【摘 要】
：
针对空地背景下的红外时敏弱小目标检测，本文提出了一种实用的空地红外时敏弱小目标检测方法。首先，采用快速自适应双边滤波对红外图像进行预处理，平滑边缘信息，消除噪声干扰。其次，使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制。然后，根据梯度特征，采用多步八向梯度法进一步消除高频背景信息。最后，使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明，本文方法对空地背景下的红外时敏弱
论文部分内容阅读
针对空地背景下的红外时敏弱小目标检测，本文提出了一种实用的空地红外时敏弱小目标检测方法。首先，采用快速自适应双边滤波对红外图像进行预处理，平滑边缘信息，消除噪声干扰。其次，使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制。然后，根据梯度特征，采用多步八向梯度法进一步消除高频背景信息。最后，使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明，本文方法对空地背景下的红外时敏弱小目标检测具有较好的鲁棒性和检测性能。
其他文献
图像的风格转换技术目前已经成为计算机视觉领域的一个新的研究热点，并取得了惊人的效果。但由于卡通艺术风格不同于大部分艺术风格的特点，目前针对卡通风格的图像转换方法仍有巨大的改进空间。本文在深入研究图像风格迁移的基础下，提出了一种适用于图形处理器性能受限情况下卡通图像风格迁移训练的生成式对抗网络。首先利用VGG网络提取图片先验信息实现学习过程加速；其次裁剪CartoonGAN模型，在保证效果的基础上使
随着智能手机和5G网络的普及，短视频已经成为碎片时间获取知识的主要途径，针对短视频数据集不足和分类精度较低等问题，提出双流程分类方法，实现短视频的快速高效分类。首先，构建A-VGG-3D网络，即带有注意力机制的VGG网络提取特征、优化的3DCNN网络进行短视频分类。其次，通过增加人脸判别和镜头判别辅助流程对传统视频分类方案进行优化，有效解决了视频内容、形式多样化分类问题。最后，构建当下流行的生活场
针对圆形目标的二维图像无法直接获取其中心三维坐标的问题，提出了一种基于随机Hough变换的圆心三维坐标提取的方法。该方法采用随机Hough变换方法，可对采集到的圆形目标图像快速地进行圆形中心特征点的检测定位，并根据双目视觉算法将获取到的特征点二维坐标进行立体匹配，最终得到圆形目标中心的三维坐标信息。该方法主要用于石油钻井领域中智能化接单根作业的钻杆定位，针对钻杆接头图像定位的实验结果表明，随机Ho
近地表速度结构，是全面考虑城市区域场地地震效应，精细模拟地震动场及建筑群震害的基础。针对复杂交错沉积的区域场地，建立了先基于工程地质先验信息限定交错土体边界，利用序贯指示模拟求解各类交错土体空间概率分布，再依据剪切波速与工程地质结构的空间相关关系，借助序贯高斯模拟构建波速结构模型的方法；在搜集分析钻孔波速资料基础上，构建了哈尔滨市区场地三维速度结构模型；通过与工程地质剖面的定性对比分析、剪切波速-
Target tracking is one of the most important research topics in the field of computer vision. It has been widely applied in aerospace, automatic monitoring, navigation, humancomputer interaction, and
为探究生物质炭入土后其长期理化特性变化，以水稻秸秆生物质炭为试材，通过分析长期定位试验田中的入土生物质炭样品，探究了稻田土壤中生物质炭的理化特性变化规律。结果表明，入土生物质炭颗粒随时间经历持续性物理破碎，平均孔径显著降低，比表面积从初始的55.0 m~(2)·g~(-1)增大到259 m~(2)·g~(-1)。入土11年后，生物质炭H/C摩尔比从最初的0.423提高到0.568，不饱和度显著提升
虹膜活体检测是虹膜识别中涉及安全的重要环节之一，也是虹膜识别领域亟待解决的问题之一，其中美瞳检测是虹膜活体检测中最具挑战性的领域。本文提出了一种基于SSD（Single Shot MultiBox Detector）目标检测网络的虹膜定位和美瞳检测算法IrisBeautyDet，并对网络结构进行轻量化处理，引入MobileNet主干网络显著减少模型计算量，极大提高速度。采用空间注意力和通道注意力机
计算鬼成像由于具有高分辨率和抗干扰能力强等特点，近年来被广泛研究。区别于传统成像方案，由于其成像机制导致了对物体成像需要进行大量的测量，因此提高它的成像效率一直是一个重要的研究内容。在此背景下，由于可以对信号较好地进行去相关进而对其进行大幅压缩，小波变换受到了广泛的关注。近年来，不少学者将Haar小波引入计算鬼成像系统中，成像效率得到了提高。然而，小波函数的种类有很多，性质各异，对于其他小波函数在
教师和学生的课堂行为是课堂教学评价的重要依据，随着人工智能技术与教育的融合不断深入，变革以往的师生课堂行为分析方法，对课堂评价具有十分重要的意义。本文根据课堂教学场景设计了三维卷积神经网络（3D CNN）对教师进行以动态性为主要特征的课堂行为识别，以及提出了经过改善损失函数的YOLO-v5模型对学生进行以多目标为主要特征的课堂行为识别，均取得了更好的识别结果。为验证本文选用的模型的有效性，在研究者
针对雾天环境下拍摄的图像模糊、亮度低等问题，本文提出了一种利用图像颜色反转，并结合暗通道先验和Retinex理论的图像去雾算法。该方法采用四分加权算法准确估计大气光值，导向滤波方法对透射率进行细化；然后利用大气散射模型对反转图像进行去雾处理后再反转，得到初步复原的无雾图像；最后采用MSR算法进一步处理，提升图像的亮度和清晰度。实验结果表明，采用本文算法得到的第一组和第二组图像信息熵分别为7.548