检索结果

Select

1. 基于曝光融合的单幅图像去雾算法

唐鉴波朱桂斌王田郭雨江铁

计算机应用 2014, 34 (3): 820-823. DOI: 10.11772/j.issn.1001-9081.2014.03.0820

摘要（573）

PDF （746KB）（435）

针对雾霾等恶劣天气导致户外图像降质的问题，设计了一种简单、高效的图像去雾算法。首先通过空域高通滤波对降质图像进行处理，达到压制低频分量、增强图像边缘细节的目的；然后，对滤波后的图像进行空间线性对比度拉伸，增强图像的对比度；最后通过拉普拉斯金字塔的多曝光图像融合方法，将滤波结果与对比度拉伸结果进行融合，得到最终的去雾图像。实验结果表明，所提算法实时性较高，对雾霾、沙尘、水下等降质图像均有较好的增强效果。

相关文章 | 多维度评价

Select

2. 多特征融合的鲁棒粒子滤波跟踪算法

曾伟朱桂斌陈杰唐丁丁

计算机应用 2010, 30 (3): 643-645.

摘要（1468）

PDF （650KB）（1136）

为克服基于单一特征的跟踪方法在复杂环境和光照变化下易导致跟踪失败的缺点，提出了一种基于多特征融合的粒子滤波跟踪算法。通过基于HSV的多块颜色直方图来表征目标的总体分布，而方向梯度直方图又包含了一定的结构信息，两者互为补充，将两者融合于粒子滤波的框架中。同时，自适应更新融合权重、模板和噪声分布参数，动态调节粒子数目，在环境干扰较大(如遮挡)时，分配较多的粒子。实验结果表明，算法鲁棒性较高，同时提高了跟踪的精度。

相关文章 | 多维度评价

Select

3. 基于Kalman点匹配估计的运动目标跟踪

曾伟朱桂斌李瑶

计算机应用 2009, 29 (06): 1677-1682.

摘要（1368）

PDF （609KB）（1744）

针对目前的角点匹配跟踪实时性差和抗遮挡、相似性物体等环境因素能力差的缺点,提出了一种基于Kalman点匹配估计的目标跟踪方法。通过在Kalman滤波粗定位的基础上,提取具有一定的抗几何缩放能力的多尺度Harris角点,对获得的其响应函数值进行加权以及目标区域进行恰当的分块,然后,将各块中的响应函数值求取平均值组成特征向量,在搜索域内进行点匹配跟踪。实验结果表明,该算法计算效率有很大的提高,能够用到实时的目标跟踪系统中,且对环境因素的影响有一定的鲁棒性。