像目标 显著性检测 区域协方差 全局核密度估计 image target saliency detection region covariance global kernel density estimation
1 福州大学电气工程与自动化学院, 福建 福州 350116
2 浙江医药高等专科学校制药工程学院, 浙江 宁波 315100
3 福建省医疗器械和医药技术重点实验室, 福建 福州 350116
三叶青是我国珍稀中药材, 具有多种疗效, 但不同产地的三叶青有效成分含量差异悬殊, 为防止三叶青以次充好, 其产地鉴别尤为重要。 以浙江、 云南、 安徽、 广西和湖北五个产地的三叶青为研究对象, 利用傅里叶变换近红外光谱分析仪(Fourier transform near infrared spectroscopy, FT-NIR)收集4 000~10 000 cm-1范围内的近红外光谱, 由于三叶青近红外光谱数据还未完善, 因此在其产地鉴别上, 应对鉴别算法提出更高的要求, 即在实现三叶产地鉴别的同时, 还要能够有效地识别出其他或未知新产地的三叶青。 针对这一问题, 本文结合三叶青近红外光谱数据的特点, 对算法共做了三方面改进: ①从距离的角度估计样本的概率密度; ②以训练样本可信度的方式计算带宽参数; ③在未知新产地的识别上, 提出一种基于训练集样本的概率密度函数的识别方法。 结果表明, 该算法对训练集样本的识别精度达到了100%, 且在140组预测集样本中, 只有3组样本识别出错, 并能够100%地识别出未知新产地的三叶青, 说明基于核密度估计的改进算法在三叶青产地鉴别上, 不仅鉴别精度高, 且能够有效识别出其他或未知新产地的三叶青。
三叶青 产地鉴别 核密度估计 未知新产地 近红外光谱 Tetrastigma hemsleyanum Original identification Kernel density estimation Unknown origin Near infrared spectroscopy
1 中国科学院自动化研究所, 模式识别国家重点实验室, 北京 100190
2 中国科学院国家天文台, 光学天文重点实验室, 北京 100012
3 中国科学院大学, 北京 100049
SDSS DR8海量光谱中包含许多有研究价值的稀有天体, 如特殊白矮星(DZ, DQ, DC)、 碳星、 白矮主序双星、 激变变星等, 如何在海量光谱中自动搜寻稀有天体有着极其重要的意义。 提出一种基于核密度估计和K-近邻(K-nearest neighbor, KNN)相结合的方法在SDSS DR8 信噪比大于5的546 383个恒星光谱中搜寻稀有天体。 首先对光谱进行高斯核密度估计, 选取概率最小的5 000个光谱作为稀有类, 概率最大的300 000个光谱作为普通类, 然后进行KNN分类, 同时也将5 000个稀有光谱的K个最近邻也作为稀有的天体, 结果共有21 193条光谱。 为了方便分析, 对这些光谱聚类后进行人工检查。 这些光谱主要包括由于数据缺失、 红化、 流量定标不准引起的问题光谱、 行星状星云、 没有物理联系的光谱双星、 类星体、 特殊白矮星(DZ, DQ, DC)、 碳星、 白矮主序双星、 激变变星等。 通过和SIMBAD, NED, ADS及一些主要的文献交叉验证, 我们新发现了3个DZ白矮星、 1个白矮主序双星、 2个伴星为G型星的激变变星, 3个激变变星的候选体、 6个DC白矮星, 1个DC白矮星候选体和1个 BL Lacertae(BL lac)候选体。 还发现了1个有CaⅡ三重发射线和MgⅠ发射线的DA白矮星和1个光谱上表现出发射线的晚M恒星但测光图上像是一个星云或星系。
核密度估计 K-近邻 稀有天体 数据挖掘 Kernel density estimation KNN Rare celestial objects Data mining SDSS SDSS
1 北京理工大学 光电成像技术与系统教育部重点实验室, 北京 100081
2 华北光电技术研究所, 北京 100015
3 北京控制与电子技术研究所, 北京 100038
提出一种基于核密度估计的时-空域滤波算法, 用于红外搜索跟踪系统图像的背景抑制。算法分为空域滤波和时域滤波两部分。在空域滤波中, 采用核密度估计算法对背景进行平滑；在时域滤波中, 采用核密度估计算法对经过空域滤波后的图像灰度值进行概率计算, 判别属于背景残差的灰度值, 然后做进一步的滤除。核方法对背景有很好的光滑性且易于计算机实现, 实验表明, 这种非参方法设计的时-空域滤波算法对背景杂波有非常良好的抑制效果, 信噪比也得到明显提高。
核密度估计 时-空域滤波 红外背景抑制 红外搜索跟踪系统 kernel density estimation temporal-spatial filtering infrared background suppression infrared search and track system 强激光与粒子束
2015, 27(5): 051005
