期刊
  出版年
  关键词
结果中检索 Open Search
Please wait a minute...
选择: 显示/隐藏图片
1. 基于视皮层V1模型的随机点视频序列运动特征提取
邹洪中, 许悦雷, 马时平, 李帅, 张文达
计算机应用    2016, 36 (6): 1677-1681.   DOI: 10.11772/j.issn.1001-9081.2016.06.1677
摘要482)      PDF (897KB)(405)    收藏
针对复杂场景中视频序列目标运动特征提取困难的问题,借鉴生物视觉系统对视频动态目标的运动感知机制,改进初级视皮层(V1)细胞模型,提出一种基于生物视皮层机制的视频运动特征提取方法。采用时空滤波器与半平方加归一化分别模拟神经元感受野的线性与非线性特性,再通过在输出权值中加入方向选择性调节参数得到普适性的V1细胞模型,从而解决传统模型方向选择性单一、多方向选择能力偏弱的问题。仿真结果表明所提模型模拟输出与生物实验数据较为吻合,能够模拟不同方向选择性的V1细胞,对复杂运动形态的随机点视频序列具有良好的运动特征提取能力。依靠该方法可以为处理特征光流信息提供新的思路,进而实现对视频序列目标的运动特征提取和有效跟踪。
参考文献 | 相关文章 | 多维度评价
2. 基于多尺度分块卷积神经网络的图像目标识别算法
张文达, 许悦雷, 倪嘉成, 马时平, 史鹤欢
计算机应用    2016, 36 (4): 1033-1038.   DOI: 10.11772/j.issn.1001-9081.2016.04.1033
摘要980)      PDF (891KB)(1312)    收藏
针对图像在平移、旋转或局部形变等复杂情况下的识别问题,提出一种基于非监督预训练和多尺度分块的卷积神经网络(CNN)目标识别算法。算法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合。为了增强鲁棒性,同时减小下采样对特征提取的影响,提出一种多通路结构的卷积神经网络,对输入图像进行多尺度分块形成多个通路,每个通路与相应尺寸的滤波器卷积,不同通路的特征经过局部对比度标准化和下采样后在全连接层进行融合,从而形成最终用于图像分类的特征,将特征输入分类器完成图像目标识别。仿真实验中,所提算法对STL-10数据集和遥感飞机图像的识别率较传统的CNN均有提高,并对图像各种形变具有较好的鲁棒性。
参考文献 | 相关文章 | 多维度评价
3. 基于深度置信网络的目标识别方法
史鹤欢 许悦雷 杨志军 李帅 李岳云
计算机应用    2014, 34 (11): 3314-3317.   DOI: 10.11772/j.issn.1001-9081.2014.11.3314
摘要362)      PDF (796KB)(609)    收藏

针对合成孔径雷达图像预处理鲁棒性不足、特征提取及利用不充分等问题,提出了一种基于深度置信网络的合成孔径雷达(SAR)图像目标自动识别算法。首先提出一种基于双树复小波变换(DT-CWT)的非局部均值图像降斑算法,并结合目标方位角估计实现对原始数据鲁棒的预处理;最后,引入多层深度置信网络提取针对合成孔径雷达目标的深度抽象视觉信息作为特征并完成识别任务。采用3类运动与静止目标的获取与识别(MSTAR)实测数据进行的仿真实验结果表明,所提算法具有较高鲁棒性和识别率。

参考文献 | 相关文章 | 多维度评价
4. 基于局部特征和稀疏表示的图像目标检测算法
田元荣 田松 许悦雷 查宇飞
计算机应用    2013, 33 (06): 1670-1673.   DOI: 10.3724/SP.J.1087.2013.01670
摘要687)      PDF (649KB)(737)    收藏
传统的基于局部特征的图像目标检测算法具有对遮挡和旋转敏感、检测精度不高以及运算速度慢的特点,为了改进该算法的性能,提出了一种将图像局部特征应用于稀疏表示理论的图像目标检测算法。该算法利用随机树的方式有监督地学习样本图像的局部特征形成字典,通过学习好的字典和测试图像的子块来预测图像中目标的中心位置,以此寻求待检测图像稀疏的表示,从而实现对图像中感兴趣目标的检测。实验结果表明,该算法对目标的遮挡、旋转和复杂背景有很好的鲁棒性,而且检测精度和运算速度相对于同类经典算法均有提高。
参考文献 | 相关文章 | 多维度评价
5. 基于自适应特性二维经验模式分解的Retinex彩色图像增强
南栋 毕笃彦 许悦雷 何宜宝 汪云飞
计算机应用    2011, 31 (06): 1552-1555.   DOI: 10.3724/SP.J.1087.2011.01552
摘要1354)      PDF (882KB)(540)    收藏
提出一种彩色图像自适应增强方法:将图像从RGB色彩空间转化到HSV色彩空间并保持H分量不变,对亮度分量V通过自适应特性二维经验模式分解(ABEMD)估算其照度分量,再根据中心/环绕Retinex算法计算出反射分量,对照度和反射分量分别应用Gamma校正和Weber定律,并进行加权运算,基于全局特性自适应地调整S分量,并将图像从HSV色彩空间转化回RGB色彩空间。最后利用主观和客观的方法对实验结果进行了评价,实验表明了该算法在均值、方差、信息熵和清晰度方面均优于MSR算法和Meylan的算法。
相关文章 | 多维度评价