复杂场景中的红外目标图象分割算法

针对复杂场景中的红外目标图象，本文提出了一种基于自适应阈值面的目标图象快速分割算法，文中详细地介绍了算法的设计思想及其实验方法，并给出了实验结果，其实验结果与理论相符。     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。     

基于灰预测的图象去噪新方法

抑制噪声是图象处理中极其重要的步骤，如何合理消除大量的噪声，又使图象保持原有的各类信息、保证图象质量一直是人们的努力目标。文章尝试与探讨了基于灰色GM（1，1）模型的图象去噪新算法，并与传统的图象滤波方法相比较，实验结果证明，该算法既可以有效地降低噪声，又可以较好地保持图象质量和细节．为图象去噪提供了新的方法。     

模式识别图象预处理中的目标快速定位法

在模式识别和机器视觉等系统的实际应用中，首先要完成图象预处理的任务，即需要从实时采集的图象中把感兴趣的物体检测出来，以便于后续的识别处理。本文提出了一种基于二值图象形态学腐蚀运算的快速目标测定位法，通过修改腐蚀的运算的算法，构造两个新的形态结构元素可快速有效地对目标进行检测定位，文中给出了基本算法和实验结果。     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

自适应背景对消方法

本文讨论了一种新的红外图象预处理算法—自适应背景对消算法。这种算法的基本出发点是自适应L滤波具有很好的消除脉冲噪声的特性，红外图象中的点目标具有脉冲噪声的特性和红外噪声的相关特性。实验表明这种算法在某种程度上去除了原始图象噪声的相关性并且能明显的抑制背景噪声和显著提高信杂比。     

二值纹理图象重建的平均场技术

根据平均场神经网络，本文提出了一种二值纹理图象重建算法，纹理图象用马尔可夫随机场模型描述。重建算法是一个自适应过程，递归地进行模型参数估计和图象重建。平均场方法将图象搜索中基于模拟降温的统计松驰方程转化为一组确定性方程，从而有效地提高了计算效率。计算机实验结果证实了重建算法的有效性。     

过渡区和图象分割

过渡区是实际图象中介于目标和背景之间的特殊区域，本文介绍过渡区的特点和确定过渡区的方法。本文还提出了一种自动基于过渡区的新分割算法，并把该算法与常见的阈值选取算法进行了比较，分析和实验结果表明新算法运算简单并有较强的抗干扰能力。     

一种区域基图象编码新方法

本文提出了一种基于区域的图象编码新技术，它根据图象区域灰度分布特点，以灰度误差最小平方和为准则，采用四向递归二分法逐渐将图象表面划分为若干凸多边形，使之逼近原始图象．软件模拟实验表明，当头肩灰度图象压缩比超过20：1时，重建图象主观质量仍然较好．文中介绍了区域基和表面描述图象编码方法，着重论述了四向递归二分法的基本原理和算法，同时给出了若干实验结果。     

小角度旋转目标微波成象

本文讨沦了小角度旋转目标成象技术。导出了适用于双站、单站、近场和远场成象测量条件的统一的图象再现算法;研究了超分辨力成象处理技术,并给出了一种将谱外推技术与目标粗略“形状”信息相结合的新的图象再现方法;最后,简要介绍了微波暗室成象实验结果及有关结论。     

基于深度学习的小目标检测研究与应用综述

目标检测在基于传统手工特征及深度学习算法上已经取得较大发展,然而针对小目标检测的研究近几年才开始出现,研究成果较少,且大都是在已有目标检测算法基础上进行改进,以提高小目标检测的检测精度.小目标像素点少,本身携带的特征少,多次下采样后就更难进行特征提取,因而小目标检测面临极大挑战.小目标检测在自动驾驶、遥感图像检测、刑侦等领域都有广泛应用需求,对于小目标检测技术的研究有重要的实用价值.本文对小目标检测的现有研究成果进行了详细综述.首先,将现有算法按照检测需要的阶段数分为一阶段、二阶段、多阶段,描述了RetinaNet、CornerNet-Lite、特征金字塔网络（Feature Pyramid Network,FPN）等算法的原理并进行了对比分析.其次,本文描述了小目标检测技术在不同领域的应用情况,并汇总了MS COCO、PASCAL VOC、DOTA、KITTI等数据集及算法性能评价指标.最后,总结了小目标检测面临的挑战,并展望了未来的研究方向.     

用参考物体全息法测量位移矢量方向

本文提出了一种测量物体位移矢量方向的方法一参考物体全息法，该方法将一个参考物体置于被测物体的一侧，然后在一张干版上记录两个双曝光全息图：一个是受到干版位移调制的被测物体和参考物体的双曝光全息图，一个是被测物体的非调制干涉图。前者用于测量位移矢量的方向，后者用于测量被测体位移的数值场。文中主要介绍了参考物体全息法测量位移矢量方向的原理。文后给出了实验结果。     

Video object segmentation in rainy situations based on difference scheme with object structure and color analysis

A scheme based on a difference scheme using object structures and color analysis is proposed for video object segmentation in rainy situations. Since shadows and color reflections on the wet ground pose problems for conventional video object segmentation, the proposed method combines the background construction-based video object segmentation and the foreground extraction-based video object segmentation where pixels in both the foreground and background from a video sequence are separated using histogram-based change detection from which the background can be constructed and detection of the initial moving object masks based on a frame difference mask and a background subtraction mask can be further used to obtain coarse object regions. Shadow regions and color-reflection regions on the wet ground are removed from the initial moving object masks via a diamond window mask and color analysis of the moving object. Finally, the boundary of the moving object is refined using connected component labeling and morphological operations. Experimental results show that the proposed method performs well for video object segmentation in rainy situations.     

