tequila的博客

本文研究了行人轨迹提取与密度分析方法，提出基于最近邻高斯核的密度估计器，能有效保留多人群的空间结构并适用于稀疏数据场景；同时分析了数字化图像中质心法测量圆形目标中心的精度，探讨了量化位数和圆直径对误差方差的影响。研究表明，当量化位数≥6时精度提升趋于饱和，且测量误差随直径增大而减小。研究成果在人群行为分析、摄影测量与工业检测等领域具有广泛应用价值。

本文提出了一种基于动态行人图的鲁棒事件检测方法，结合隐马尔可夫模型（HMM）分析行人之间的交互行为，并通过HMM缓冲区增强对拓扑变化和密度波动的适应能力。同时，介绍了一种半自动化的行人轨迹提取方法，基于针孔相机模型从多视角视频中恢复行人在地面的世界坐标，并生成平滑轨迹。为进一步分析人群行为，采用最近邻核密度方法估计行人流量的连续密度分布。实验在真实场景和受控实验中验证了方法的有效性。未来工作将聚焦于更高层次的图分析、自动生成轨迹的优化以及适用于宏观与微观模型的统一密度定义。

本文提出一种基于行人交互图和隐马尔可夫模型（HMM）的事件检测方法，利用行人轨迹数据提取速度、距离变化和局部密度等运动特征，构建简单运动模式，并通过HMM对模式序列进行建模分析。引入动态行人图与高斯加权边机制，有效降低计算复杂度并增强对人群交互的敏感性。结合HMM缓冲机制，提升系统对行人短暂分离的鲁棒性。实验结果表明，该方法在复杂拥挤场景中能准确检测站立、排队、行走、跑步、分散和汇聚等行为模式，具备良好的实时性与稳定性，适用于大型公共活动的安全监控。

本文提出了一种适用于运动平台的统计无偏背景建模方法，有效应对注册误差和光照变化，提升了动态场景下的背景建模性能。同时，针对高空航拍图像中人员尺寸小、数量多、干扰多等挑战，设计了融合阴影信息与多类特征的检测器，并结合改进的分类器训练与迭代贝叶斯跟踪框架，实现了对大量人员的鲁棒检测与短时轨迹跟踪。实验验证了方法在复杂真实场景中的有效性，未来将通过优化空间连通性、引入复杂稳定方法和扩展轨迹完整性进一步提升性能。

本文深入探讨了条件随机场（CRF）在城市场景分类中的应用，以及移动平台下统计无偏背景建模的技术方法。通过与SVM和MRF对比，CRF在分类准确性和完整性上表现优异，尤其适用于复杂城市场景的精细分类。同时，针对移动平台在非静止场景下的背景建模难题，提出了一种基于双高斯混合模型和无偏方差更新的优化方法，有效提升了背景建模的鲁棒性与适应性。文章还分析了技术优势、实际应用场景及未来挑战，为计算机视觉与遥感领域的研究与应用提供了重要参考。

本文提出了一种基于条件随机场（CRF）的城市场景点云分类方法，利用全波形（FW）LiDAR数据的丰富属性进行高精度分类。该方法采用基于点的分类策略，避免传统分割带来的信息丢失，保留小对象细节，并通过构建圆柱形邻域图结构建模空间上下文关系。结合几何与辐射特征，使用广义线性模型对关联势和交互势进行建模，通过L-BFGS优化训练权重，LBP算法进行推理。实验在Bonnland和Kiel两个真实数据集上进行，交叉验证结果显示总体准确率分别达到94.3%和89.3%，优于SVM和MRF方法。研究还分析了邻域大小对分类

本文研究了多视角图像在目标空间中的监督分类方法，以及利用全波形激光雷达数据进行城市场景分类的技术。通过计算图像和3D点云特征，并将其投影到体素中，采用AdaBoost和随机树等监督分类算法进行实验比较，结果表明随机树在多数场景下表现更优且具有良好的可迁移性。同时，引入条件随机场（CRF）结合上下文知识对全波形LiDAR数据进行城市场景分类，显著提升了分类准确性。文章还探讨了未来在3D邻域关系建模、多传感器数据融合和实时处理等方面的研究方向。

