一种基于数学形态学的红外弱小目标检测方法

提出了一种红外图像序列中运动弱小目标检测的新方法。该方法在时间剖面上采用数学形态学滤波和中值滤波来抑制杂波背景干扰,并对去除背景后的图像进行分割,然后利用序列图像中目标运动的连续性和轨迹的一致性来检测出真正的目标。利用实测数据进行了仿真,实验结果表明了该方法的有效性。     

基于非负邻域嵌入和非局部正则化的单帧图像超分辨率重建算法

单帧图像超分辨率重建是指利用一幅低分辨率图像,通过相应的算法来获取一幅高分辨率图像的技术。提出了一种基于 非负邻域嵌入和 非局部正则化 的单帧图像超分辨率重建算法,以弥补传统邻域嵌入算法的不足。在训练阶段,首先对低分辨率图像预放大2倍,以保证在放大倍数较大时,高、低分辨率图像块之间的邻域关系也能得到较好的保持;在重建阶段,使用非负邻域嵌入来有效地解决近邻数的选取问题;最后利用图像块的非局部相似性构造非局部正则项对重建结果进行修正。实验结果表明,相对于传统算法,本方法的重建结果纹理丰富、边缘清晰。     

基于单元尺度的自适应码率控制算法

随着信息技术的快速发展,压缩编码已成为多媒体存储和传输领域的研究热点。针对视频压缩的编码效率问题,ITU-T与ISO/IEC两大标准组织于2003年联手推出了H.264/AVC视频编码标准。为了能够在目标带宽上有效地传输视频,就必须合理地控制码流的波动强度,以使其尽可能地接近目标带宽。其中码率控制虽然不是标准中的一部分,但由于其一直在视频编码标准的发展过程中占有举足轻重的地位,为此,针对H.264/AVC编码的视频序列码率控制问题,在JVT-G012算法的基础上,提出了一种基于STGS图的自适应地选择基本单元大小的码率控制算法。该算法在编码时产生的码率波动总是与G012算法产生的最小码率波动相当。而且具有较小的运算复杂度,易于实时实现。     

《中国图象图形学报》复杂场景图像目标智能检测专栏简介

<正>图像目标检测在区域监控、被动导航、抢险救灾、飞行器制导等方面具有重要应用,是计算机视觉和图像处理领域研究中的关键性核心问题和挑战性难题,也一直是该领域的研究热点,并受到领域内广大学者的高度关注。近年来,得益于深度学习等人工智能技术在图像处理和计算机视觉中的广泛应用,图像目标检测技术研究已取得重大进展。     

双重迭代变分贝叶斯自适应卡尔曼滤波算法

提出了一种新的自适应卡尔曼滤波算法。该算法假设系统过程噪声方差和量测噪声方差之间存在的函数关系已知,两种噪声方差随着时间变化且均未知。先令当前时刻的过程噪声方差等于前一时刻的过程噪声方差,通过变分贝叶斯近似的方法,在卡尔曼滤波框架下迭代求解当前时刻的量测噪声方差和状态估计,再利用假设中的函数关系获得新的过程噪声方差。对上述过程多次迭代,最终获得状态估计及协方差。仿真实验结果表明,该算法具有较高的滤波精度;在假设条件不确知的情况下仍具有较强的鲁棒性。     

基于PSVM的主动学习肿块检测方法

肿块区域通常形态各异、差异性较大,并且与正常组织相比没有明显的区别,严重影响了肿块自动检测系统的性能.为了能够有效地提高乳腺X线图像中肿块的检测灵敏度,通过引入包含了样本间相互制约关系的具有成对约束的SVM (PSVM)算法,提出了一种基于PSVM 的主动学习机制.其中,由系统根据样本的不确定性和相互之间的特征匹配距离,主动选择应该反馈给训练集的成对样本.实验结果表明,这种基于PSVM的主动学习方法,能够充分利用样本所包含的信息,使得检测方法具有更好的推广能力和检测性能.     

基于高阶累积量的目标机动检测新方法

机动检测是多模型目标跟踪中的一个关键问题.在卡尔曼滤波中,当目标机动被噪声淹没时,传统的机动检测算法将失效,多分辨方法虽然能够有效地抑制噪声,可靠检测机动,但由于计算复杂导致严重的检测延迟,从而限制了它的应用.本文提出一种基于三阶累积量的机动检测新算法,它有效地克服了上述二者的缺陷.由于高阶累积量能够抑制高斯噪声,因此在三阶累积量域易于检测机动.同时通过采用逐点更新法,可实时进行机动检测.仿真结果表明,该算法优于传统算法和多分辨方法,特别是在低信噪比的情况下.     

基于模糊粗糙集的新闻视频镜头边界检测方法

镜头边界检测是实现基于内容的视频检索的一个重要步骤.为了将视频分割成镜头,现有的方法大都是首先提取大量的特征然后构造相异性测度函数.然而,太多的特征就会降低算法的效率.因此,有必要对镜头边界检测的规则进行特征约简.本文将粗糙集中的属性重要性和模糊粗糙集中的分类精度相结合定义了模糊粗糙算子,并构造了相异度检测函数.最后给出了镜头边界检测的一般性规则.由于本文检测方案的自适应性,因此适合于各种类型的新闻视频.用来自中央电视台的3个多小时的新闻视频所做的镜头边界检测实验获得了95.4%的查全率和96.1%的准确率.     

远程交易系统的安全模型设计

随着远程交易系统的不断发展,信息安全在系统起着越来越重要的作用,文章针对远程交易系统安全模型中几个关键问题提出了的解决方法,并将其应用于远程交易系统的具体环节,为建立远程交易系统安全模型提供了一种解决方案。     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用 .然而模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观、专家经验难以获取等问题 .作者给出一种基于聚类有效性神经网络的模糊规则提取的新方法 .该方法采取对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取不足及规则数目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量得到提高 ,改善了模糊控制器的性能 .最后 ,以倒车系统为例证明了该方法的有效性