排序方式: 共有45条查询结果,搜索用时 15 毫秒
1.
将边界优先级的图像修补方法引入GMRF修补模型中,通过对待修补区域边界像素点优先级的计算,确定像素的修补顺序,并和传统GMRF修补算法的修补结果做出比较。实验结果表明,基于边界优先级的图像修补算法对待修补区域包含边缘的图像有较好的修补效果,能够保持图像缺损区域的结构信息。 相似文献
2.
研究了掌纹识别问题,对掌纹图像特征提取、多特征的融合技术作了一定程度的探讨。采用数学形态学方法提取掌纹线特征;基于Gabor滤波器描述掌纹图像的纹理特征。利用掌纹的线特征和纹理特征两个信息分别作两个分类器的特征,利用模糊规则求出各分类器的基本概率分配函数,最后利用D-S证据理论的合成法则对两个分类器的结果进行融合判决。实验结果表明,这种方法是有效的,可行的。 相似文献
3.
光电经纬仪跟踪远距离目标时,在CCD上成像微弱。条带噪声的存在使图像质量下降,掩盖了有效的目标信息,对图像判读造成不利影响。针对条带噪声的功率谱,设计了改进的矩形低通滤波器。首先分析了条带噪声模型及其在频域的分布;然后,介绍了矩形低通滤波器通过加权的方式最大逼近真实噪声而实现噪声滤除的方法,通过实验进行矩形低通滤波器带宽的确定;最后,应用光电经纬仪CCD获得的弱目标图像进行去条带噪声实验,比较该方法与理想低通滤波及高斯带阻滤波去条带效果,结果表明该方法在有效地保留图像基本信息的前提下,获得最佳的去条带效果。 相似文献
4.
一种抗遮挡的运动目标跟踪算法 总被引:12,自引:4,他引:12
提出了一种基于彩色特征的抗遮挡目标跟踪算法。利用mean shift递推寻找当前帧目标的位置,并通过Kalman滤波估计目标状态。选用对目标部分遮挡具有鲁棒性的加权量化彩色直方图作为目标特征的概率分布,用Bhattacharyya系数作为特征相似性度量。提出一种目标遮挡因子,作为目标被遮挡程度的判断根据。当目标严重遮挡后,观测位置不再满足Kalman滤波的条件,采用目标状态量外推取代Kalman状态更新来预测目标当前的位置。实验结果表明,此方法对于部分遮挡以及全遮挡有较好的鲁棒性。 相似文献
5.
6.
提出了基于构建最优函数来提高飞机姿态测量精度的方法.首先,利用模板匹配法获得飞机在两个测站投影的同名特征点,在发射坐标系下采用交会获得飞机同名特征点的坐标值,根据飞机在空间的特征三角形解算飞机姿态的初值.然后,建立飞机体坐标系;利用成像的共线方程,重新计算空间特征点对应的像点坐标;以重投影结果与实际像点之间的偏差最小作为优化目标函数.最后,通过迭代提高目标姿态解的精度.实验结果表明,飞机轴向成像在大于500pixel时,姿态角测量误差小于0.1°.与中轴线法及飞机角平分线方向向量法测量精度比对,本文提出的方法采用的数学模型正确、算法合理,有效地提高了飞机姿态的测量精度. 相似文献
7.
为提高复杂环境下TLD(Tracking-Learning-Detection)算法的跟踪精度和速度,提出基于二值化规范梯度(BING)的高效TLD目标跟踪算法。在跟踪器中引入基于时空上下文的局部跟踪器失败预测方法和全局运动模型评估算法,提高了跟踪器准确度和鲁棒性;用BING算法取代滑动窗口搜索策略,结合级联分类器实现目标检测,减少了检测器的检测范围,提高了检测的处理速度;将训练样本权重整合到在线学习过程中,改进级联分类器的分类准确度,解决了目标漂移问题。对不同的图片序列实验结果表明:本算法的跟踪正确率达85%,帧率达19.79frame/s。与原始TLD算法及其他主流跟踪算法相比较,该算法在复杂环境下具有更高的鲁棒性、跟踪精度及处理速度。 相似文献
8.
增量深度学习目标跟踪 总被引:3,自引:0,他引:3
由于现有目标跟踪算法在复杂环境下易发生目标漂移甚至跟踪丢失,故本文提出了以双重采样粒子滤波为框架,基于增量深度学习的目标跟踪算法。该算法在粒子滤波中引入粒子集规模自适应调整的双重采样来解决粒子衰减及贫化问题,并利用无监督特征学习预训练深度去噪自编码器以克服跟踪中训练样本的不足。将深度去噪自编码器应用到在线跟踪中,使提取的特征集合能够有效表达粒子图像区域。在深度去噪自编码器中添加了增量特征学习方法,得到了更有效的特征集以适应跟踪过程中目标外观变化。该方法还用线性支持向量机对特征集合进行分类,提高对粒子集合的分类精度,以得到更精确的目标位置。在复杂环境下对不同图片序列进行的实验表明:该算法的跟踪综合评价指标为94%、重叠率为74%,平均帧率为13frame/s。与现有的跟踪算法相比,本算法有效地解决目标漂移甚至跟踪丢失问题,并且对遮挡、相似背景、光照变化、外观变化具有更好的鲁棒性及精确度。 相似文献
9.
10.