本文研究了建筑立面图像区域分类与多视角图像三维分类在地震灾害评估中的应用。在建筑立面分类中，采用随机决策森林结合局部特征与CRF优化，提升了分类精度；在多视角三维分类中，提出将图像特征与三维几何信息融合并投影到体素空间进行分类的方法，利用Pictometry倾斜航空图像对海地太子港震后建筑损坏情况进行分析，显著提高了分类准确性。研究涵盖了从图像预处理、体素构建、分割增强到机器学习分类的完整流程，并展望了模型优化、特征融合及应用拓展方向。

本文研究了城市区域中机载分米级分辨率SAR干涉测量与建筑立面图像区域分类两大关键技术。在SAR干涉测量方面，探讨了正向与反向地理编码方法的原理与应用，分析了雷达阴影、叠掩及数据质量对高度重建的影响，并验证了多视角数据在提升覆盖范围方面的优势。在建筑立面分类方面，提出基于随机决策森林（RDF）与条件随机场（CRF）相结合的分类框架，利用eTRIMS数据库进行实验，结果显示CRF细化使分类准确率从58.8%提升至65.8%。研究表明，结合多视角SAR数据与高精度导航可改善三维重建效果，而增加训练样本和优化特征提

本文探讨了基于机载激光扫描（ALS）数据的城市区域变化检测方法与机载分米级分辨率合成孔径雷达干涉测量（InSAR）技术的应用。通过Dempster-Shafer证据理论融合多源ALS数据，实现对建筑物增减、车辆移动等变化的高效检测，并结合占用网格模型处理遮挡与未知空间。同时，介绍了MEMPHIS SAR系统及其在高分辨率地形测绘中的干涉预处理流程，包括图像配准、干涉图生成、多视处理、相位解缠等步骤。实验结果表明该方法能有效识别城市动态变化，尤其在剔除植被干扰后可突出人造结构的变化，具有良好的实时性与并行化潜

本文提出了一种基于多视角和多时态机载激光扫描（ALS）数据直接比较的城市区域变化检测方法。通过引入空空间信息并借鉴机器人映射中的占用网格概念，利用Dempster-Shafer证据理论进行空间占用建模与多源证据融合，实现了对建筑物出现、消失、车辆移动等变化的高效识别。方法分为数据库创建与任务执行两个阶段，支持实时处理，适用于应急服务、导航辅助等短期操作场景。实验结果表明该方法具有较高的检测准确率，具备良好的应用前景。

本文详细介绍了一种基于稀疏表示的数字高程模型（DEM）融合方法，涵盖字典构建、权重计算、融合流程及实验验证。通过在瑞士图恩地区的多源DEM数据融合实验，验证了该方法在提升地形精度方面的有效性，尤其在中高坡度和粗糙度区域表现显著。文章还分析了不同融合组合的效果，并指出了当前方法的局限性与未来改进方向，为地理信息处理提供了有力的技术支持。

本文研究了不同立体匹配代价（MI、Census 和 MIC）在遥感影像中的性能表现，发现 MIC 在多种条件下综合性能最优。同时提出一种基于稀疏表示的数字高程模型（DEM）融合方法，通过构建高低分辨率字典、引入空间权重与块一致性约束，将融合问题建模为 ℓ₁ 正则化最小二乘问题，并采用正交匹配追踪（OMP）算法求解。实验表明，该方法能有效提升 DEM 的精度与完整性，显著降低 NMAD 和坏像素比例。未来方向包括多传感器融合、实时处理、复杂地形优化及不确定性分析。

本文研究了立体匹配中的不同成本函数性能，并提出了一种基于FastFPS的表面分割算法。通过对Census、Mutual Information（MI）和MI-Census（MIC）在航空与卫星图像上的实验对比，分析了各匹配成本在不同基线长度和辐射条件下的表现特性。结果表明，MIC在大基线和复杂辐射条件下具有更强的稳健性。同时，表面分割算法在含噪声的真实数据中表现出良好的边缘保持能力。研究对遥感、城市建模、机器人导航及AR/VR等应用具有重要意义。

本文详细介绍了一种基于快速行进（Fast Marching）和最远点采样（Farthest Point Sampling）的鲁棒表面分割方法，适用于三维点云数据的自适应、保边分割。通过引入基于曲率的距离度量、鲁棒法线估计和颜色等多特征融合，结合增量/减量搜索策略与成本函数优化，该方法能够自动确定最佳分割段数，在房屋、城市、小屋和建筑物等多种真实数据集上表现出良好的分割效果。实验结果表明，该方法在保留边缘结构的同时具备较强的抗噪能力，尤其适用于低噪声、几何特征明显的场景。未来可通过优化距离度量、改进搜索策略及

