国内机场目标识别研究现状与展望

介绍了基于跑道检测的机场识别、基于结构特征的机场识别和基于模板匹配的机场识别,并结合图像的类型和图像的分辨率对各识别方法进行分析和比较,讨论了机场识别的关键技术和应用难点,并提出了对该问题的思考和进一步研究的设想.     

基于改进SVM的红外成像目标识别模型构建及仿真

针对当前红外成像目标识别模型识别准确率低的问题,提出基于改进SVM的红外成像目标识别方法。对红外成像进行热辐射先验增强后,分别采用EMC和LGS方法对进行图像局部、全局特征增强;之后构建显著性增强模型,并通过随机游走法实现目标显著性增强;最后基于改进SVM算法进行红外成像目标识别仿真实验。实验结果表明,提出的显著性目标检测方法准确率召回率比达到0.8,对比于其他算法高出了0.6,平均误差仅为0.14,均低于其他算法。成本代价为0.95时,本分类器的分类器错误率降到最低值,目标识别准确率高达93.27%,由此说明本分类器可实现红外成像的目标准确识别和分类。     

用于多目标检测与识别的视觉系统研究

本文以人机博弈系统作为实验手段，复普通廉价的摄像机实现了视觉的检测，着重讨论了目标物体的分割与畜产品     

基于对比度检测和识别目标的研究

目标检测和识别是图像分析中的一个难点.本文根据光电知识和相关理论,提出了基于对比度的目标检测和识别.该研究利用二值化、去噪等较成熟的技术,实现目标的检测和识别,在实用中具有广阔的应用前景.     

光学遥感图像舰船目标检测与识别综述

遥感图像舰船目标自动检测与识别是遥感图像处理与分析领域备受关注的课题, 其核心任务是判断遥感图像中是否存在舰船目标,并对其进行检测、分类与精确定位, 它在海面交通监控、船只搜救、渔业管理和海域态势感知等领域具有广阔的应用前景. 本文主要围绕光学卫星遥感图像中的舰船目标自动检测与识别, 分析舰船目标检测与识别面临的难点问题, 综述当前光学遥感图像舰船检测与识别的主要处理方法, 在此基础上指出研究中尚存在的问题并展望未来的发展趋势.     

一个高性能的自动目标识别算法

提出了一个高性能的自动目标识别算法,该算法基于遗传算法,在算法中需要提取目标的位移、旋转和比例不变特征,算法具有较强的容错性和抗干扰能力,不仅能够对各类形状有一这差异的目标进行分类,而且对部分缺损或有噪声污染的目标也能够正确进行分类,实验结果证明了算法的有效性。     

基于目标检测网络的交通标志识别

在无人驾驶和驾驶辅助领域,交通标志识别是非常重要的.利用YOLOv4算法的实时性检测效果,本文提出了一种基于YOLOv4的交通标志识别框架,主要识别LISA数据集中的四种交通标志:禁止标志、行人通过标志、前进标志、限速标志,为了进一步提高YOLOv4的实验性能,采用K-means算法对实验数据进行聚类分析,确定适合LI...     

基于卷积神经网络的目标识别算法研究

随着时代的快速发展,对于监控视频处理,传统人工处理方式已不能满足社会实际发展需求。智能监控依靠目标检测实现监控,目标识别成为计算机视觉领域的重要研究方向,主要从图像或者视频中检测某一类别的目标。基于此,分析卷积神经网络目标识别算法,研究目标检测算法存在的问题,并提出相应对策,有效提高检测算法的有效性和精确度,从而推动智能视频监控的快速发展和广泛应用。     

基于特征融合的遥感图像机场掩体目标检测方法研究

提出了一种融合位置特征和形状特征的机场掩体目标检测方法。以形态学方法提取机场道路的骨架图,然后用道路网的拓扑关系提取掩体目标的位置特征——断头路,用轮廓序列矩检测断头路区域内构筑物形状特征,实现对机场掩体目标的融合检测。并以高分辨率遥感图像为例进行了飞机掩体目标的检测实验,结果表明,该方法能较好地检测机场掩体目标。     

基于视点跟踪的感兴趣区检测方法

针对目前基于内容的图像检索系统中,难以客观弥补语义鸿沟的问题,提出了一种利用视点跟踪技术检测感兴趣区的方法.人眼注视运动传递了大量反映个体心理活动的信息.通过实时捕获人眼的注视点,客观地获得用户兴趣信息,根据注视点位置计算用户兴趣度,最终提取图像感兴趣区.本文提出了一种低复杂度的实时视点跟踪方法,定义了兴趣度的度量公式,并建立了一套基于视点跟踪的感兴趣区检测实验平台.实验结果表明,该方法可以有效地提取用户感兴趣区,弥补语义鸿沟.     

