基于对象层匹配的多时相移动测量变化检测理论与方法

移动测量（MMS）技术是大比例尺道路电子地图测制的发展趋势。基于MMS的地图数据更新自动化程度低，是处理的瓶颈。现有的图像变化检测理论与方法不适用于MMS数据，即多目可量测图像(DMI)序列。课题提出基于对象层匹配方法，通过对比新MMS数据和历史MMS数据以及历史地图数据，自动筛选出多时相MMS数据中蕴含的地图对象的变化。开展三方面研究：(1)多目DMI序列中感兴趣对象的信息提取；(2)不同时相DMI图像序列间的对象层匹配检测；(3)地图数据与DMI序列间的对象层匹配检测。课题通过对象层匹配实现变化检测克服了多目DMI图像序列间无法精确2D配准的问题；利用历史MMS数据处理中的人工判读成果，扩大了自动处理的能力；利用多目可量测时空体描述对象，提高了对遮挡的鲁棒性和对3D对象的适应性。研究成果将拓展现有变化检测理论和方法，推动MMS技术的发展。

基于对象层匹配的多时相移动测量变化检测理论与方法从 2009 年1 月开始，为期三年。针对申请书中提出的基于对象层匹配的多时相移动测量变化检测的研究思路开展了深入的研究。在DMI序列对象检测、DMI序列对象跟踪以及DMI序列对象分割的进行了重点研究。对象检测是对象提取的起点和支撑；对象跟踪获得对象的时空连贯性；对象分割得到对象在序列中的时空区域。.主要成果包括：..提出了一种预筛选Hough森林对象检测算法。针对现有的Hough森林算法存在的随机采样图像块样本利用效率低、无效样本干扰大的问题，提出了基于表述质量的随机样本预筛选思路。..在低帧频图像序列对象跟踪方面，针对大尺度变化的难题，提出了一种基于核的变尺度对象跟踪算法（SIKBOT）。..在低帧频图像序列对象跟踪方面，针对对象形状不规则的难题，提出了一种基于对象形状的Epanechnikov核函数（形状核）并用于本文提出的SIKBOT方法中，形成SK+SIKBOT方法。..针对低帧频图像序列对象分割中的错误累积问题，提出了一种时空Grab Cut算法。建立了对象/背景统计分布的帧间传递机制，将Grab Cut图像分割算法的不完整标记与迭代式估计的思想推广到图像序列对象分割中。..在基于运动分析的运动对象检测方面，提出了一个基于多视几何约束的运动成像平台近景视频运动对象检测处理框架。..在基于无监督统计学习的运动对象检测方面，提出了一种基于动态主题发现的运动成像平台近景视频运动对象检测处理算法。..在基于有监督统计学习的运动对象检测方面，以运动成像平台近景红外视频数据中的行人运动对象为例，提出了一种基于判别式模型的特定类别运动对象检测算法。.从获得批准日起至2012 年12 月共发表论文26篇，其中SCI 检索11篇。培养硕士研究生3 名，博士研究生3名。