检索结果

Select

1. 基于深度学习的图像边缘检测算法综述

李翠锦, 瞿中

《计算机应用》唯一官方网站 2020, 40 (11): 3280-3288. DOI: 10.11772/j.issn.1001-9081.2020030314

摘要（2693）

PDF （922KB）（4054）

边缘检测是将图像中的突变的重要信息提取出来的过程，是计算机视觉领域研究热点，也是图像分割、目标检测与识别等多种中高层视觉任务的基础。近几年来，针对边缘轮廓线过粗以及检测精度不高等问题，业内提出了谱聚类、多尺度融合、跨层融合等基于深度学习的边缘检测算法。为了使更多研究者了解边缘检测的研究现状，首先，介绍了传统边缘检测的实现理论及方法；然后，总结了近年来基于深度学习的主要边缘检测方法，并依据实现技术对这些方法进行了分类，对其涉及的关键技术进行分析，发现对多尺度多层次融合与损失函数的选择是重要的研究方向。通过评价指标对各类方法进行了比较，可知边缘检测算法在伯克利大学数据集（BSDS500）上的最优数据集规模（ODS）经过多年研究从0.598提高到了0.828，接近人类视觉水平。最后，展示了边缘检测算法研究的发展方向。

参考文献 | 相关文章 | 多维度评价

Select

2. 分离窗口快速尺度自适应目标跟踪算法

杨春德, 刘京, 瞿中

计算机应用 2019, 39 (4): 1145-1149. DOI: 10.11772/j.issn.1001-9081.2018081821

摘要（586）

PDF （807KB）（330）

针对核相关滤波器（KCF）跟踪算法在面对尺度变化时产生的目标漂移问题，提出一种分离窗口快速尺度自适应目标跟踪算法——FSACF。首先，通过直接对原始帧图像进行特征提取得到基于显著性颜色特征的全局梯度组合特征图，以减小后续的尺度计算对性能的影响；其次，对全局特征图采用分离窗口法，自适应地选取尺度大小并计算对应的最大响应值；最后，采用定义的置信度函数自适应地更新迭代模板函数，提高模型的鲁棒性。通过带有不同干扰属性的视频集上进行实验，发现FSACF算法与KCF算法相比，在精度上提升7.4个百分点，成功率提高12.8个百分点；与未采用全局特征和分离窗口的算法对比，处理速度上提升1.5倍。实验结果表明，FSACF算法在尺度变化发生时能有效避免目标漂移的产生，同时具有一定的效率，并在精度与成功率上均优于对比算法。

参考文献 | 相关文章 | 多维度评价

Select

3. 多因子判定与渗流模型相结合的裂缝检测算法

安世全, 曹悦欣, 瞿中

计算机应用 2019, 39 (1): 281-286. DOI: 10.11772/j.issn.1001-9081.2018061226

摘要（631）

PDF （926KB）（397）

针对传统的基于渗流模型的裂缝检测算法效率过低且检测结果易存在断裂的问题，提出一种多因子判定与渗流模型相结合的裂缝检测算法。首先，提出了一种改进的渗流加速算法，通过减少大量参与渗流处理的冗余像素点，提高渗流处理效率；然后，对提取到的渗流点进行渗流处理；最后，提出了一种结合裂缝走向的多因子判定连接算法，算法通过四个判定因子对裂缝连接的合理性进行分析，以提高裂缝连接的准确性。对背景中存在不同干扰物的不同形态裂缝图像进行实验，与传统渗流模型检测算法以及原渗流加速-骨架连接算法相比，所提算法中渗流点数量分别平均减少了99.7%与38.1%，精确率分别平均提高了60.5%与6.4%，召回率分别平均提高了10.5%与4.0%。实验结果表明，所提算法能够明显提高渗流处理效率，同时提高裂缝检测的准确性。

参考文献 | 相关文章 | 多维度评价