共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
6.
7.
为实现精准的图像多目标捕获与跟踪,提出基于双视线特征感知编组的多目标跟踪方法.利用自由形状线特征涵盖的丰富信息,使用双视线特征感知编组方法将线特征匹配结果当作计算条件,推算已匹配的每对线特征左右视差均值,将方位相近、左右视差均值接近的线特征视作一组,明确各组线特征作用窗口,代人时差收敛均值,实现多目标特征匹配;代入联合概率数据关联算法,构建改进粒子滤波模型,让粒子权值呈现出测量值与目标轨迹的关联概率,确保各目标跟踪轨迹持续性,并完善轨迹初始点与终点,增强跟踪时效性.仿真结果表明,所提方法能很好地处理车辆交叉引发的错误匹配问题,在交叉或遮挡等复杂情况下,依旧可以快速准确地同时对多个目标车辆进行跟踪. 相似文献
8.
9.
在轮廓编组计算模型中,编组元的提取对于轮廓编组结果具有重要的影响。针对复杂场景中目标轮廓易与非目标边缘混淆的问题,提出了一种基于全局运动对比度的编组元提取算法。提出了基于边缘片段的运动相似度度量方法,并通过相似度定义了场景中的全局运动对比度,以此对非目标边缘片段进行抑制,从而提取出更为有效的目标轮廓边缘片段构成编组元集合。在Moseg_dataset数据集上的实验结果证明,提出的全局运动对比度对于非目标边缘片段具有良好的鉴别能力,相比较目前轮廓编组计算模型中基于边缘检测和轮廓检测的编组元提取算法,该算法显著降低了编组元集合的规模,提高了编组元集合的有效性。在相同的轮廓编组算法中,该算法提取的编组元集合能取得更优的编组结果。 相似文献
10.
针对目前相位编组方法抗噪性能差及固定梯度分区方式局限性等问题,提出了一种基于自适应分区的相位编组直线提取算法。首先采用自适应平滑和Wallis滤波对影像进行预处理及边缘检测;然后,采用自适应分区的方式确定出适应于图像的最优分区方式,从而生成直线支持区;最后,进行最小二乘直线拟合及直线合并。实验结果表明,该算法能有效地解决噪声及固定梯度分区方式造成的提取直线断裂、误提取等情况,直线提取完整、准确,适用性强。 相似文献
11.
目的 在无人机检测输电线路缺陷的研究中,为提高识别绝缘子的正确率,克服基于颜色来识别绝缘子方法的不足,依据绝缘子串的形状结构特征,研究了一种自底向上感知聚类平行线段的方法。方法 首先将在巡检图像上提取到所有方向的分段划分为6组方向线段,在每一组方向线段中,将线段长度、方向及中心点排列方向一致的线段聚类为平行线组,将平行线组合并,并整理其外接形状,结合输电线路知识模型,可靠识别绝缘子区域。为诊断玻璃绝缘子的掉片缺陷,依据计算出绝缘子的排列方向及片之间距离进行自适应分块,计算每一块的惯性矩均值特征量与惯性矩方差值特征量,依据分块之间特征量相似度来诊断是否存在掉片缺陷。结果 相比基于HSI颜色识别绝缘子的方法,识别绝缘子内部的多平行线段的结构,表现得更稳定,更适用于输电线路巡检。结论 通过无人机巡检采集的输电线路图像,实验结果验证这种方法在复杂背景的条件下能有效识别各种类型绝缘子并能检测绝缘子的掉片缺陷。 相似文献
12.
目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F1分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F1分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。 相似文献
13.
线段提取在高分辨率遥感图像建筑物识别中的应用 总被引:7,自引:0,他引:7
提出一种基于感知组织的线段提取方法.该方法有两大特点:在基本线段提取算法中使用了模板,并且在线段合并过程中综合考虑了直线和物体的形状特点.运用该方法对高分辨率遥感图像中的建筑物进行识别,取得了良好效果。 相似文献
14.
15.
16.
基于感知编组的轮廓提取算法容易受背景上边缘的影响,导致轮廓提取的准确率低,为此提出一种结合感知编组与全局显著性信息的轮廓提取算法.首先在Canny算子框架下增加显著性信息的约束,提取显著边缘,减少了背景上的边缘;然后在Ratio-contour算法的基础上提出了新的目标函数,使得文中算法能够收敛于显著性高的区域,得到的轮廓更准确地标识前景物体.实验结果表明,该算法有效地提高了轮廓提取的准确性,同时大幅减少了轮廓提取的计算时间. 相似文献
17.
18.
19.