排序方式: 共有10条查询结果,搜索用时 62 毫秒
1
1.
在远程红外探测系统中,背景为缓慢变化的天空,而目标则表现为局部奇异点。目标灰度分布范围大,局部较亮,边缘与背景对比度低。根据这一特性,提出了一种基于局部直方图的目标分割算法。文中分析了多个目标的直方图分布特性,根据其灰度分布规律和像素个数判决条件实现了目标的有效分割。该算法适用于空域背景下的飞行目标分割。经过仿真验证表明,本文所提出的算法能快速有效地分割出红外飞行目标,有很强的实用性。 相似文献
2.
传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取,由于预设模板比例相对固定,当行人因衣着增减、随身携带物品及姿态改变等原因使其轮廓比例发生较大变化时,往往会导致算法失灵而出现漏检现象。而基于深度学习的目标检测则通过对大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样特征的学习。因此利用深度学习目标检测算法进行红外图像行人检测应用的研究可以弥补传统检测方法的不足。YOLOv3是目前性能较为均衡的识别算法,本文在分析YOLOv3系列算法的原理和特点的基础上提出了一个新的改进算法模型——Darknet-19-yolo-3,在几乎不损失检测精度的条件下提升检测速度,一定程度上实现检测准确率和速度的相对平衡。 相似文献
3.
随着人工智能技术的快速发展,智能车辆辅助驾驶系统已经逐渐走进人们的生活。基于可见光成像的智能车辆辅助驾驶系统虽然日趋成熟,但是其受限于可见光成像条件的制约,在黑暗、雨雾等条件下,使用效果可能大打折扣甚至无法使用。红外智能车辆辅助驾驶系统因成像依靠红外成像设备,使其成为解决这一问题的重要手段而受到广泛关注。但是红外智能车辅系统在一些特殊情况下,如车辆突然提速、应用场景发生较大变化等,其检测及成像实时性可能会受到影响进而导致显示画面卡顿。上述情况的出现会严重影响驾驶员判断甚至行车安全。针对上述情况本文提出了一种自适应隔帧检测算法可以在红外智能车辅系统应用过程中针对不同情况出现的检测速度波动,自主调整检测间隔帧数,以保证检测和成像的实时性。实验证明,该算法对于视频检测速度提升有效,具有一定的实用性。 相似文献
4.
5.
针对传统多尺度变换融合方法不能有效保留红外图像中热辐射信息及高对比度特征,本文提出了一种基于目标增强多尺度变换的红外和可见光图像融合算法。首先,对可见光图像进行预处理,自适应地提高其对比度。其次,对红外和可见光图像分别使用拉普拉斯金字塔(LP)分解为高频以及低频分量。然后,使用分解后的红外低频信息确定低频段融合权重,并引入参数λ控制融合图像中红外信息比例。最后,使用拉普拉斯金字塔逆变换重构融合图像。实验结果表明,所提出的方法可以生成具有明显突出目标和丰富细节的融合图像,并在主观视觉和客观指标上具有更好的表现。 相似文献
6.
基于背景抑制和特征点检测的目标检测算法 总被引:1,自引:0,他引:1
空域远距离红外目标探测系统中,飞行目标多表现为点状或面状的小目标,像素数少,且常伴有低空地面物体的干扰.根据空域和地面在梯度变化上的不同和目标本身的特性,提出了一种基于地面背景抑制和特征点检测的红外空中目标检测算法.分析了地面和空域在梯度变化上的特点,根据梯度变化大的像素的整体统计信息划分了空域和地面在图像中的分布,再通过特征点检测实现了候选红外飞行目标的检测.该算法适用于纯空域和低空背景,经过对实际采集的大量红外图像的仿真表明,本文提出的算法具有很强的实用性和鲁棒性. 相似文献
7.
8.
非制冷红外机芯的原始图像位宽为14 Bit,虽然相对于8 Bit红外图像来说,14 Bit红外原始图像具有灰度动态范围更广、灵敏度更高、包含细节信息更多的优点,但是由于普通显示设备能够显示的最大灰度范围为8 Bit,所以需要对14 Bit原始图像进行压缩,以满足常规显示设备显示及后端图像处理的需求。若压缩算法性能不佳,在图像压缩过程中可能会丢失大量的细节信息,直接影响成像质量。本文提出了一种基于引导滤波的压缩和显示算法,该算法首先利用引导滤波对图像进行分层,根据不同图层的特点和在合成图像中的作用,分别进行增强和降噪处理,使合成图片具有良好的显示效果。通过与常用算法的仿真对比实验,以及对视觉效果和定量评价参数两个方面的实验结果分析,本文所提出算法在压缩和图像处理的性能表现上均获得一定程度的提升。 相似文献
9.
10.
智能设备对行人和车辆的目标检测对于建设智慧城市有着重要的意义。随着红外技术的发展和普及,红外成像科技具有强抗干扰和全天候的特性,被越来越多地用于解决可见光受限环境带来的问题。论文提出了一种改进YOLOv4深度学习算法对红外图像下的行人车辆进行检测。改进的YOLOv4算法加入了CA注意力机制模块,将位置信息嵌入到通道注意中,增强了对感兴趣区域的表示。此外还设计了CSP2-DBL模块,替换了原本简单的卷积模块叠加,对高分辨率特征性信息的做出了弥补。为了进一步提高网络计算速度,减少计算量,针对红外图像特性,对Head部分进行了裁剪。实验结果表明改进后的模型在FLIR红外数据集上较YOLOv4模型在mAP上提高了0.85个百分点,检测速度提升了2 f/s。 相似文献
1