基于模板匹配的视频对象分割

视频对象分割是MPEG-4标准关键技术.本文结合模板匹配和基于运动估值和补偿的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4视频对象的新方法.在使用运动估值和补偿得到分割掩膜后,以初始帧对象颜色为模板,在当前帧的轮廓边界区域通过模板匹配检测对象,使轮廓精确化.本文方法在一定范围内有效解决了遮挡问题,并能够以初始帧跟踪任意长序列中的对象.     

基于激光点云坐标系的3D多目标跟踪算法研究

3D多目标跟踪是无人车领域中一个核心技术之一。3D多目标跟踪的相关工作多通过设计复杂的目标建模算法或数据关联算法,以寻求提高3D多目标跟踪系统的鲁棒性。为降低3D多目标跟踪系统的复杂性,将目标的三维中心点视为该目标进行跟踪,提出了基于激光点云坐标系的3D多目标跟踪算法。首先,使用3D目标检测器检测出每帧激光点云中的目标。然后,用卡尔曼滤波器预测上一帧目标的三维中心点在当前帧的位置状态,融合激光雷达坐标系下相邻两帧之间目标三维体积的交并比与目标三维坐标中心点坐标之间的欧式距离作为度量尺度,使用贪婪算法匹配最近邻的目标。在KITTI跟踪数据集上的实验结果表明,所提出的多目标跟踪算法表现优异,运行速度达到了63 f/s,且车辆类的sAMOTA达到了9432。     

一种特征融合的带宽自适应Mean Shift跟踪算法

传统Mean Shift跟踪算法在目标颜色特征和背景颜色特征相近、尺度变化等情景下效果不理想。提出了一种特征融合且核函数带宽自适应的改进跟踪算法,针对颜色直方图容易受背景区域影响,融合了边缘直方图,并对核函数带宽进行自适应更新。另外,对目标模型的更新进行了相关探索并给出比较结果。结果表明,该算法可以对目标实现更稳定的跟踪,对目标颜色和背景颜色相近、尺度变化等场景具有很好的适应性。     

基于分块的多特征融合变尺度目标跟踪算法

为了增强彩色视频中目标外观描述能力和解决跟踪过程中目标尺度变化的问题,提出一种基于分块的多特征融合变尺度目标跟踪算法.设计了一个能处理不同挑战因素下对目标的精确跟踪算法,首先提取HSV分块的颜色直方图特征和PCA-HOG特征并采用多通道线性核函数对两种特征进行融合构建训练样本,然后求解线性岭回归函数获得位置核相关滤波器模型,并以线性核函数来计算候选区域在7个尺度空间上与跟踪目标的响应值,最后利用尺度自适应模板更新模型参数.实验结果表明,提出的算法在彩色视频中不仅能较好地自适应目标尺度的变化,在复杂场景下也具有较强的鲁棒性.     

基于对象的新型激光动画表演文件格式设计

激光动画表演是新型激光显示技术的一种表现形式，广泛应用于游乐、娱乐和信息广告业。本文提出一种基于对象的新型激光动画表演文件格式设计，它包括轮廓对象(contour)、帧对象(picture)、动画对象(animation)和节目对象(film)。基于对象技术，在激光表演节目内部采用时间、空间、声音和动画属性来记录激光动画演示中所需要的控制信息。     

基于ML-pLSA模型的目标识别算法

为了避免图像目标识别过程中识别结果对分割结果的过度依赖,该文提出了一种基于多尺度的概率潜在语义分析目标识别方法(Multi-Level-probabilistic Latent Semantic Analysis, ML-pLSA)。该方法利用多种分割算法对图像进行多尺度分割,再利用pLSA算法和词袋方法(Bag Of Words, BOW)对分割区域进行目标类别估计,最后联合多尺度的估计值给出最终分割结果。在目标尺度、目标角度、外界光照变化都相对较大的GRAZ-02数据库上进行实验,结果表明:与传统目标识别算法相比,该方法鲁棒性更强;在识别准确率方面,也有了很大的提高,取得了很好的效果。     

Object recognition via contextual color attention

Visual attention is effective in differentiating an object from its surroundings. Color is used to guide attention via a top-down category-specific attention map in the top-down color attention (CA) method. To uniformly highlight the entire object, our color attention map is reconstructed based on the estimated object patches. The object patches consist of strong patches and false weak patches whose contextual color attention values are beyond the optimal threshold of class-specific contextual color attention. The color attention map constructed by the object color histogram is then used to weight the local shape for object recognition. Extensive experiments are conducted to show that our method can provide state-of-the-art results on several challenging datasets.