公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于SIFT特征视觉词汇算法的局部遮挡目标识别被引量：4: 2016年; 针对被局部遮挡目标的识别困难的问题,将目标图像的SIFT(Scale Invariant Feature Transform)特征矢量作为视觉单词,应用视觉词汇算法,提出了基于SIFT特征视觉词汇算法的目标识别算法。结合在无遮挡与被局部遮挡的交通工具全方位姿态模型库上进行的目标识别试验,得出结果:算法对无遮挡目标的平均识别率能到达83%以上,具有良好的识别性能;对被局部遮挡目标的平均识别率也能保持在80%左右,只有很小的降低。实验结果显示算法具有优良的识别被局部遮挡目标的性能。; 闫钧华姜惠华孙思佳艾淑芳李大雷; 关键词：目标识别 SIFT特征视觉词汇局部遮挡

遥感图像中的机场跑道检测算法被引量：11: 2017年; 利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先,利用模糊增强方法进行图像预处理;接着,对图像进行阈值分割获得二值图像,用像素标记法进行连通域提取,定位4个面积最大的区域作为疑似机场区域;然后,在疑似机场区域内,对图像进行Canny边缘检测,用Hough变换提取出直线段;最后,把含有最长平行直线的区域作为机场区域。实验结果表明,机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。; 艾淑芳闫钧华李大雷许俊峰沈静; 关键词：遥感图像图像处理 HOUGH变换 CANNY边缘检测

基于CUDA的高分辨率数字视频图像配准快速实现被引量：27: 2014年; 高分辨率数字视频图像数据量巨大,基于SIFT图像配准算法在CPU上实现时用时巨大。针对此,首先对配准算法中3个最耗时的部分:SIFT特征提取;SIFT特征匹配;RANSAC算法提纯匹配点对,求解变换模型参数。对此展开重点研究,研究其并行算法。然后基于CUDA并行快速实现高分辨率数字视频图像配准。实验结果表明:基于SIFT图像配准算法在CPU与CUDA上实现,在配准效果相近时,在CUDA上实现的处理速度比在CPU上实现的处理速度提高了100多倍,并且随着图像像素数的增加加速比有显著提高。; 闫钧华杭谊青许俊峰储林臻; 关键词：图像配准高分辨率数字视频 CUDA

基于Kalman预测器的改进的CAMShift目标跟踪被引量：28: 2014年; CAMShift目标跟踪算法遇到目标被遮挡时容易陷入局部最大值,对快速运动目标容易跟踪失败,且无法从失败中复原。针对该问题,利用Kalman预测器改进CAMShift算法。首先利用Kalman预测器预测下帧图像中目标的位置,以此位置为中心确定CAMShift算法进行目标跟踪的搜索区域;然后利用目标匹配时的Bhattacharyya系数及目标大小来判断目标是否被遮挡以及被遮挡的程度。如果没有被遮挡,则用CAMShift算法得到的目标位置更新Kalman预测器中参数;如果遮挡不严重,则用Kalman预测器的预测值作为目标的位置和大小,且用该组值更新Kalman预测器中参数;如果遮挡非常严重,则用Kalman预测器的预测值作为目标当前位置,目标大小为固定值,用该组值更新Kalman预测器中参数。实验结果表明,改进算法能够准确地跟踪被遮挡目标和快速运动目标。; 闫钧华陈少华艾淑芳李大雷段贺; 关键词：目标跟踪目标跟踪算法遮挡搜索区域

基于局部多特征的机场跑道检测算法被引量：4: 2014年; 确定描述机场跑道属性的特征是机场检测的关键问题。针对此,研究了机场跑道区域的特征,利用统计矩、Hu不变矩、灰度共生矩阵、Zernike矩、傅里叶频谱、Gabor频谱、HSV颜色空间构建123维特征向量描述跑道。采用CART-Adaboost算法检测机场跑道区域,在检测结果的二值图上进行长直线提取,实验结果表明机场跑道检测算法在复杂背景下具有较高的检测率。利用Adaboost确定跑道的最佳描述特征,实现特征降维,实验结果表明使用选择出的14维特征在检测性能相近时,能大幅提高特征提取和分类器训练的效率。; 闫钧华许俊峰艾淑芳李大雷王志刚

地面剧烈旋转运动背景中运动目标检测被引量：8: 2014年; 针对地面背景剧烈旋转运动下运动目标难以检测的问题,提出基于彩色光流计算与运动补偿的运动目标检测算法。首先利用金字塔分层计算、Lucas局部运动一致性,提出一种改进的彩色金字塔Lucas光流算法,以获得背景剧烈旋转运动下的准确可靠的图像光流场;然后基于光流场估计背景运动透视模型参数,重构图像纯背景运动矢量场,对图像进行背景运动补偿;最后通过差分二值化图像与形态学处理检测出运动目标。实验结果表明算法能够有效地改善光流计算效果,光流场局部方向一致性平均误差为0.29°,局部矢量模值一致性平均误差为0.25pix,该算法能在地面剧烈旋转运动背景中准确地检测出运动目标。; 闫钧华储林臻艾淑芳李大雷段贺; 关键词：目标检测

基于ICT算法的复杂状态目标实时跟踪被引量：1: 2015年; 针对压缩跟踪(CT)算法不能解决跟踪目标形变、被遮挡、光照变化等问题,提出改进的压缩跟踪(ICT)算法.采用卡尔曼预测下一帧中的目标状态,从而减小搜索域,并在目标被遮挡时估计运动轨迹;采用定向二进制特征(ORB)匹配算法,跟踪形变目标和判断目标是否被遮挡;采用ORB匹配跟踪、CT检测和贝叶斯学习相结合的方法,融合ORB匹配跟踪和CT检测,输出最优结果,减弱光照变化的影响,提高跟踪帧率的同时增强鲁棒性.实验结果表明:ICT算法能准确地跟踪形变及被遮挡目标,跟踪效果在多种数据集上表现出更高的鲁棒性和精确性,平均帧率达到74.137Hz,具有良好的实时性.; 闫钧华王志刚艾淑芳李大雷; 关键词：卡尔曼预测遮挡形变

全选清除导出

共1页<1>

中国航空科学基金(20135152049)