【摘 要】
：
本文针对红外和可见光传感器对于复杂背景中远距离小目标的成像序列,提出了一种基于特征级融合的检测方法。该方法在红外图像序列中提取联合直方图特征,在可见光图像序列中提取累加的高斯能量特征,进而利用Fisher分类器对特征向量进行分类以实现检测。实验表明,该方法具有较强的检测鲁棒性。
【机 构】
：
深圳大学信息工程学院 广东深圳 518060；深圳大学智能信息处理实验室广东深圳518060 深圳
论文部分内容阅读
本文针对红外和可见光传感器对于复杂背景中远距离小目标的成像序列,提出了一种基于特征级融合的检测方法。该方法在红外图像序列中提取联合直方图特征,在可见光图像序列中提取累加的高斯能量特征,进而利用Fisher分类器对特征向量进行分类以实现检测。实验表明,该方法具有较强的检测鲁棒性。
其他文献
基于APRX接收机架构研究了高速QPSK数传信号的直接中频采样和全数字化解调问题,详细分析和设计了其实现算法,对APRX典型处理方法进行了改进和补充。给出了设计实例和计算机仿真结果,证明所提出的实现算法是有效的,适合于推广使用。
设计好的度分布在构造非规则LDPC码的过程中一直占有十分重要的位置,设计合理的度分布可以有效地降低错误平层和编译码复杂度,在AWGN信道下,通过高斯近似法可以分析给定度分布的LDPC的译码门限,利用非线性优化算法──差分进化,可以优化度分布设计,获得给定度和码率下的具有最大门限的度分布序列,仿真结果表明它能比线性算法获得更好的度分布──具有更大的噪声门限,一般要好0.15dB左右。
提出一种新的多目标跟踪方法。鉴于蚁群算法解决复杂问题的优势,对其进行适当修改后,用于解决多目标跟踪中的数据关联问题,并且采用SIS(Sequential Importance Sampling,序贯重要性采样)对目标进行跟踪。实验对二维平面中的多个目标进行了仿真,结果表明,将基于SIS框架和蚁群算法实现多目标的跟踪是行之有效的。
贝叶斯阴阳(BYY)谐和学习是一种新型的统计学习理论和方法,能够有效地进行混合概率分布的参数估计和自动模型选择。本文在Laplace混合模型上建立了BYY和谐学习的梯度算法。模拟实验表明,这类算法可以有效地自动确定出样本数据中Laplace分量的个数,并对实际Laplace混合分布的参数有较好的估计。
针对目前壳聚类问题中的难点──原型初始化问题,提出一种基于量子测量的球壳原型提取方法。方法在现有量子聚类方法构建的Schrodinger势场的基础上,建立了样本集的跃迁量子混态模型。在此模型上,以蒙太卡罗思路利用任意特征态为基态的算符对样本集混态进行测量塌缩得到任意两个样本基态,从而计算得到所需的球壳算符。再依据量子测量机理,通过使用球壳算符不断的测量样本集量子混态,来使样本集不断塌缩得到一个基态
本文提出了一种基于灰度差序列信息识別表情的方法,在处理过程中,首先将每组表情序列中自第二帧起的每一帧图像与第一帧图像作灰度差,得到新的序列,然后针对灰度差序列提取表情运动特征,最后通过连续隐马尔柯夫模型(HMM)进行表情识别。该方法在保留了主要表情信息的同时,消除了光照、肤色等其他因素的影响,接近应用实际,简单直观,运算量少,便于实现实时处理。分别在CED-WYU(1.0)库和Cohn-Kanad
利用传统空间内插方法对视频中的丢失块进行错误隐藏时,容易在人眼敏感的边缘区域产生模糊。本文提出了一种复杂度低的空域内插错误隐藏算法用于重建在无线信道传输中的Intra帧。首先,利用改进的灵活宏块扫描顺序(Flexible MB Order FMO)的方法,将扫描顺序打乱组成新的片组(Slice)进行传输,确保即使某个Slice丢失,丢失宏块周围至少有两个正确接收的Slice可进行错误隐藏;其次,利
运动图像边界问题是光流计算中的主要困难之一,能否有效解决运动边界问题也是衡量光流算法优劣的重要指标之一。本文针对该问题,从全局变分计算思想出发,将光流计算看作一非线性反应扩散过程,平滑约束体现在扩散部分,数据约束则体现在反应部分,这样可以避开正则化方法中能量泛函可微性和凸性的限制,通过设计新的各向异性扩散单元,来解决光流计算中的运动边界问题。本文给出了一种基于非线性滤波(Bilateral Fil
针对时间差分法检测运动物体时内部易产生空洞的缺陷,本文首先合理地选择帧差步长,调整视频帧的相减顺序;然后将视频序列中各阶段的差分结果通过加权求和,重现了物体在固定摄像机监控范围内的运动信息;在此基础上,将去除背景后的图象高斯金字塔模型与基于颜色直方图的Mean-Shift跟踪算法相结合,完成了运动目标的检测与跟踪。实验证明,本文采用的算法不仅能较准确地反映运动对象在不同时刻的位置信息,而且有效地提
本文结合Surfacelet变换和自适应阈值方法提出一种三维视频除噪方法。Surfacelet是小波领域的最新进展,它真正实现了对高维信号的多尺度多方向滤波。本文简单介绍了Surfacelet的结构及特性,在传统小波阈值除噪方法的基础上,将一种结合小波尺度间和尺度内系数的自适应图像除噪阈值确定方法,加以改进,应用到基于Surfacelet的三维视频除噪中.实验表明,这种方法与其它方法相比,能更好的