基于边缘增强MSER的模糊检务文本检测

为了可以从模糊检务图像中高效、准确地提取文字信息,本文提出了基于边缘增强的最大稳定极值区域(maximally stable extremal regions, MSER)算法和免疫遗传(immunogenetic algorithm, IGA)优化支持向量机(support vector machine, SVM)的多特征自适应权重融合相结合的方法来提取模糊检务图像中的文本。利用边缘增强的MSER算法对图像文本进行检测,将所检测出的MSER进行合并得到文字候选区域;为了滤除候选区域中的非文本区域,采用特征融合公式对图像的3种特征进行融合,然后采用IGA优化SVM分类器寻找最优参数,最后将候选区域送入训练好的分类器滤除非文本。实验结果表明,相较于其他算法,本文算法有更高的真阳率与更低的假阳率,针对模糊检务图像文字提取具有更高的准确性。     

基于组合区域形状特征的物体检测算法

该文提出了一种基于组合区域形状特征的物体检测算法,通过图像分割后各个区域之间的关系,组合选取候选目标,提取候选目标夹角链码和弧弦距比特征,构造并联支持向量机分类器。算法对分割要求不高,可对模糊和低对比度的图像目标进行正确检测。通过在ETHZ图像类库上对算法进行测试,验证了算法的准确性。     

基于支持向量机的飞机图像识别算法

研究了一种基于支持向量机的飞机图像识别算法。采用基于神经网络的图像边缘检测方法,该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练。提取具有RST不变性的轮廓特征向量,输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验,实验表明基于支持向量机的飞机图像识别算法具有更好的性能。     

基于分级判断的行人检测

传统的目标检测方法需要对大量候选窗(区域)做判 断,需要较大的计算量。本文根据 人体特点,提出了一种基于分级判断的方法,需要判断的候选窗逐级减少,因此可以大量减 少复杂特征和 分类器需要判断的候选窗数量,进而减少整个检测算法的计算量。算法首先对待检测图像提 取NG(norm of gradients)特征,通过线性支持向量机(SVM)判断得到行人的候选区域;然 后对候选区域提取简化 梯度方向直方图(HOG,histograms of oriented gradients)特征,采用线性SVM对候选区域 进一步的过滤;最后对经过过 滤筛选得到的区域提取多分辨率HOG特征,使用可变形部件模型(DPM,deformation part mod el)对候选区域进行检测定位行人的位置。在INRIA数据集上的实验结果表明,本文方法在保 证检测精度的情况 下,虽然相比 于原始DPM算法有少数的行人漏检,但是本文方法的检测结果中行人误检数目远少于原始DP M算法,检测速度也优于原始DPM算法。     

基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提,针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战,提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法.该方法首先采用简单线性迭代聚类算法将遥感图像分割为像素块,再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测.层次支持向量机的第一层将像素块初步...     

大数据驱动的红外移动目标检测

为了精准检测移动目标，提出一种大数据驱动的红外移动目标检测方法。采取空间滤波法预处理红外图像，抑制红外图像背景、增强图像内移动目标边缘，采用Seletive Search策略，通过区域划分算法划分预处理后红外图像为若干块小区域，提取若干个红外移动目标候选区域；为避免相邻红外移动目标候选区域图像间存在帧间差异及虚警，影响移动目标中心位置检测效果，提取移动目标候选区域的灰度特征，并结合运动特征建立加权融合特征，精准定位移动目标候选区域，将移动目标候选区域输入卷积神经网络，网络输出结果即为检测到红外移动目标，利用损失函数判定该目标是否为真实移动目标。实验研究表明：所提方法能够精准定位红外移动目标候选区域，检测出红外移动目标，检测性能较好，拥有较强的收敛性。     

基于直线邻近平行性和GBVS显著性的遥感图像机场目标检测

现有的全色遥感图像机场目标检测方法,对机场目标的直线特征利用得非常有限.提出一种同时利用自顶向下和自底向上显著性机制的新方法.利用线段检测算法检测直线,通过跑道线段间邻近、平行且长度范围一定的特点,提出了邻近平行性的概念,可以深度挖掘机场跑道几何关系的先验知识.同时使用简化的基于图的视觉显著性模型,提取自底向上的显著性.两者协同得到机场的候选位置.最后,通过尺度不变特征变换提取特征,利用支撑向量机进行判决,可以精确定位机场目标.在具有各种类型的机场图像数据库上的实验结果表明,相对于其他方法,所提议算法具有速度快、识别率高、虚警率低的优势,同时对于复杂背景具有更强的鲁棒性.     

一种多光谱红外舰船目标融合检测方法

针对复杂岸岛背景下的红外舰船目标检测问题,提出了一种多光谱融合红外舰船目标检测方法。首先根据不同谱段信息相互间的关系进行基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform, NSCT)域的多级多光谱图像融合,然后利用LSD线段检测和聚类对融合后的图像进行岸岛线检测。采用选择性搜索算法生成初始目标候选区域,然后结合岸岛线空间位置以及舰船目标的几何特征和灰度特征约束剔除部分虚假目标区域,最后提取候选区域的方向梯度直方图(Histogram of Oriented Gradient, HOG)特征算子。利用线性支持向量机(Support Vector Machine, SVM)分类器进行分类识别,以检测出真实舰船目标。实验结果表明,与单谱段红外舰船目标检测方法相比,本文方法在检测精度上有较大提升。     

基于文字穿越线和笔画连通性的 视频文字提取方法

 视频文字自动提取对提高视频内容的整体理解程度具有重要意义.在复杂背景下,现有提取方法难以稳健地定位文字和有效抑制背景干扰.我们提出一种复杂背景下稳健的视频文字提取方法,首先利用小波变换和非监督聚类方法获得候选文字区域;其次,引入穿越线及其幅度谱概念,通过提取穿越线特征进行聚类定位单行文字;最后,充分考虑到文字笔画的连通性,引入重线概念,通过检测重线获取文字像素关键点,从关键点出发进行区域生长,结合启发式规则,完成二值化过程.实验表明,该方法能够在复杂背景下得到较理想的文字二值化图像,不受文字颜色、字体、大小等因素的影响,性能优于文献[7]和文献[8]提出的方法.     

单目视觉下结构化车道实时检测

车道检测是高级驾驶员辅助系统的重要组成部分。本文对视频进行实时处理，实现对结构化车道线的实时检测。首先使用行方向的Sobel算子对处理区域进行边缘增强，接着在处理后的区域使用LSD(Line Segment Detector)进行线段提取，提取的线段集合包含代表车道线的线段。最后通过线段倾角以及相对位置过滤线段集合，并结合线段稳定帧数来筛选出最佳候选车道线。