本文详细解析了红外建筑纹理中的窗户检测方法与基于快速行进的鲁棒表面分割技术。窗户检测通过行调整、标准化掩膜相关和网格补全实现，适应三层及以下建筑，具备较强灵活性但受遮挡和热泄漏影响；表面分割采用FastFPS与成本函数优化，实现边缘保留的均匀分段。两种方法在建筑能源评估、城市三维建模和智能管理中具有广泛应用前景，实验结果显示检测完整性和正确性均达约80%，仍有优化空间。

本文探讨了非森林树木地上生物量（AGB）的评估方法与红外图像中窗户检测技术。在生物量评估方面，基于3D分割与LiDAR数据（FWF、F+L、FPL）的回归分析显示，FWF数据因点密度高且多为有叶条件下采集，结果更优；而部分样地因分割段不足导致结果不可靠。在窗户检测方面，提出一种结合局部动态阈值、形态学操作、行调整、掩码相关与网格完成的算法，有效应对红外图像中窗户模糊、反射等问题，在测试中达到79%完整性和80%正确性。未来方向包括多源数据融合、深度学习应用与实时处理系统开发。

本文研究了基于机载和地面LiDAR数据的非森林树木提取方法，用于提高地上生物量评估的精度。通过归一化数字表面模型（nDSM）和3D归一化割分分割两种方法，结合TLS、FWF、F+L和FPL等多类型LiDAR数据，对不同样地类型的植被体积与生物量关系进行了分析。结果表明，TLS和全波形LiDAR（FWF）数据在体积估计和分割效果上表现更优，能提供更稳定的体积-生物量转换因子。研究还通过回归分析与交叉验证评估了生物量估算模型的精度，为非森林树木生物质资源的可持续利用提供了技术支撑。

本文提出一种基于多光谱假彩色的自动化阴影检测算法，充分利用近红外（NIR）波段信息，通过将RGB图像转换为NIR-R-G假彩色空间并结合HSI颜色空间分析，有效增强阴影区域的可区分性。算法采用S-I差异图与(S-I)/(S+I)比率图进行特征提取，结合大津法自动阈值分割及NDVI植被去除，实现高精度阴影检测。实验结果表明，该方法在多种高分辨率遥感图像上表现稳定，尤其适用于建筑检测等遥感应用。尽管存在对水体和深色物体误检的问题，但其自动化程度高、适应性强，具备广泛的应用潜力，如城市规划、农业监测与灾害评估等。

本文介绍了一种基于地面图像的山墙屋顶自动检测方法，旨在完善三维城市模型中的建筑屋顶分类。该方法通过侧屋顶边缘和水平屋顶边缘的两阶段检测流程，结合形态学滤波、Canny边缘检测与霍夫变换等技术，实现对山墙的识别。针对当前方法在植被遮挡和复杂立面结构下的漏检问题，提出了去除植被、识别天空区域、融合地面激光数据以及扩展至多山墙场景等改进思路。实验结果显示算法对误检具有较强鲁棒性，未来可通过多源数据融合进一步提升检测精度。

本文介绍了一种基于立体视觉移动测绘系统的图像序列处理方法，旨在实现稳健且精确的单目3D测量。通过利用高重叠度的立体图像序列，结合惯性导航系统（INS）与全球导航卫星系统（GNSS）提供的外部定向参数，提出了一种在图像序列中自动匹配控制点、连接点和特征点的算法。该方法首先在立体对内采用互相关与最小二乘匹配（LSM）进行亚像素级匹配，并利用深度图限制搜索空间；随后在序列中通过3D空间交会与投影实现特征传播，比较了两种模板传播策略。实验结果表明，图像空间匹配精度达0.2–0.3像素，对象空间内部精度可达亚厘米级，

本文介绍了一种精细化的非刚性全景图与激光雷达配准技术，针对在不同时间采集且存在场景变化的数据进行高精度自动对齐。方法结合SIFT特征的稀疏重建、分段刚性ICP和束调整实现初始配准，并利用激光雷达反射率生成强度图像进行特征匹配，进一步优化配准结果。实验表明，该方法能将配准误差降低至约2厘米，接近人工标注的地面真值精度，具备良好的实用性与扩展性，未来可融合更多传感器数据和高级特征提升鲁棒性。

