【摘 要】
：
为了提高生成型目标跟踪算法在遮挡、背景干扰等复杂条件下的性能,在稀疏编码模型中引入l_0范数正则化约束,以减少冗余编码信息并改善目标表观重构效果。同时提出一种新的基于非凸近端加速梯度的快速迭代算法,解决由此产生的非凸非光滑优化问题。设计了一种增量低秩学习策略,和传统方法需要将目标观测数据作为一个整体进行低秩学习不同,本文方法通过l_0正则化稀疏编码能够有效地对目标低秩特征子空间进行在线学习和更新。
论文部分内容阅读
为了提高生成型目标跟踪算法在遮挡、背景干扰等复杂条件下的性能,在稀疏编码模型中引入l_0范数正则化约束,以减少冗余编码信息并改善目标表观重构效果。同时提出一种新的基于非凸近端加速梯度的快速迭代算法,解决由此产生的非凸非光滑优化问题。设计了一种增量低秩学习策略,和传统方法需要将目标观测数据作为一个整体进行低秩学习不同,本文方法通过l_0正则化稀疏编码能够有效地对目标低秩特征子空间进行在线学习和更新。在多个视频序列上的实验表明:基于l_0正则化的增量低秩学习方法能有效提高目标跟踪算法的准确率和鲁棒性;和
其他文献
多光谱成像是一项非常有前景的图像高保真获取与再现技术,近年来在水下物体颜色还原的应用中也受到的极大的需求和关注。然而,不同于空气中的物体的成像过程,在水下成像过程中,当光通过水而进行传播,光被水体严重吸收和散射,导致图像变暗,在其光谱和颜色方面发生模糊和扭曲。文中讨论的是基于水下图像的水衰减系数的校准和其多光谱图像的光谱重构。首先在不同的距离处获取物体的图像,提出了基于不同距离的图像进行水体衰减系
论文提出一种非下采样轮廓波变换(NSCT)域内基于自适应单位链接脉冲耦合神经网络(UL-PCNN)的多聚焦图像融合方法。首先,利用NSCT对源图像进行多尺度和多方向分解;对于低频子带,利用一种基于边缘的图像融合方法;对于高频方向子带,采用局部邻域改进拉普拉斯能量作为UL-PCNN的外部激励,同时利用各子带图像改进的拉普拉斯能量和自适应调节UL-PCNN的链接强度,并选取具有较大点火幅度的系数作为融
针对图像椒盐噪声,提出基于加权超图和诱导有序加权平均(IOWA)算子的椒盐噪声滤除算法.首先,用加权超图对图像进行表示,根据椒盐噪声为极值的特点,定义超图边的权值,该权值能够反映边内中心节点对应像素为噪声点的可能性,进而利用超图边的权值进行噪声检测;其次,构建IOWA算子对噪声点进行复原,并采用噪声检测与复原交替进行的方式完成图像的椒盐噪声滤除.仿真实验结果表明,所提出的算法不但可有效复原椒盐噪声
针对多尺度变换域内红外(IR)与灰度可见光(VIS)图像融合后图像清晰度差、纹理信息不丰富等问题,提出一种基于剪切波变换(ST)域改进的IR与灰度VIS图像融合算法.首先,采用形态学顶帽变换(MTH)增强IR与VIS图像;然后,对增强后的IR与VIS图像采用ST变换,将其分解成高、低频图像,针对高频图像提出局部标准差(LSTD)与系数绝对值的融合策略;针对低频图像提出一种改进的权值融合策略;最后,
视觉跟踪是近年来计算视觉最活跃的研究课题之一,已被广泛应用于许多视觉领域。然而,视觉跟踪技术仍然存在挑战,如目标发生光照变化、遮挡、外观形变等。为克服这些技术困难,本文提出基于小波变换的可靠特征点分配(Reliable point assignment,RPA)算法。通过搜索局部最大小波系数(Local maximal wavelet coefficients,LMWC)的位置,获得可靠特征点。在
引言物联网市场呈现飞速增长的发展,在这些领域蓬勃发展的背后,MCU作为物联网的核心器件,要满足怎样的条件才能符合用户产品的需要?更多联网产品的出现,使得MCU的功耗是否要越来越低?MCU是否要同FPGA和无线模块高度整合在一起,更加集成化地服务于上述技术领域?究竟什么样的MCU才能抓住机遇,登上物联网市场高速增长的列车?业界声音连接能力、能量模式和集成功能是MCU必备的素质
提出了一种新的移动相机下的地面运动目标分割方法,运用一种称为"多平面视差约束"的三视角约束方法把图像序列中的每个像素点区分成背景区域和运动目标区域.该方法是在"平面和视差"框架的基础上提出来的,克服了之前几何约束方法存在的视差问题,而且不需要固定的参考平面.同时,在相机跟随目标相同方向移动时,将极线约束的面退化问题简化为线退化问题.实验结果证明了该方法的优越性.
提出了一种在开环外的量化离散余弦变换(QDCT)系数上的H.264视频信息隐藏算法。在抑制漂移失真的条件下,对邻块所需参考像素进行多组分类。其次,充分挖掘帧内4×4亮度可用QDCT系数对,结合9进制方向调整(EMD)嵌入算法和矩阵编码,实现秘密信息的高容量嵌入。同时,通过最多修改一组QDCT系数保证了含密视频的质量。此外,本文的信息提取算法不需要对含密视频完全解码,只需得到QDCT系数和帧内预测模
为了提高图像标注性能,提出了一种基于视觉语义主题与反馈日志的图像自动标注方法。首先,提取图像前景与背景区域,分别进行处理;其次,基于WordNet构建标注词之间的语义关系模型,并结合概率潜在语义分析(PLSA)与高斯混合模型(GMM)建立图像底层特征、视觉语义主题与标注关键词间的联系,实现对图像的自动标注;然后,基于增量关联规则建立标注日志数据库,并在对数据库消噪的基础上,通过反馈技术提高标注的效
为了改进基于径向基函数的相位解缠(RBFPU)算法,针对不同的缠绕图,提出了一种自适应参数的RBFPU(ADRBFPU)算法:先对图像进行分块,然后按照各块的图像复杂度确定对应的径向基函数的宽度。实验结果表明,在不同噪声水平下,与经典RBFPU算法及经典的质量图导向(QGPU)法和图割(PUMA)法等相比,本文算法具有更好的鲁棒性。