【摘 要】
：
传统的目标检测方法容易受到目标遮挡的影响，导致检测准确性较低，为此设计一个基于立体视觉匹配的场景前景目标检测算法。首先，通过立体视觉匹配方法提取图像序列，并求解视差图，根据求解结果建立背景更新模型，设置阈值判断是否需要更新。对目标遮挡进行计算，采用二值化的阈值分割方式将目标所在的前景与背景分割，并消除分割后图像的阴影，最后对检测区域进行形态学处理，将检测区域恢复到原始状态，以此实现基于立体视觉匹配
论文部分内容阅读
传统的目标检测方法容易受到目标遮挡的影响，导致检测准确性较低，为此设计一个基于立体视觉匹配的场景前景目标检测算法。首先，通过立体视觉匹配方法提取图像序列，并求解视差图，根据求解结果建立背景更新模型，设置阈值判断是否需要更新。对目标遮挡进行计算，采用二值化的阈值分割方式将目标所在的前景与背景分割，并消除分割后图像的阴影，最后对检测区域进行形态学处理，将检测区域恢复到原始状态，以此实现基于立体视觉匹配的场景前景目标检测。通过实验表明，此次研究的目标检测方法在目标静止与运动状态下，都能够保证较高的检测准确
其他文献
脑癌是发病率第二高的儿童癌症，早发现早治疗才能提升患者的存活率。本文提出了基于缩放重构非池化残差胶囊网络和麻雀搜索的MRI脑瘤图像分类方法。首先，针对图像质量差的MRI脑瘤图像，采用基于麻雀搜索的图像增强方法来提升图片质量。其次，采用胶囊网络来解决医疗图像数据量小、数据集不平衡的问题。最后，针对胶囊网络对于大尺寸图像产生的梯度消失和梯度爆炸问题，采用改进的残差网络来提取尺寸较大图片的关键特征。同时
随着网络平台上各类图像、视频数据的快速增长,多模态情感分析与情绪识别已成为一个日益热门的研究领域.相比于单模态情感分析,多模态情感分析中的模态融合是一个亟待解决的关键问题.本文受到认知科学中情感唤起模型的启发,提出一种能够模拟人类处理多通道输入信息机制的深度情感唤醒网络(Deep Emotional Arousal Network, DEAN),该网络可实现多模态信息的有机融合,既能处理情绪的连贯
为了在高光谱图像分类中更好提取和表达光谱与空间的精细特征以及特征间的交互信息，提出一种基于多层次空-谱融合网络的高光谱图像分类方法。首先，利用多层次特征提取模块，分别提取高光谱图像的多层次空间和光谱特征；其次，设计空-谱特征交互融合模块将获得的多层次空间与光谱特征进行特征融合，以产生空-谱融合特征。本文方法可以结合网络中不同层次的空间与光谱特征，有效地捕获高光谱图像精细特征；同时通过联合学习融合空
针对现有的一些三维建模方法强调单一尺度几何模型构建，缺乏多细节层次(Level of Detail， LoD)和语义信息表达，互操作性不强等问题，以国际开放标准CityGML为基础，利用矢量拉伸、基于几何特征和规则的语义信息提取、几何映射和语义映射等技术研究了建筑物多尺度几何语义一体化模型构建方法。采用开源Cesium库开发了一套基于WebGL的建筑物多尺度三维模型可视化系统，通过某大学校园Cit
孪生网络是当前基于深度神经网络视频实时目标跟踪的重要发展方向，现有研究主要集中在骨干网优化方面，设计及训练均比较复杂。本文提出一种新的思路，通过引入简单且易于实现的传统表观特征，直接与深层语义特征融合，增强了类内目标的区分能力；通过投票机制及自适应搜索模块，增强了算法跟踪的鲁棒性。在VOT系列数据集上的测试结果表明，本文算法相对基准算法在平均重叠期望（EAO）上均有2%-4%的提升，准确性及鲁棒性
基于深度学习的图像修复方法已经取得较大的进展，目前大多数的图像修复方法都是基于输入的掩模对图像的退化区域进行修复。基于这一观察，提出了两阶段的盲图像修复网络，由掩模预测网络和图像修复网络组成。整个修复过程无需输入掩模，掩模预测网络可以根据输入图像自动检测图像退化区域并生成掩模，图像修复网络根据预测掩模对输入图像的缺失部分进行修复。为了更好地利用全局上下文信息，基于上下文门卷积设计了一个上下文门残差
地表反照率（a_c）是计算辐射收支分配的重要参数，其精度对实现大尺度地表蒸散发（ET）的准确模拟有重要意义，在ET模拟中常用线性插值法来获取时间连续的a_c数据，但其a_c重建过程的机理性不足。本研究利用时域重建方法获取a_c的逐日数据，利用Penman-Monteith-Leuning(PML)模型对海河流域ET进行了模拟，并与传统的基于线性插值计算a_c的方法进行对比，分析了不同a_c输入对E
目标检测是计算机视觉领域的重要研究方向。传统的目标检测方法在特征设计上花费了大量时间，且手工设计的特征对于目标多样性的问题并没有好的鲁棒性，深度学习技术逐渐成为近年来计算机视觉领域的突破口。本文对现有的基础神经网络进行研究，采用经典卷积神经网络VGGNet作为基础网络，添加部分深层网络，结合SSD(Single Shot MultiBox Detector)算法构建网络框架。针对模型训练中出现的正
基于深度学习的医疗图像分割模型往往泛化能力较差，迁移学习可以通过建立不同域之间的关联，借助标记数据改进目标域学习效果。在无监督领域自适应迁移学习过程中，域无关特征导致模型分割性能下降，而目前并没有针对迁移学习分割模型有效的特征选择方法。为解决该问题，本文提出了一个基于最优传输的迁移学习通用特征选择模块，可以应用到多种无监督领域自适应图像分割模型中。该模块利用分割准确性加权最优传输选择两个域的最优样
中国象棋对弈机器人系统实现的关键包括棋局识别定位和自主行棋策略.首先,针对棋局识别与定位问题,提出一种基于单目相机与深度相机视觉融合的棋局识别定位方法.该方法利用立体棋子三维特征获取棋子位置,与二维图像识别结果融合计算定位,提高棋子的识别定位精度.其次,针对行棋策略问题,提出一种基于深度神经网络与蒙特卡洛树搜索的决策方法.该方法使用具有终局特征判断的蒙特卡洛树搜索,使用优化的随机行棋策略指导模拟行