本文探讨了航空影像线匹配重建与全景图像序列到LiDAR点云的非刚性配准方法。提出的线匹配方法通过引入冗余度量和核线排序约束，在保持高正确率的同时显著提升了匹配完整性，并实现了稳定的重建精度。配准方法结合非刚性ICP与束调整框架，有效解决了分开采集数据时的累积误差问题，支持城市规划、灾害评估、GIS及智能交通等应用。未来可进一步优化算法并拓展多数据融合与实际应用场景。

本文深入解析了递归平铺的可靠图像匹配技术与UHR航空图像三元组的带内线段匹配与重建技术。前者在提高匹配准确率方面表现优异，但处理速度较慢；后者利用单条带图像的光度优势，有效解决了近乎平行于极线的线段重建难题。文章详细介绍了线段提取、成对匹配、三视带内匹配及立体重建流程，并通过实际测试验证了方法的有效性。未来发展方向包括提升处理速度、增强鲁棒性、拓展应用领域以及改进极线几何处理能力，为图像匹配与三维重建提供更强大的技术支持。

本文提出了一种基于递归分块的可靠图像匹配方法，旨在解决传统宽基线匹配在高分辨率、大尺度差异和重复纹理场景下的局限性。该方法通过递归分割图像并估计每个图块的局部投影变换，显著提高了匹配数量和正确率。结合Wallis滤波、RANSAC单应性估计、归一化互相关验证和最小二乘法细化，算法在多个真实数据集上表现出优于标准SIFT和Bundler的性能。实验表明，该方法能有效控制错误匹配，提升相对定向与光束法平差的鲁棒性，适用于摄影测量与工业计量等高精度应用。

本文探讨了不同图像域间的匹配技术，重点研究了LiDAR强度图像与卫星图像之间的配准问题。传统SIFT方法因辐射特性差异大而失效，为此提出了一种结合对数极坐标傅里叶变换（LPFFT）、Harris角点检测和概率密度函数（PDF）描述符的混合匹配方法。该方法采用从粗到细的策略，首先估计并验证相似变换模型，然后进行特征提取与匹配，最后通过RANSAC实现粗差检测与模型优化。实验结果表明，该方法在复杂跨域图像匹配中具有良好的性能和亚像素级精度，为地理空间数据融合提供了有效解决方案。

本文提出了一种基于轮廓对齐的立体相机绝对定向方法，通过寻找对应轮廓、浮动到参考轮廓配准及外部定向三个步骤实现快速且准确的空间对齐。算法利用转向角表示和TF-距离评估轮廓相似性，采用RANSAC优化刚性变换，并通过逆投影计算5自由度的空间定向。实验在医学X射线图像上验证，结果表明该方法具有亚像素精度、高稳定性和快速计算能力，适用于放疗患者对齐等基于模型的注册应用，但受限于无法恢复平面外旋转的第6自由度。

本文探讨了多视角相机系统中两种关键的方向估计方法：基于模拟与真实数据的BT A参数估计和基于图像轮廓对齐的绝对方向确定。前者通过引入先验知识处理奇异运动，在机器人导航等复杂运动场景中表现良好，但受传感器精度和分辨率限制；后者利用轮廓相似性与RANSAC算法实现无对应点情况下的亚像素级配准，适用于X射线成像等特殊场景。文章对比了两种方法的适用性、精度与计算复杂度，并通过实际案例分析展示了其应用价值。未来趋势包括多传感器融合、深度学习应用与实时处理能力提升，为摄影测量与计算机视觉领域提供更高效精准的解决方案。

本文探讨了非重叠视场多相机系统中相互方位的估计问题，分析了不同运动特性（如纯平移和平面受限运动）对参数估计的影响，提出通过引入先验知识到光束平差中以避免临界运动导致的奇异性问题。结合合成数据与实际数据实验，验证了该方法在提升参数估计可靠性与精度方面的有效性，并对未来研究方向进行了展望。

本文提出了一种高效多环闭合视频拼接技术，适用于无人机采集的航空视频流，能够在不依赖高精度导航信息的情况下构建全局一致的拼接图。该方法利用图像间的单应性关系，结合指数参数化和基于特征的调整模型，在批量处理中同时闭合多个环路，有效抑制误差累积。通过严格建模特征提取、跟踪与匹配的不确定性，提升了拼接的统计严谨性。实验表明，该方法计算效率高，适用于灾害管理、监控、导航及全景拼接等场景，具备机载实时处理潜力。未来工作将聚焦自动环路检测与非平面场景下的鲁棒性提升。