共查询到19条相似文献,搜索用时 169 毫秒
1.
2.
为提高复杂动态背景下运动目标检测精度,基于低秩及稀疏分解理论,本文提出一种基于群稀疏的运动目标检测方法.所提方法将观测视频分解为低秩静态背景,群稀疏前景及动态背景三部分.所提方法首先使用伽马范数近乎无偏近似矩阵秩函数,以解决核范数过度惩罚较大奇异值导致所得最小化问题无法获得最优解进而降低检测性能的问题;其次,为利用前景目标边界先验信息以提升运动目标检测性能,每一帧使用过分割算法生成同性区域以定义群稀疏范数并用于约束前景矩阵;再次,为避免运动目标同时出现在稀疏前景和动态背景中,引入非相干项以提升二者可分性;最后,本文利用交替方向乘子方法(Alternating Direction Method of Multipliers,ADMM)求解所得非凸目标函数.实验结果表明,与现有主流运动目标检测算法相比,复杂动态背景下本文所提方法可较好抑制动态背景从而显著提高复杂运动背景下运动目标检测精度. 相似文献
3.
所提方案在传统解析字典算法基础上,加入局部拓扑项用以描述数据之间的结构信息,同时用l1/2范数代替 l1范数作为稀疏约束,从而提高表示系数的稀疏度。在特征提取上,融合了包含丰富运动信息的相互作用力直方图与包含纹理信息的梯度方向直方图,然后用改进的字典对特征数据进行训练,最后通过计算测试样本在该字典下的重构误差来判断测试样本是否为异常样本。在标准行为库UMN(University of Minnesota)数据库上进行的实验证实了算法具有较高的性能。与传统的算法相比,提出的改进的解析字典分类算法在针对人群异常事件中取得了更为有效的检测。 相似文献
4.
针对传统基于鲁棒主成分分析(RPCA)的红外弱小目标检测算法对噪声不敏感,算法运行时间长,鲁棒性不强的问题,提出一种重加权红外小目标图像模型,并用非精确增广拉格朗日乘子法(AIALM)求解。该方法首先将原始红外图像转化为红外块图像模型,然后采用重加权核范数对背景块图像进行约束,较好地保留了背景边缘。针对单纯使用l1范数不能抑制某些噪声或杂波的问题,引入了加权l1范数,进一步增强了目标图像的稀疏性。最后,将红外块图像模型转化为重加权RPCA问题,并用AIALM求解。通过大量实验表明:该算法在抑制背景杂波以及目标检测性能方面要优于其他传统算法。 相似文献
5.
为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%. 相似文献
6.
7.
8.
基于支持向量机的运动目标中人脸检测 总被引:2,自引:2,他引:0
本文提出基于支持向量机的运动目标中人脸检测方法.首先采用高斯马尔可夫随机场(GMRF)模型的分割算法将运动目标与背景分开,然后根据灰度投影定位头部区域,最后在头部区域以支持向量机作为分类器提取特征器官位置,依此裁剪出人脸样本.实验表明该方法是有效的,鲁棒的. 相似文献
9.
10.
扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子(LASSO)的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而,该方法基于高斯白噪声假设,在残余项中主要基于l2范数进行约束。当回波数据中存在重尾分布的噪声时,该方法中的l2范数约束无法有效抑制重尾分布噪声,导致目标分辨能力下降,甚至产生虚假目标。针对该问题,本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先,本文引入一种最小绝对偏差(LAD)-LASSO约束准则以抑制重尾分布噪声;更进一步的,针对模型中存在的正则化参数自适应选取难题,本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后,针对LAD-LASSO非平滑代价函数最优化求解难题,本文提出一种基于迭代重加权最小二乘(IRLS)算法的求解方法,通过将l1范数替换为重加权的l2范数,并在每次迭代中计算权值实现最优求解。仿真结... 相似文献
11.
12.
13.
高能闪光照相中需要研究少数投影数据条件下的非轴对称客体的的密度反演问题。现有利用压缩感知思想的全变差TV类算法虽然考虑了图像的局部相似性,但没有考虑图像的非局部相似性。针对上述问题,文中提出了一种基于组稀疏正则化的全变分重建技术TV-GSR。该技术将组稀疏模型集成于TV框架之下,同时考虑了客体图像的局部相似性和非局部自相似性,充分利用了图像的先验稀疏信息,并利用客体的上、下、左、右4点对称性来降低图像重建的规模,重构精度有所增加,重建速度也更快。仿真实验表明,文中提出的TV-GSR算法提升了图像在无噪声和有噪声情况下的重建精度,对于高能闪光图像和纹理细节丰富的CT图像都有较好的效果,具有普适性。 相似文献
14.
单发多框检测器SSD是一种在简单、快速和准确性之间有着较好平衡的目标检测器算法。SSD网络结构中检测层单一的利用方式使得特征信息利用不充分,将导致小目标检测不够鲁棒。该文提出一种基于注意力机制的单发多框检测器算法ASSD。ASSD算法首先利用提出的双向特征融合模块进行特征信息融合以获取包含丰富细节和语义信息的特征层,然后利用提出的联合注意力单元进一步挖掘重点特征信息进而指导模型优化。最后,公共数据集上进行的一系列相关实验表明ASSD算法有效提高了传统SSD算法的检测精度,尤其适用于小目标检测。 相似文献
15.
16.
地基合成孔径雷达(GBSAR)是一种全天时全天候非接触式大面积区域高精度形变监测手段,在矿区、边坡、大坝等区域的监测具有广泛应用。在封闭空间监测站中对外场进行连续监测时,雷达接收的回波信号会受到封闭空间的强散射信号干扰。近距离强散射信号耦合到雷达接收端形成虚假目标,严重影响成像质量。该文提出使用RPCA算法,在距离多普勒域将回波信号分解为低秩和稀疏两部分,利用距离多普勒域耦合信号的低秩特性,以及场景信号的稀疏特性,将耦合信号与场景信号有效分离。不同于基于PCA的已有耦合信号抑制方法,RPCA对场景回波信号本身没有高斯分布假设要求,这一假设要求在实际中通常是不满足的。此外,该文提出基于相关性分析的RPCA正则化系数优化选择方法,以实现低秩与稀疏的较优分离。该文通过实际GBSAR数据处理验证了方法的有效性,相比于已有的基于PCA的算法,基于RPCA的耦合信号抑制方法能够在保留场景回波信号的同时更好地抑制耦合信号。 相似文献
17.
18.
19.
传统的鲁棒主成分分析模型能较好地解决视频前景检测问题.但是,若该模型的假设条件不能满足,算法性能会变差.针对此问题,本文提出了一种低秩与加权稀疏分解模型,通过对前景矩阵加权以增强其稀疏性.在建立加权矩阵的过程中,采用光流法获取每帧的运动矢量,以区分真实运动区域.其次,进一步提出一种增强模型,通过将加权矩阵作用于观测矩阵及背景矩阵,防止前景与背景的错误分离.实验结果表明,在无噪和有噪的情况下,提出的算法均能有效地分离监控视频中的前景和背景. 相似文献