共查询到10条相似文献,搜索用时 15 毫秒
1.
本文研究的是一种在静止背景中基于轮廓的运动目标检测算法,该算法首先将图像转化为单通道,进行滤波,计算相邻两帧图像差分图像的阈值,将差分图像转化为二值图像,同时对背景进行更新,然后对二值图像进行边缘检测,得到运动目标的边界,再进行区域填充等处理,最终获得运动目标的区域。实验表明,本算法相对于传统的帧间差分法对运动目标速度要求低.较好得克服了其不能准确检剡运动目标大小的问题,保持其对背景渐变不敏感的优点,本算法检测有效、稳定,无论单目标检测还是多目标检测,均取得了较好的效果。 相似文献
2.
《江苏科技信息》2015,(19)
数据关联算法是雷达数据处理的核心技术之一。传统的数据关联算法利用目标位置信息进行关联,如最优邻近、概率数据关联等等。当目标环境异常复杂时,如目标在杂波区、目标密集区时,基于位置信息的传统数据关联算法性能下降,易造成目标跟踪丢失。文章根据证据理论思想,提出了一种基于目标多特征信息的联合数据关联算法。对于回波起伏缓慢的目标,将目标位置、目标方位变化率、目标能量和等特征信息代入目标点迹航迹关联过程。在杂波区、目标密集区时,利用目标点迹的特征变化来判断点迹是否为目标正确关联点迹。通过雷达实测数据验证表明,多特征联合数据关联算法可以改善目标在杂波区、目标密集区等环境下的稳定跟踪能力,具有一定的实际工程应用价值。 相似文献
3.
4.
5.
6.
由于小目标像素点少,本身携带的特征较少,大多数目标检测算法不能有效利用特征图中小目标的边缘信息和语义信息,导致小目标检测精度低,漏检、误检现象时有发生。为解决RetinaNet模型小目标信息特征不足的缺陷,在RetinaNet模型中引入一个并行辅助的多尺度特征增强模块MFEM(muti-scale feature enhancement model),通过使用不同扩张率的空洞卷积,避免多次下采样造成信息损失的同时,有利于辅助浅层提取多尺度上下文信息。另外,采用一种专门针对目标检测任务而设计的主干网改进方案,可有效保存高层特征图的小目标信息。传统自上而下的金字塔结构侧重于将高层语义从顶层传递到底层,单向传递的信息流不利于小目标的检测。将辅助MFEM分支与RetinaNet相结合,构造一个包含双向特征金字塔结构的模型,它可有效地融合网络高层强语义信息和底层高分辨率信息。为证明文中算法FE-RetinaNet (Feature Enhancement RetinaNet)的有效性,在MS COCO公共数据集进行实验。与原RetinaNet相比,改进的RetinaNet在MS COCO数据集上检测精度(mAP)取得了1.8%的提升,COCO AP为36.2%;FE-RetinaNet在小目标上检测效果良好,APs提高了3.2%。 相似文献
7.
8.
为了研究地铁网络的节点重要性,研究一种改进模糊聚类算法:将地铁网络抽象为无向无权复杂网络,选取节点介数、接近中心性和特征向量中心性作为节点重要性的评价指标,利用k-means和熵权法改进的FCM模糊聚类算法,对地铁网络节点的重要性进行软化分.采用误判率交叉估计法对模糊聚类结果进行检验.实证表明,相比传统FCM算法,改进FCM算法目标函数收敛次数降低了58.06%,目标函数值降低了5.33%,误判率为0,更适用于地铁站点的重要性分析. 相似文献
9.
10.
文章研究了以最小化制造跨度为目标的,具有模糊加工时间的车问作业计划问题。针对该问题,采用三角模糊数来表征时间参数,并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法,将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。 相似文献