基于自适应背景模板与空间先验的显著性物体检测方法

目前,显著性检测已成为国内外计算机视觉领域研究的一个热点,但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题,本文提出了基于自适应背景模板与空间先验的显著性物体检测方法,共包含三个步骤:第一,根据显著性物体在颜色空间上具有稀有性,获取基于自适应背景模板的显著图.将图像分割为超像素块,提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块,获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化;第二,根据显著性物体在空间分布上具有聚集性,利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三,将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000、SOD、ECSSD和新建复杂数据集CBD上进行实验验证,结果证明本文方法能够准确有效地检测出图像中的显著性物体.

HSV空间自适应背景模板在运动车辆实时检测中的应用

通过对运动车辆的实时检测并加以分析 ,可以得出有用的交通参数 ,如车型、车流量、车速等。从复杂的背景中分割运动物体是至关重要的一步 ,典型的方法是背景相减。本文在研究了目前存在的各种方法之后 ,提出了一种新的HSV空间的自适应背景模板的算法 ,应用于运动物体的分割 ,并给出了具体的试验结果。试验结果表明该方法准确率高 ,适应性强 ,运算速度快 ,兼具灵活性 。

融合前景信息的背景模板优化显著性检测算法

当显著目标位于图像边界时,已有显著性检测模型往往将显著性区域误检为背景模板,导致检测效果不佳。为此,提出一种背景模板优化的显著性检测算法。设计一种选择策略移除图像边界区域的显著超像素模块,建立改进的背景模板后计算基于背景的显著图,从该显著图中得到紧凑的前景区域,描述显著目标的外观和位置后计算基于前景的显著图。在此基础上,将2个显著图进行融合,通过一种能量函数对其进行改善,得到最终平滑和精确的显著图。实验结果表明,相对SEG、CA等算法,该算法能提高目标检测的精确率与召回率。

新出现信号快速截获研究

本文详细讨论了各种快速截获新出现定频信号的算法，并对算法及实际信号环境进行了详细分析．文章中还讨论了利用背景模板对已知频集跳频信号的检测及瀑布图数据预处理．

一种改进的维吾尔族人脸识别算法研究

针对非均匀光照因素干扰维吾尔族人脸识别效果,提出基于CL多小波和灰度排列对(GAP)算法。首先通过归一化系统操作消弱非均匀光照对维吾尔族人脸图像的初级影响,然后利用CL多小波分解一层操作提取维吾尔族人脸图像中的非高频信息,再采取GAP算法找到维吾尔族人脸图像中固定的二维像素点差,为每个类型的维吾尔族人脸信息图像创立其对应的背景匹配模版,最后分类识别经过估算的测试样本图像和每个类型模版的匹配程度。实验结果表明,该算法在保留维吾尔族人脸图像特征的同时,极大地提高了维吾尔族人脸的识别率和运算速度,使维吾尔族人脸图像拥有了非均匀光照下良好的鲁棒性和实时性。

融合轮廓提取的显著性物体完整性检测方法

针对现有基于背景模板的方法不能完整检测部分区域与背景具有相似特征的显著性目标这一问题,提出了一种基于轮廓检测的显著性目标完整性检测方法。首先,提取输入图像的初始轮廓,利用提出的基于虚拟连接的轮廓处理方案合并相邻的轮廓并移除孤立的轮廓,利用设计的基于最短路径的闭环搜寻方案合并距离较远的轮廓,获取基于轮廓检测的显著图。然后,利用自适应阈值分割算法处理基于背景模板抑制的显著图,获取二值化显著图与显著像素点。通过去除含有显著像素点比例小于指定阈值的轮廓完整区域,获取优化的基于轮廓检测的显著图。最后,将其与二值化显著图进行融合,获取完整显著图。实验结果表明,该方法针对显著性目标位于任意位置的图像均能取得较好的显著图。