基于二值神经网络的SSD目标检测算法

针对SSD(Single Shot MultiBox Detector)目标检测算法存在的计算量过大、占用内存空间较多而影响检测速度的问题，提出一种融合二值神经网络的改进算法。将SSD算法的浮点型的参数以及激活函数进行二值化，降低算法的时间复杂度和空间复杂度。实验结果表明，所提算法能够在基本确保目标检测准确率的情况下，减少内存占用量并有效提高检测的速度。     

特征显著性的车辆目标检测算法

针对运动目标检测不适合实时性应用场合的问题,提出了一种将无监督特征学习和显著性检测相结合的地面车辆目标检测算法。通过学习得到表示车辆目标的局部特征并进行编码,根据这些特征对整个图像进行显著性检测,获得候选目标区域。通过相关分析去除那些高度相关的特征,有效抑制背景,突出显著对象。     

基于改进YOLOv3的火焰检测

针对基于深度学习的目标检测算法YOLOv3在火焰检测时对疑似火焰物体误检率高、小火焰漏检率高的问题,提出了一种基于改进YOLOv3算法的火焰检测算法。首先构建包含多种复杂场景的火焰数据集;其次采用k-means++聚类算法初始化候选框,降低原始候选框与标记不符导致的误检率;然后基于YOLOv3算法改进多尺度特征融合结构,在特征融合过程中提出同尺度特征密集相连结构和空间金字塔卷积运算,降低因浅层位置特征信息融合不足导致的漏检率。实验结果表明,所提方法的检测准确率、召回率和F_1值分别达到了100%、97.64%和98.81%,能有效解决复杂场景下对疑似火焰物体误检率高、小火焰漏检率高的问题。     

基于精确字典稀疏表示算法的高光谱图像目标检测

目标检测是高光谱图像处理领域的主要研究内容之一。目前,稀疏表示算法已经在这方面取得了较好的检测效果。但传统的稀疏表示(SR)算法中的字典既包含目标信息又包含背景信息,且比例不确定,导致数据处理难度很大。针对传统稀疏表示(SR)算法的不足,提出了精确字典稀疏表示算法(ADSR)。该算法通过构造仅包含目标信息的目标字典和仅包含背景信息的背景字典,分别求解稀疏向量并恢复稀疏图像,继而利用目标与背景残差值不同这一特性区分图像中的目标与背景。在保证检测精度的同时,减小了数据处理的复杂度,缩短了运算时间。仿真实验将ADSR算法与RX算法、SR算法进行性能比较,证明了改进算法在检测效率上的优势。     

基于卷积神经网络的光学遥感图像目标检测

针对光学遥感图像中的目标检测问题,提出了1种基于卷积神经网络模型的算法,对遥感目标检测任务进行端到端的训练和检测,根据输入的光学遥感图像,直接输出目标包围盒的回归结果和置信度。为训练和测试模型,建立了1个包含1万多个飞机、舰船目标以及广泛复杂背景的数据集。所提算法在其测试集上达到了超过90%的准确率和召回率,在GPU上的运行速度也接近实时,体现了算法准确、高效、鲁棒和易于训练的特点。     

基于改进YOLOV3算法的遥感图像油罐检测

针对遥感图像中的油罐检测问题,借鉴深度神经网络的思想,提出了一种基于改进YOLOV3算法的图像检测方法。首先在原有YOLOV3算法框架中添加空间变换网络(spatial transformer networks,STN),使其成为具备空间变换学习能力的模型;然后通过k-means聚类算法对数据集进行分析,重新设计初始候选框大小;最后训练和测试网络,建立包含9 724个油罐目标的遥感图像数据集。实验结果表明:改进的YOLOV3算法具有良好的性能,在测试集中的召回率可达到95.64%,比原算法提升了3.52%;准确率可达到93.92%,比原算法提升了2.81%。     

基于纹理复杂度与DCT变换的彩色图像数字水印

利用共生矩阵模型对图像复杂度进行了分析,结合人类视觉系统,提出一种基于纹理复杂度的数字水印算法。该算法将彩色宿主图像从RGB空间转换到YUV空间,提取Y分量,并且根据宿主图像的纹理平均复杂度度量对宿主图像进行纹理区域划分;对水印图像进行二值化处理并且进行Arnold置乱;对宿主图像进行DCT变换,利用Watson视觉模型控制水印嵌入强度。实验表明,该算法取得较好的效果,并且对水印攻击具有较好的鲁棒性。     

一种改进的Bayes CS超宽带频段频谱检测技术研究

针对在宽频段存在频谱采样率高的问题,运用贝叶斯压缩感知进行频谱稀疏采样及重构,然而检测过程存在运行时间慢的缺点,因此本文提出了一种基于直积与QR分解的测量矩阵构造法用于Bayes CS频谱检测过程,仿真结果表明,提出的新算法能有效降低检测时间以及提高频谱检测精度。     

基于鱼眼图像的目标检测算法研究

鱼眼图像在使用前一般会先进行畸变矫正,但畸变严重图像的矫正会降低图像质量。为了提高目标检测精度与速度,文章提出了一种利用单个下视鱼眼摄像头代替多个普通摄像头的目标检测方案。其采用特征金字塔结构检测多尺度物体,并结合下视鱼眼的旋转与畸变特性进行算法优化,直接在原始鱼眼图像上进行目标检测。通过构建下视鱼眼数据集并进行实验,结果显示,所提出的鱼眼目标检测模型不仅精度较高,而且还能在嵌入式设备上快速运行。     

图像的运动目标检测与跟踪算法研究

随着计算机技术、网络工程、电子信息科学技术的发展,信息时代越来越影响着我们的日常生活、学习、工作。目前计算机网络已经深入我们的日常工作过程中,并且占据着无法取代的位置,比如视频图像检测已经运用到多领域。笔者浅要探讨图像的运动目标检测,以及跟踪目标所利用的跟踪算法的探究。