一种基于动态背景的运动目标提取方法

为了实现旋转摄像头下运动目标的监控,提出了一种动态背景下提取运动目标的方法．在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量,并且在VC平台上实现了该算法．     

基于注意力机制和多层次特征融合的目标检测算法

为了提高目标检测的准确率,提出一种基于注意力机制和多层次特征融合的图像目标检测算法。该算法在Cascade R-CNN模型的基础上,以RseNet50为主干网络,通过嵌入简单的注意力模块（SAM）来提高网络的判别能力;其次,利用深度可分离卷积改进特征金字塔网络（FPN）,设计了多层次特征融合模块（MFFM）,对多尺度特征进行融合,以丰富特征图的信息量,并对不同层次的特征图赋予相应的权重以平衡不同尺度的特征信息;最后,结合目标检测方法中的区域建议网络（RPN）结构获取目标的候选区域进行分类和回归处理,确定检测目标的位置和类别。实验结果表明,相较于Cascade R-CNN目标检测算法,该算法的检测精度提升了约2.0%。     

一种新型的目标极点提取方法—SSFB

状态空间法（ＳＳＭ）是目前信号分析中应用广泛的一种方法，它为目标极点提取提供了一个十分有效的工具，文中分析了自回归（ＡＲ）模型与状态空间模型在极提取时的关系，并基于后向线性预测（ＢＬＰ）的思想建立了新颖的后向递推状态空间模型。在参考文献六中，Ｓ，Ｍ，Ｋａｙ深入分析了噪声对于线性预测的ＡＲ模型的影响，文中将此类推到状态空间模型中，由此得到前向和后向递推状态空间法（ＳＳＦＢ）。蒙特卡罗模拟表明其性能优     

一种基于方向形态学的图像轮廓提取方法

提出了一种基于方向形态学的图像轮廓提取新方法，该方法首先通过形态学梯度边缘检测算子实现图像的边缘检测，处理的过程中考虑到了边缘的方向信息，从而能够更好地跟踪图像中主要的边缘，最后通过滚动膨胀正确的提取物体的轮廓信息，在结构元素移动的过程中引入了方向控制条件因子，减小了计算的冗余度，实验结果表明该方法能够实现自动边缘检测与轮廓提取，精度较高。     

一种新的集合运算——继承并

对于多层次的数据存储系统，现有的集合运算不能快速地确定某些指定层次的数据，为了解决这一问题，提出了一种新的集合运算－－继承并。这种集合的继承并运算是定义在普通集合上的，可以应用到各种集合运算的场合。利用集合的继承并运算及几个简单的算法就可以方便地求出多层次数据存储结构中多个指定层次的数据。     

基于多层次特征表示的场景图像分类算法

针对场景图像种类增多、场景复杂度增加和场景内容增大的趋势,本文提出了一种基于多层次特征表示的场景图像分类算法。首先采用Object Bank目标属性的高层特征表示方法,经分类器预测出该图像所属的场景主题;然后在同一场景主题内,采用基于底层特征的局部约束低秩编码方法提取图像特征;在低秩编码方法中加入局部约束正则化并采用F-范数替代核范数的优化方法,减少计算复杂度,实现对场景图像较为细致的理解。这种由高层特征和底层特征相结合的多层次特征表示方法,从对象特征的粗理解到底层细节特征的详细解析,充分利用了不同特征间层层递进和互补的关系,实验结果证明了本文算法的有效性。     

一种基于方向形态学的图像轮廓提取方法

提出了一种基于方向形态学的图像轮廓提取新方法.该方法首先通过形态学梯度边缘检测算子实现图像的边缘检测,处理的过程中考虑到了边缘的方向信息,从而能够更好地跟踪图像中主要的边缘.最后通过滚动膨胀正确的提取物体的轮廓信息,在结构元素移动的过程中引入了方向控制条件因子,减小了计算的冗余度.实验结果表明该方法能够实现自动边缘检测与轮廓提取,精度较高.     

一种基于多特征融合的视频目标跟踪方法

针对复杂场景下多特征跟踪算法适应性不强的问题,提出一种多特征有效融合和更新的目标跟踪方法.该方法首先在粒子滤波框架下采用加权融合的方式对目标进行多特征观测和相似性度量,通过分析粒子的空间集中度和权值分布建立一种有效的融合系数计算方法,使融合结果更加准确可靠.然后选取可信度高的特征检测遮挡,并动态调整目标模型的更新速度,以降低算法受目标变化和部分遮挡的影响.实验证明该方法对复杂的跟踪场景具有更强的鲁棒性,并适用于目标被遮挡时的跟踪.     