一种基于颜色特征的感兴趣目标提取方法

针对现有的感兴趣区域(ROI)提取方法边缘不清晰、区域不完整等问题,提出一种ROI提取方法.首先采用颜色局部特征的信息量大小衡量兴趣度的大小,然后融合颜色特征信息量图获得图像的显著图(SM),再进行阈值分割,得到显著值大的区域,即ROI.实验结果表明,该方法能有效地提取出感兴趣的对象,SM中目标区域的显著值均匀、边缘清晰;与人工标记的ROI比较,该方法召回率为79.71％,精度为78.53％,优于已有的ROI提取方法.     

基于限定区域和Hough变换的车道线的检测方法

车道线检测和预警是智能车辆视觉导航系统中的重要组成。为提高检测的实时性,提出一种基于限定区域Hough变换的车道线检测方法。首先利用车道线角度和范围的约束对车道线进行的限定区域划定,然后在区域内检测到符合条件的车线时再进一步建立动态ROI区域,使区域最小化,减少图像空间中被投票的目标点数,缩小Hough变换的投票空间。针对不同的光照情况,根据图像的平均灰度值来设计自适应预处理步骤,提高了算法抗干扰性。实验结果表明,在结构化的高速公路上,算法具有较好的实时性和抗干扰性。     

基于Harris兴趣点区域的图像拷贝检测算法

提出一种使用Harris 兴趣点的拷贝检测方案.首先通过Harris检测器提取图像的局部特征点,然后构建以Harris兴趣点为中心的多重圆环区域,并计算圆环区域的信息熵,作为特征向量,通过比较特征向量之间的距离,判断局部领域的相似性.最后通过特征点的全局一致性检测,判断检测图像是否为原始作品的拷贝.实验表明该拷贝检测方法对图像的几何变换具有很强的鲁棒性,同时也能抵抗大多数的信号处理攻击.     

一种基于感兴趣区域元数据的视频转码方案

提出一种面向客户端带宽与设备受限的视频数据转码方案。首先,获取并存放与视频资源相关的用户感兴趣区域(ROI)元数据。然后,在视频传输阶段,根据客户端的带宽、处理器处理能力、功耗的不同情况,参考ROI信息,将原始视频进行转码。转码后的视频流仍会保持较好的主观观看效果。     

基于运动区域的多目标检测

运动目标的检测在天文观测、气象分析、安全监视、交通管制等许多领域有着广泛的应用，它是机器视觉研究的重要课题。本文提出了基于运动区域的多目标检测方法，有效地解决了同一运动目标在序列图像中“远小近大”的问题，运用运动区域正确地检测出运动目标在序列图像中的位置。     

基于感兴趣区域的水印算法

在图像中,ROI(region of interest)所指的是图像的感兴趣区域,也就是图像中对于观察者而言信息最为丰富的地方.因而对于感兴趣区域的水印嵌入一直是数字水印研究的重点和难点.本文以基于小波变化和奇异值分解的水印为基础的嵌入方法,在感兴趣区域嵌入鲁棒性水印,用于作为图像的版权认证,使得水印具有较强的鲁棒性和不可见性.     

一种基于区域检测的图像检索相关反馈方法

提出一种基于用户兴趣区域检测的图像检索相关反馈学习方法,利用用户反馈为正相关的图像进行学习,进而猜测用户意图,获得更令用户满意的检索结果。该反馈学习方法的框架如下：1）对正相关的反馈图像与查询图像进行特征匹配;2）对匹配的特征使用RANSAC模型进行校准;3）进行区域选取。在选取了兴趣区域以后,可以将该区域直接抠取或将其中的特征点权值增强作为新的待查图像进行检索,提高检索的精度。实验表明本文方法可以返回更符合用户心意的检索结果。     

基于感兴趣区域的H.264视频加密算法

为了解决现有的基于H.264的加密算法无法满足安全性和加密效率之间较好折衷的问题,提出两种基于感兴趣区域的H.264加密算法,将感兴趣区域的提取和基于熵编码的H.264加密算法相结合,只对提取出来的感兴趣区域进行加密.设计了一种基于人脸检测的加密算法,并通过修改模式选择算法,去掉了使得非人脸区域参考人脸区域的帧间宏块预测类型,解决了由帧间预测引起的人脸加密区域变形的问题.将运动对象的检测与提取和H.264的编码过程结合,设计了一种基于运动对象检测的H.264加密算法.实验结果表明,这两种加密算法能够在不降低算法安全性的情况下获得安全性和加密效率之间的较好折衷,可以满足实时应用的需求.     

基于功能区划分的出租车热点区域发现方法研究

针对城市出租车分布不合理的问题,提出了一种基于功能区划分的出租车OD热点区域发现方法。首先对出租车的原始OD点进行提取,使用改进的DB-SCAN算法对功能区中的出租车OD点进行聚类,并用卡方分布的统计学方法得出热点区域。该方法的准确性和可信性可通过两个指标评估,覆盖率和命中率。实验结果表明,该方法能够有效地发现和预测不同时间段、不同功能区的出租车OD热点区域。