为提高电子稳像技术中运动矢量估计的准确性,采用基于兴趣区的特征点匹配进行运动矢量估计。该算法选取图像的兴趣区(ROI:Region of Interest)进行Harris的特征点检测,将ROI内的特征点稀疏化,利用SAD准则在相邻帧的特征窗内寻找匹配点...为提高电子稳像技术中运动矢量估计的准确性,采用基于兴趣区的特征点匹配进行运动矢量估计。该算法选取图像的兴趣区(ROI:Region of Interest)进行Harris的特征点检测,将ROI内的特征点稀疏化,利用SAD准则在相邻帧的特征窗内寻找匹配点对和距离准则剔除误匹配点进行逐帧运动补偿。实验结果验证了该算法的有效性。展开更多
提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索带以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更...提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索带以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。展开更多
本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,...本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。展开更多
目的在骨龄智能评估研究中,如何准确地提取手腕参照骨的兴趣区域(region of interest,ROI)是保证骨龄精确评估的关键。基于传统深度学习的方法用于手腕骨ROI提取,存在个别参照骨漏判、误判等情况,导致平均提取准确率较低。本文结合目标...目的在骨龄智能评估研究中,如何准确地提取手腕参照骨的兴趣区域(region of interest,ROI)是保证骨龄精确评估的关键。基于传统深度学习的方法用于手腕骨ROI提取,存在个别参照骨漏判、误判等情况,导致平均提取准确率较低。本文结合目标检测强大的定位和识别能力,以准确提取所有手腕骨ROI为目的,提出了一种参照骨自动匹配与修正方法。方法针对不同参照骨形状、位置等特征表现出的规律性和关联性,本文采集了大量不同性别、不同年龄段的人手腕图谱作为参照骨样本匹配,然后分多个阶段提取参照骨ROI:1)基于目标检测算法初步提取出所有参照骨候选ROI,并根据一定的阈值剔除置信度较低的区域;2)结合参照骨的大数据样本构建位置点匹配模型,对剔除区域进行自动匹配与填补,保证ROI提取的完整性;3)通过多尺度滑动窗口以及ROI分类模型,对填补得到的ROI位置进行滑动修正,进一步保证提取准确率。结果实验结果表明,本文结合目标检测与匹配修正的方法优于现有绝大多数方法。其中,匹配修正方法在目标检测算法的提取结果基础上,提升了约1.42%的平均准确率,当结合Faster R-CNN(region-convolutional neural network)算法时能达到最高98.45%的交并比(intersection-over-union,IoU)准确率。结论本文方法利用手腕骨的位置特征,对个别提取困难的参照骨类型进行重新匹配与修正,有效地弥补了传统方法泛化能力不足的缺点。本文方法能够同时面向人手腕中所有参照骨ROI提取,具备良好的扩展性和易操作性。展开更多
文摘为提高电子稳像技术中运动矢量估计的准确性,采用基于兴趣区的特征点匹配进行运动矢量估计。该算法选取图像的兴趣区(ROI:Region of Interest)进行Harris的特征点检测,将ROI内的特征点稀疏化,利用SAD准则在相邻帧的特征窗内寻找匹配点对和距离准则剔除误匹配点进行逐帧运动补偿。实验结果验证了该算法的有效性。
文摘提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索带以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。
文摘本文提出了一种在前方车道图像中建立高分辨率的ROI(Region Of Interest)即感兴趣区域,并在其中建立搜索窗口以提高车道识别精度的方法,实验证明这种方法能够更好的处理非理想路况的各种不确定因素,除了能更精确的追踪车道标志线之外,还能更好的应用于前方图像出现噪声、阴影以及路面反光等不利情况。由于高分辨率ROI的建立,在不增加运算时间的前提下,识别精度却更加提高,同时整个运算过程的计算量大大减少。