基于MCS-LBP的红外图像行人检测方法

红外图像行人检测是夜间智能视频监控、车辆辅助驾驶及智能驾驶等领域的关键技术。针对红外图像纹理特征较少的特点,提出一种实时的基于分块的多级中心对称局部二值模式(Multi-Level Center-Symmetric Local Binary Pattern,MCS-LBP)的红外图像行人检测方法。首先对红外图像进行去噪等预处理及感兴趣区域(regions of interest,ROIs)提取,并提取感兴趣区域的MCS-LBP特征得到更加丰富的红外图像纹理特征,最后使用支持向量机(support vector machine,SVM)进行分类得到行人检测结果。在VS2010环境下,在自行采集的红外行人数据集验证了该方法的有效性与鲁棒性。     

基于改进YOLOv5s的红外图像行人检测算法

针对红外图像行人检测算法难以平衡检测速度和检测精度,导致检测精度低、检测目标丢失等问题,论文提出一种基于YOLOv5s改进的轻量化红外图像行人检测算法YOLOv5s-CSBS。首先,将主干网络中的C3模块与CA注意力机制模块相结合,增加对行人的长距离检测能力;其次,引入SimAM注意力机制模块,提高网络对不同深度特征信息的感知能力;再次,使用加权双向特征金字塔网络,增强网络特征表达能力;最后,引入Slim-Neck设计范式降低模型复杂性,平衡模型的准确性和速度。实验结果表明：YOLOv5s-CSBS在实验建立的红外图像行人数据集上,f_mAP@0.5比YOLOv5s提高2.22%,同时参数量与计算量分别降低了10.7%与18%。验证了改进算法在增强红外图像行人检测精度的同时,实现模型的轻量化设计。     

一种基于自适应阈值的图像分割算法

为提高目标检测概率,针对复杂的地面目标红外亚图像,提出了一种以最大类间方差法为基础的自适应阈值图像分割方法。用分割出的目标和背景区域的灰度统计量,设计了一个判断是否得到正确分割的准则．理论分析和实验结果表明,对于复杂背景下低对比度、低信噪比的地面目标,不论目标在图像中所占面积大小,利用该方法均可得到正确的分割结果．通过设置阈值运算的灰度取值范围,可大大减少计算量,节省处理时间．     

面向船舶红外图像的信息能量阈值分割方法

船舶红外图像的灰度直方图可以呈现出单峰、多峰或无峰模态,现有代表性的阈值分割方法对于船舶红外图像的适应性较差,分割精度较低.为了能自动地分割具有上述3种不同直方图模态的船舶红外图像,提出了一种适应性更强的信息能量最小化阈值分割方法.基于多尺度乘积变换所得的引导边缘图像,以及从不同灰度值阈值化所得二值图像中提取的约束轮廓图像,构造出一系列能反映像素空间位置信息动态变化的一维灰度直方图,然后采用信息能量作为计算模型,将目标图像划分为两个区域计算跨域信息能量,并以跨域信息能量最小对应的灰度值作为最终的分割阈值.在3幅合成图像和25幅船舶红外图像上的对比实验结果表明,提出的方法在分割适应性与精度方面均有显著提升,在船舶红外图像自适应分割方面具有潜在的实际应用价值.     

基于Hough变换的红外图像的目标分割

红外图像是根据目标与背景的温度差异而形成,不受光照等其他条件的影响,可全天工作,被广泛应用在各个领域中.但是由于目标和背景的热辐射所造产生的红外图像的分辨率低,对比度差等特点,使红外图像的分割变得较为困难.Hough变换具有对图像中直线的残缺部分、噪声以及其他共存的非直线结构不敏感的特性,具有较强的抗干扰性和鲁棒性.本文提出一种基于Hough变换的红外图像规则目标的检测方法.通过观察红外图像中目标分布情况,估计出目标边界的曲线方程,对该方程进行Hough变换,从而检测出目标并进行分割.利用该方法避免了由于红外图像的目标与背景对比度差、边缘模糊、视觉效果较差等原因造成的不易检测边缘曲线的问题.经实验证明,基于Hough变换的规则的红外目标的检测方法具有可行性,且检测效果好.     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法,把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题,介绍了一种基于差分图像序列的实时处理算法,可对多个运动目标进行识别与定位。     

高架道路监控视频中的行人检测

提出一种用于检测进入高架道路中行人的检测算法。先通过帧间差分获取场景中的运动目标区域,然后在颜色空间进行肤色分割,得到人脸候选区,再依据人脸形状信息及其它约束条件剔除类似人脸肤色的运动物体。实验结果表明,该检测算法不受光照缓慢变化的影响,并有较高的检测速度和检测概率。     

一种新的红外舰船图像分割方法

为了能够较好地分割出舰船目标,实现后续的目标检测和识别,提出一种基于显著性检测的红外舰船图像分割方法。首先利用AC算法和FT算法对图像进行处理,将两种方法处理后的显著图合并,提高目标轮廓亮度,然后利用选大恒虚警检测的原理对图像进行二值化分割。通过对比其他几种分割算法,证明此算法有更强的抗干扰能力,分割效果更好。     

