基于多特征融合的弱小目标检测方法研究

提出了一种基于多特征距离图的红外弱小目标检测方法。弱小目标的许多特征,如局部熵、平均梯度强度等,不但刻画了弱小目标的特点而且易于提取。通过特征融合技术,可以将弱小目标检测问题转化成在一个多特征空间的极值求取问题。该方法利用已经提取的多个特征,采用特征融合技术构造一个距离图像,再对该图像进行二值化处理,达到目标检测的目的。通过对实际的红外图像序列进行小目标检测,验证了所提方法的可行性和有效性。     

基于多特征融合的运动目标检测

提高目标检测算法在复杂场景下的检测鲁棒性是目前计算机视觉领域的一个重点、难点问题。传统的运动目标检测都是基于目标的单一特征,提出一种融合颜色特征和纹理特征的背景建模方法,并将其运用于运动目标检测。首先对基于颜色的高斯混合模型加以改进,减少了传统高斯混合模型的计算量,然后将高斯混合模型与LBP纹理模型用D-S证据理论进行融合。实验结果表明,两个特征的融合有很好的互补作用,并且能够实时、准确地检测出运动目标。     

基于NGG-YOLOv5的空对地UXO目标检测方法

为提高无人机在复杂环境下对地面未爆弹(UXO)目标的辨识精度,提出了一种改进YOLOv5的UXO目标检测方法。该方法在YOLOv5的基础上,改进原YOLOv5网络的损失函数以提高对UXO目标的识别精度,同时,通过添加注意力机制、改进马赛克数据增强、改进预测框筛选机制提高对UXO目标的识别效率,实现了空对地场景下对UXO目标的检测,并具有较好的精度和速度。实验选取多组不同复杂背景的UXO数据集进行标注并训练,得到UXO目标模型,然后从模型训练结果和目标检测结果的角度评估方法和模型的正确性。实验结果表明：NGG-YOLOv5所得模型检测准确性和检测速度对比原YOLOv5有明显的提升,准确率从78%提高至91%,平均精度均值(mAP)从50%提高至56%,在所用4种复杂背景下均可有效检测出UXO目标,且漏警率低。     

基于多尺度特征融合的红外小目标检测方法

红外小目标检测因其探测距离远、抗干扰能力强等特点,在空中目标探测与跟踪系统中得到了广泛的应用.针对目前红外小目标检测算法在复杂背景下检测准确率低、虚警率高等缺点.提出了一种基于多尺度特征融合的端到端红外小目标检测模型(multi-scale feature fusion single shot multibox det...     

基于多尺度特征融合的雷达海上目标检测方法

雷达目标检测对海上信息处理具有重要意义,目前提出的检测方法在召回率和精度上都难以满足海上检测要求。为了解决上述问题,提出基于多尺度特征的雷达海上目标检测方法。通过X波段非相参脉冲体制导航雷达采集数据,在完成预处理后检验数据集,提取雷达数据。分析杂散噪声,确定噪声范围,根据平均强度和灰度值的差值实现归一化处理。对目标进行归一化分析,融合多尺度特征实现目标选择,完成目标检测。实验结果表明,基于多尺度特征融合的雷达海上目标检测方法召回率能够在短时间内达到90%以上,精度在95%以上,能够很好地提取海上目标信息。     

基于目标跟踪和多特征融合的火焰检测算法

针对目前视频火焰检测算法无法达到高检测率、低误检率和实时的工业需求,提出一种基于目标跟踪和多特征融合的火焰检测算法.首先利用混合高斯背景建模获取前景图像,在HSV色彩空间中根据火焰的颜色特性分离出疑似火焰区域,对火焰疑似区域采用卡尔曼滤波器实现运动目标的跟踪,再结合火焰的相似度、区域增长率和跳动频率特征用加权求和得到的值与报警阈值相比,最后根据判断比较确定真实火焰区域,并且实现对火焰的持续跟踪.实验结果证明,该算法能够对火焰区域进行有效的检测与跟踪并且具有良好的实时性和抗干扰能力.     

基于多特征融合的行人检测方法

作为一个典型的目标检测问题,行人检测问题已成为近年来的研究热点.行人检测技术虽被广泛应用于智能交通、自动驾驶、视频监控以及行为分析等领域,但仍存在着需要解决的问题.文中在多特征融合的基础上提出了一个多通道特征模型,多通道特征模型由非深度学习分支、整体分支以及肢体分支组成.文中通过非深度学习分支提取出数量少、质量高的行人...     

基于特征融合的轻量级SSD目标检测方法

针对应用于嵌入式设备的轻量级目标检测算法,本文提出了一种基于特征融合的改进方案.针对目前Mobile-NetV2-SSD轻量级目标检测算法检测精度低、小目标检测效果差的问题,结合FPN特征金字塔的特征融合思想,选用了MobileNetV2-SSD中包含较多语义信息的3层特征层进行融合,利用多尺度检测的原理,将融合后的特...     

