基于视频增强的昏暗背景下目标检测方法

昏暗背景下视频图像对比度低，通常的检测算法很难实现对运动目标的检测。提出了一种基于视频增强的昏暗背景下目标检测方法，首先通过直方图均衡与时空混合高斯滤波相结合的方法进行视频增强，然后对增强后的视频用传统检测方法进行目标检测。实验表明该方法在昏暗背景下能较好地检测出运动目标，具有较强的鲁棒性。     

基于信号稀疏表示的形态成分分析: 进展和展望

 有效的信号和图像分解(分离)技术在信号和图像的分析、增强、压缩、复原等领域起着重要的作用.虽然目前研究者提出了很多方法来解决这个问题,然而处理效果并不完美.形态成分分析(Morphological Component Analysis,MCA)是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法.该方法的主要思想是利用信号组成成分的形态差异性(可以由不同的字典稀疏表示)进行分离.本文详细描述了形态成分分析方法的理论思想,并介绍了形态成分分析的最新研究进展及其存在的问题,最后指出了进一步发展的方向.     

基于主成分分析的直线运动模糊参数估计

为了快速准确地估计直线运动模糊图像中的模糊参数,分析了直线运动模糊参数的长度和方向在频率域图像和倒谱图像中的表现形式,提出了一种基于主成分分析的运动模糊参数估计方法.首先,基于高斯建模对模糊图像中的倒谱图像进行二值化分割,得到倒谱图像中的亮线区域.然后,基于主成分分析提取亮线区域的主成分分量,主成分分量的方向即为模糊角度;依据估计的模糊角度,计算模糊图像傅里叶频率域图像相应角度的Radon变换,进行滤波去“毛刺”处理.最后,通过计算极小值之间的间距,估计模糊长度.实验结果表明:估计的模糊角度和模糊长度平均误差分别为0.138 4°和0.273 9 pixel,在同精度条件下,速度是传统的Radon变换方法的10倍左右,表明该方法能快速、准确地估计直线运动模糊参数.     

免疫进化子波网络及其学习算法

本文首次对子波神经网络的分类机理进行了详细地研究,在此基础上将免疫进化算法与子波神经网络相集成,并提出了免疫进化子波网络模型及其学习算法.其中,免疫进化算法是一种集免疫机制和进化机制于一体的一种新的全局并行算法,它可以通过对进化环境的自适应和自学习,有针对性地抑制由原进化算子操作的盲目性而引起的退化现象.理论分析和用于双螺旋线分类的仿真结果表明,免疫进化子波网络不仅是可行的,也是十分有效的.由于免疫进化算法本身所固有的并行运算规则、智能搜索方式和概率判断准则,从而有利于弱化子波网络的应用条件,加强其联想记忆和信息处理的能力.     

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。     

一种有效的遥感图像目标识别方法

本文提出了一种基于矩不变量和支持矢量机对遥感图像中的目标进行识别的方法，该方法提取目标七个Ｈｕ矩不变量作为特征矢量，应用支撑矢量机方法对其进行分类识别，结果表明，这一方法对仅含有目标和背景的遥感图像具有很好的分类识别结果。此外，我们发现对于不同的图像，其二值化取值范围对识别结果有着直接的影响。     

基于形状上下文的形状匹配

提出了用于形状匹配的自适应边界点选取的形状上下文方法。首先，根据目标形状，自适应地确定边界点个数；然后，利用选取的边界点，按照本文方法计算该目标的形状直方图；最后，利用形状直方图计算不同目标之间的相似度。基于手写体数字的试验表明，形状上下文在有效描述目标的形状特征的基础上，准确地计算了不同目标之间的相似度，达到了满意的匹配结果。     

一种从航空图片中自动检测桥梁的方法

如何自动、正确且快速地从遥感或航拍图片中检测战略目标，是导弹能否准确击中目标的关键，在军事领域具有重要意义。提出了一种从航片中对桥梁自动检测的算法。该方法从河流的识别入手，利用小波变换的闲值分割法和高斯一拉普拉斯变换的分割法，将河流部分提取出来并二值化。然后对其进行多步噪声滤除从而使河流的提取更加完整。最后沿着河流搜索有无桥梁存在。实验结果表明，对于航空图片中存在的桥梁，该算法均能正确地加以检测。     

低资源语言的无监督语音关键词检测技术综述

目的 低资源(low-resource)语言的无监督的关键词检测技术近年来引起了广泛的研究兴趣.低资源语言由于缺乏足够的标注数据及相关的专家知识,使得传统的基于大词汇量语音识别系统的关键词检测技术无法使用.近年来,研究者试图寻找一种无监督的技术来完成针对低资源语言的语音关键词检测.方法 首先阐述了该技术目前面临的问题与挑战,然后介绍了该技术使用的主流的基于动态时间规整的算法框架,并从特征表示、模板匹配方法、效率提升等几个重要方面介绍了近几年来主要的研究成果,最后介绍了该任务常用的系统评价标准及目前所能达到的水平,讨论了未来可能的研究方向.结果 该任务的研究目前取得了很多成果,但仍处于实验室阶段,多系统融合策略导致系统庞大,而且目前还没有好的进行索引的方法,导致检测时间过长,对于低资源语音的关键词检测技术,还有很多研究工作要做.结论 期望通过对目前低资源语言的无监督的关键词检测技术做出一个全面的综述,从而给研究者的工作带来便利.     

基于三音素动态贝叶斯网络模型的大词汇量连续语音识别

考虑连续语音中的协同发音现象,基于词-音素结构的DBN(WP-DBN)模型和词-音素-状态结构的DBN(WPS-DBN)模型,引入上下文相关的三音素单元,提出两个新颖的单流DBN模型:基于词-三音素结构的DBN(WT-DBN)模型和基于词-三音素-状态的DBN(WTS-DBN)模型.WTS-DBN模型是三音素模型,识别基元为三音素,以显式的方式模拟了基于三音素状态捆绑的隐马尔可夫模型(HMM).大词汇量语音识别实验结果表明:在纯净语音环境下,WTS-DBN模型的识别率比HMM,WT-DBN,WP-DBN和WPS-DBN模型的识别率分别提高了20.53%,40.77%,42.72%和7.52%.