基于多特征组合的协方差目标跟踪方法

基于多特征组合的协方差矩阵表征目标的方法,研究用协方差矩阵来描述跟踪的感兴趣区域(ROI),从而提出基于速度预测和前景的协方差目标跟踪方法.因为积分图方法可以加快协方差的计算速度,在提出的协方差跟踪方法中使用了积分图快速算法,进一步提高算法的效率.结合目标速度的预测和前景提取缩小搜索范围,加快了匹配速度,使所提出的协方差目标跟踪方法能更进一步提高跟踪效率和准确性.通过背景强干扰、光照变化和相同颜色遮挡情况下的目标跟踪实验,结果表明基于速度预测和前景的协方差的跟踪方法在复杂场景下跟踪的准确性很高,跟踪的鲁棒性和快速性有明显提高.     

一种新的集合运算--继承并

对于多层次的数据存贮系统,现有的集合运算不能快速地确定某些指定层次的数据.为了解决这一问题,提出了一种新的集合运算--继承并.这种集合的继承并运算是定义在普通集合上的,可以应用到各种集合运算的场合.利用集合的继承并运算及几个简单的算法就可以方便地求出多层次数据存贮结构中多个指定层次的数据.     

水下目标特征提取方法研究

目标特征提取目标识别和关键问题,良好的特征提取方法应该是用较少的特征存储量表达目标准确的物理意义,水下目标回波特性既可以由时间域的冲击响应描述,也可以由频率域上的系统函数描述,无论那种描述都是不全面的,本文通过对回波亮点谱特征的研究,提出了一种有效的特征提取方法－频域离散小波变换法（FDWT法）,其优点是能从复杂的目标回波中提取目标的弹性特征,并且特征维数低,将此方法用于三种目标的湖试数据,采用三层BP算法的前向神经网络对目标进行分类,得到了较高的识别率。     

多水平集和差分相乘的运动目标轮廓模型的研究

针对现有目标轮廓提取方法存在收敛速度慢、效率较低以及对初始位置和噪声都很敏感等问题,提出了一种差分相乘与参数多水平集主成分Chan-Vese模型相结合的新模型.该方法首先利用4帧相邻图像进行差分相乘,抑制绝大部分的背景边缘,再进行滤波预处理,最后通过多水平集与Chan-Vese模型结合的改进模型提取运动目标轮廓.对大量视频图像进行实验分析后的结果表明,在具有多个目标的视频图像下,该方法能更加快速准确地提取出每个完整的运动目标轮廓,较好地解决了现有方法在多个运动目标轮廓提取以及轮廓凹陷上的缺陷.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

多尺度特征提取和多级别特征融合的显著性目标检测方法

显著性目标检测已经被广泛应用到图像检索、图像分割、行人重识别等领域.目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效地控制信息流的传递.而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊.因此,本文提出一种多尺度特征提取和多级别特征融合的...     

基于雷达一维距离像序列的微动特征提取

对典型目标的进动和翻滚给出了统一的数学表达式,分析了不同的微动形式对雷达回波调制的散射机理,提出了基于雷达一维距离像的能量起伏特征和径向长度特征的微动识别新方法．使用物理光学和物理绕射理论的高频方法仿真了锥体进动、柱体翻滚和非理想球体翻滚的宽带雷达回波,利用仿真数据,完成了高分辨成像和相关特征提取．研究结果表明,三种不同的微动目标的距离像能量起伏特征和径向长度特征差异明显,可以将两种特征联合使用,用于微动识别．     

基于多神经网络分类器的军事目标识别方法研究

对军事目标类型的识别是军事信息处理中的一个重要环节.本文首先对军事目标进行特征提取,以矩和圆度两种不变矩特征向量作为神经网络的输入,分别采用了BP神经网络、自组织竞争网络、Hopfield网络对军事目标进行识别,最后采用了分类器多数投票法对识别结果进行融合,仿真实验结果表明采用多神经网络分类器融合的方法比单一神经网络识别率高,这对提高军事信息处理的准确性具有重要意义.     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

基于多层次融合的语句相似度计算模型

句子相似度的计算在自然语言处理的各个领域都占有很重要的地位,且在主观题自动批改技术中,句子间相似度的计算是一个关键的问题.本文提出一种基于多层次融合的语句相似度计算模型,在对句子的词形、词序、词义三个层次进行相似度计算的基础上,融合这三个层次,从而使句子相似度计算更加准确,并通过实验验证了此方法的有效性.     

基于二维图像的人脸面部特征点定位与提取

提出了一种人脸面部特征点定位与提取的方法.利用该方法,在人脸预处理基础上,通过人脸分割、基于水平方向Prewitt算子模版的边缘检测和积分投影技术,可以快速有效地提取眼睛、鼻子和嘴巴等特征点信息.实验表明,该方法可以校正人脸倾斜并具有较高的准确率.     

基于几何特征信息融合的SAR图像目标识别

几何特征是进行合成孔径雷达图像目标识别的重要依据,根据检测后的高分辨率合成孔径雷达目标图像,分析并且提取其典型几何特征,然后依据所得到的结果进行特征级的融合识别。首先运用二次距离法构造分量识别器,然后采用绝对多数投票法进行集成,最后结合专家系统分析得到基于目标典型几何特征的识别结果。经数据实验验证,该方法具有良好的可靠性和准确性。