基于特征融合的图像目标显著性检测方法

为了凸显图像中的感兴趣目标,提出了基于特征融合的图像目标显著性检测方法。首先通过提取可见光图像不同尺度空间的不同特征,利用区域协方差理论融合尺度空间之间串接的不同特征,然后结合全局核密度估计体现图像的全局显著性,实现局部和全局特征融合的图像目标显著性检测。仿真结果表明,无论主观评价,还是客观指标,新方法均优于当前流行的图像显著性检测方法。     

基于多特征融合和增强模型的恶意代码检测方法

随着互联网、云计算、物联网等技术的飞速发展,恶意代码引起的网络安全事件频发,引起了社会极大的恐慌。基于多特征融合和增强模型的恶意代码检测方法利用主成分分析法、随机森林法对图像GIST特征、操作码序列、字节统计值、文件结构等特征进行优化,利用贝叶斯优化策略增强K最近邻算法（K-Nearest Neighbor,KNN）、支持向量机、随机森林等模型,并聚合增强模型的检测结果。实验表明,该方法精准率达到了98.98%,准确率达到了97.66%,F1值达到了96.64%,具有良好的分类效果。     

基于ViBe算法和多特征融合的摔倒检测方法

为了准确、实时地检测独居老人室内意外摔倒事件,提出一种基于ViBe算法和多特征融合的摔倒检测方法,先通过ViBe算法提取运动目标,然后用人体质心到水平面的距离、人体宽高比、人体质心变化的速度3个特征参数,分别设定阈值以判断是否有摔倒事件发生,该方法能较准确地辨别出下蹲、坐下、平躺等非摔倒行为,使得在不出现漏判的前提下误判率更低。实验结果表明?该方法易于实现,且误判率明显降低。     

面向遥感图像的多阶段特征融合目标检测方法

遥感图像目标具有多尺度、大横纵比、多角度等特性,给传统的目标检测方法带来了新的挑战.针对现有方法应用于目标尺度小、横纵比例不均衡的遥感图像时存在的精度下降问题,提出一种基于多阶段特征融合的目标检测方法 MF2M(Multi-stage Feature Fusion Method).该方法在一阶段对特征图通道进行组合拆分,再采用卷积拼接的融合方式聚合通道维度的特征,从而强化输出的目标空间轮廓信息;二阶段设计多比例的非对称卷积块,增强大横纵比目标的高维全局特征,改善目标与检测框匹配粗糙的问题,同时利用串并行相结合的处理方式减少冗余卷积参数,加速网络收敛.在DOTA(Dataset for Object deTection in Aerial images)数据集上的实验结果表明,基准方法引入MF2M后,在保证检测速度的前提下精度指标mAP提高至76.44%,结果验证了所提算法的有效性与可靠性.     

基于多特征融合的稳健手势检测方法

基于AdaBoost手势检测器、混合高斯模型肤色Blob检测器的检测结果,结合特定手势识别器和多帧的输出,依据Fisher准则通过置信度信息融合为高可靠性的交互手势检测器,解决了在背景混杂和相似颜色条件下手势检测器的稳健性问题.     

基于多专家权重的空对地多目标攻击决策

基于融合多专家权重的算法,提出了一种多机协同空对地多目标攻击决策方法.针对实际空对地攻击中的问题,利用评估地面的防空能力及目标的战役价值,分析对地攻击态势,并在此基础上建立威胁指数模型;通过多专家权重得到一个融合多专家权重的权值,以此得到综合威胁评估表,进而得到目标的分配方案.通过Matlab仿真验证了威胁指数模型和攻...     

一种基于多尺度特征融合的目标检测算法

基于深度学习的目标检测器RetinaNet和Libra RetinaNet均是使用特征金字塔网络融合多尺度特征,但上述两个检测器存在特征融合不充分的问题.鉴于此,提出一种多尺度特征融合算法.该算法是在Libra RetinaNet的基础上进一步扩展,通过建立两条自底向上的路径构建两个独立的特征融合模块,并将两个模块产生...     

基于多域多维特征融合的海面小目标检测

多维特征检测技术是提高海面小目标检测的有效途径。为了进一步提升海面小目标检测性能,本文提出基于多域多维特征融合的检测方法。首先,从时域、频域、时频域、极化域等多域,充分挖掘海杂波和含目标回波的差异性,并将这些差异性表征为多维特征,构建高维特征空间。其次,通过极化域和特征域的多维特征线性融合,将多维特征压缩到3D特征空间中,获得高维度信息的同时减少维度计算代价。然后,结合凸包学习算法获得3D判决区域,实现异常检测。最后,基于IPIX实测数据的实验结果表明:相对现有的极化检测器,提出的检测器具有25%以上的显著性能提升。      

融合多特征的人脸检测方法

针对复杂环境下基于肤色模型的人脸检测误检率较高以及Adaboost算法对高分辨率图像时间效率低,提出了一种新的结合肤色模型和皮肤纹理特征以及Adaboost级联分类器的人脸检测方法,并改进了基于纹理刷色阶偏差法的皮肤纹理特征提取方法。该算法充分融合了肤色模型简单快捷、皮肤纹理突出的特性以及Adaboost级联分类器检测率高等优点。实验表明,该方法检测率高且有较好的鲁棒性。     

多特征融合的图像目标跟踪方法

图像目标主要的两个特征是颜色特征和形状特征,为提高跟踪的准确性和鲁棒性,提出融合图像目标颜色和形状的多特征融合跟踪新方法。采用基于HSV空间的空间颜色概率直方图模型,以及灰度变换后的Hu不变矩模型,分别进行实时目标跟踪,然后采用自适应加权方法,完成图像目标最终跟踪位置的确定。经实验测试,该方法对图像目标受到复杂背景干扰,以及颜色变化、尺度变换以及亮度变化等情况都具有很强的鲁棒性,同时增强跟踪效果,提高了跟踪的有效率。