基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究,本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先,基于融入红外图像特征的超分辨率重建算法对原始图像进行更新,增强了弱小目标,然后,增强的图像被用作基于在线检测DSST算法的输入,得到响应映射,估计目标位置。实验结果表明,与几种最新算法相比,该算法在准确性方面表现出色。     

基于信息熵和Gabor滤波器的图像检索

采用颜色和纹理的多特征提取,将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.采用HSV颜色空间把颜色特征量化到72个颜色空间得到72柄的一维直方图,计算图像信息熵;纹理特征采用Gabor滤波器.该种分块方法能够很好的利用图像内容的空间信息,综合颜色和纹理特征能够有效地提高查全率和差准率.     

基于电话语料的维吾尔连续音素识别

结合维吾尔语的语音特征和语义信息,在大量电话语音语料库的基础上,以建立维吾尔语连续音素识别平台为目标,通过构建隐马尔科夫模型工具HTK(Hidden Markov Model Toolkit)工具实现了维吾尔语连续音素识别算法:首先根据具体技术指标完成了较大规模电话语音语料库的录制和标注工作;确定音素为基元,通过训练获得了每个音素的HMM(Hidden Markov Model)声学模型,随后对输入的语音进行识别,声学模型在不同的高斯混合数目下,得出了识别结果;统计了32个音素的识别率并对它进行分析,为了进一步提高识别率奠定了基础。     

基于基线邻域Harris角点膨胀的维吾尔图像文字区域检测

针对序列图像中的维吾尔文字区域检测问题,提出了一种Harris角点和基线特征相结合的有效方法:首先,将输入的彩色图像灰度化,然后对图像进行Harris角点检测,根据角点分布进一步确定文字基线位置,再对基线位置上的角点进行形态学膨胀操作,最终实现了文本区域的定位。在较大规模的序列图像情况下进行了文本区域检测试验,给出了实验结果与同类算法的对比分析,论证了本算法的有效性和可行性。     

融合相关滤波和CNN的点状目标跟踪技术研究

在研究点状目标跟踪的基础上,该算法利用多层卷积特征和相关滤波技术进行目标跟踪.为解决目标因淹没在杂波中丢失的问题,该算法使用重检测机制实现目标的长期跟踪.首先,使用V GG模型提取红外点状目标的多层卷积特征,然后在每一层上经过相关滤波计算最大响应值,最后通过权重融合获得最终响应值,实现点状目标跟踪.当目标丢失时,利用重...     

小波域分存和软判决恢复的隐藏技术

研究了一种把小波变换和可视密码技术相结合的信息隐藏方案,实现对灰度图像的信息隐藏。该方案把经过Arnold变换处理后的秘密信息,按照k阶线性方程求解理论产生n幅分享图片,再把n幅分享图片应用离散小波变换信息隐藏理论,分存到n幅公开图片中。提取秘密图片时,必须要大于k幅公开图片才能获得秘密图片。实验结果表明,该方案具有很强的鲁棒性,而且秘密信息不容易丢失。