基于区域生长的红外图像分割

该文采用区域生长的方法 ,结合人工智能 ,针对红外图像中目标相对较小、灰度值与视场中目标物体的热辐射量相关的特点 ,选取相应种子点根据灰度相似性判决生长出目标区域。结果表明 ,采用这种方法具有一定的针对性 ,能够有效地分割出目标物体     

一种基于简化PCNN的红外图像分割方法

提出一种基于简化脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外图像分割新方法.针对红外航拍图像所具有的噪声大、灰度范围较窄以及具有对比度反转现象等特征,从原始图像与分割图像的相似性出发,采用最大互相关匹配来确定PCNN的最优参数,最终完成图像分割.实验结果验证了该方法的有效性.     

基于语义分割注意力与可见区域预测的行人检测方法

为改善图像中遮挡和小尺寸行人的检测精度,提出一种基于语义分割注意力和可见区域预测的行人检测方法.具体地,在SSD(single shot multi-box detector)目标检测网络的基础上,首先优化SSD的超参数设置,使其更适于行人检测;然后在主干网络中引入基于语义分割的注意力分支来增强行人检测特征的表达能力;...     

基于自组织特征映射网络SOM的图像分割方法

阈值法是图像分割中常用的有效分割技术之一,但是阈值的选取对分割结果影响很大,特别是对于生物医学图像,分割结果往往不能满足要求.本文将SOM神经网络应用到图像分割中,利用其自组织学习的能力自动获取阈值,其结果不仅优于传统阈值法,而且也优于竞争型神经网络.     

车载热成像行人检测RoI提取方法

热成像适合低照度行人检测,车载热成像背景灰度分布变化大,行人目标易与背景干扰物混淆,捕捉远距离行人困难,以双阈值分割方法提取Ro I(region of interest)很难满足系统召回率和虚警率要求.针对车载热成像行人检测,提出新的Ro I提取方法,包括图像预处理、Ro I提取和后处理.设计膨胀最大值滤波器进行图像增强;利用Haar-like特征来改进自适应双阈值分割法进行Ro I提取,设计增量计算模型以提高计算效率;设计目标时序特性和空间对称性过滤器来排除虚假Ro I.与基准方法相比,当虚警率不高于40时,本文方法提高召回率49%,且Ro I提取速率不低于18帧/s.     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

径向基神经网络在入侵检测中的应用

与广泛使用的BP网络模型相比,径向基函数神经网络具有训练时间短且不易收敛到局部最小的优点.将3种径向基神经网络应用到入侵检测中,用于入侵模式识别的分类和预测,从而提高入侵检测系统的检测率并降低误报率.     

基于显著点提取的红外弱小目标检测

根据人类视觉感知理论,采用bottom-up控制策略的预注意机制和top-down控制策略的注意机制,提出了一种适用于自动目标识别的目标检测算法.该算法首先对输入图像进行非均匀区域分割,根据对象的显著性特点,在已分割好的各个区域提取出显著性点作为潜在目标点,得到潜在目标点集合,之后采用改进的双滑窗算法对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.实验表明,该算法具有良好的检测效果,预注意机制有效降低了算法运行的时间,改进的双滑窗算法使得检测的鲁棒性更强,对于目标区域带有运动阴影的红外图像以及复杂背景下的红外图像均能进行正确的检测.     

基于BP神经网络解决小麦群体特征的图像理解问题

小麦生长发育群体图像动态信息的识别与分析能够为小麦高产田的诊断提供定量化的诊断依据。依据诊断出的作物各生长阶段的群体结构和个体指标,通过技术措施对群体发展动态进行监测调控,使其沿着高产目标的预定方向发展。本文以小麦群体绿色面积和叶面积指标信息的获取为例,应用图像分割、图像增强技术提取小麦群体图像特征,采用BP人工神经网络（ANN）方法,建立小麦图像群体特征识别自学习系统,并将其应用于小麦图像群体特征识别中,准确率在85%以上,表明利用ANN技术对小麦图像群体特征识别是可行的。     

基于神经网络的带钢表面孔洞检测系统研究

简要介绍了带钢表面孔洞实时检测中的图像处理系统 ,提出了一种应用边缘检测和聚类分析的图像分割算法对带钢表面孔洞进行准确快速的分割 ,同时采用改进的BP神经网络分类器对孔洞进行分类与识别 ,实验结果表明 ,该带钢表面孔洞实时检测系统具有较高的精度和较快的速度 .     

BP神经网络初始化方法研究

提出一种等比例系数型BP神经网络权值和阈值的初始化方法,该方法可将S型传递函数的自变量转化到区间[0,1）上,从而提高网络的收敛性能.从理论上证明了该方法的可行,并通过非线性函数y=x12＋x22的拟合实验,证明了该方法是有效的.     

一个基于神经网络的入侵检测系统原型的开发

文章介绍了神经网络技术在入侵检测上的应用现状,讨论了BP神经网络算法中存在的一些问题及改进措施,开发了一个基于神经网络的入侵检测系统的原型.