公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于显著图与稀疏特征的图像视觉效果评价被引量：1: 2015年; 提出一种基于显著图与稀疏特征的图像视觉评价算法,其中显著图类似于视觉阈值,提取出图像中的视觉注意区域,并使用独立成分分析(Independent Component Analysis,ICA)等同于稀疏编码,来提取该区域的稀疏特征。最后通过综合特征相似性和灰度相关性,得到一种全参考图像质量评价方法。通过在3个标准图像数据库测试的结果表明,相对于其他评价算法,该方法很好地拟合了人眼主观评价。; 易瑜薄华孙强; 关键词：ICA 图像质量评价

QR分解与特征值优化观测矩阵的算法研究被引量：3: 2015年; 观测矩阵的构造是压缩感知中的核心部分之一,观测矩阵的列独立性,观测矩阵与稀疏基的非相干性,对重构图像的质量有重要影响,基于此提出了一种优化算法。该算法实现对观测矩阵进行QR分解以增大其列独立性,同时对格拉姆矩阵进行优化,使其归一化后的特征值逼近N/M,从而增大观测矩阵与稀疏基的非相干性。仿真结果显示,算法在提高图像重构质量,以及重构结果稳定性上都有较好的结果,尤其是在观测值个数较少的情况下,有比其他算法更明显的优势。; 郑晓薄华孙强; 关键词：压缩感知 QR分解特征值

一种新的视觉运动注意力计算方法被引量：1: 2014年; 由于运动注意力模型不合理、光流估算的局限性和噪声影响,对于复杂运动场景,现有运动注意力计算方法往往不能准确计算出运动显著图。本文提出了一种新的运动注意力计算方法,该方法首先根据注意力形成机理构建运动注意力模型;在可变块大小运动估计的基础上计算运动注意力;最后采用空间多尺度融合得到最终的运动显著图。通过对多个高清视频序列的测试,表明本文提出的方法比现有方法更能准确地计算出运动显著图。; 刘龙赵晶樊波阳; 关键词：多尺度融合

多尺度分析的运动注意力计算: 2014年; 目的由于光流估算的缺陷、噪声干扰以及现有运动注意力模型的局限性,导致运动注意力计算结果不能准确反映运动的显著性特征,制约了运动显著图的进一步应用。为提高运动注意力计算的准确性,提出一种基于时—空多尺度分析的运动注意力计算方法。方法该方法根据视觉运动注意力来自于时—空运动反差的注意力形成机理构建运动注意力模型;通过时间尺度滤波去除噪声影响;鉴于视觉观测对尺度的依赖性,通过对视频帧的多尺度分解,在多个空间尺度进行运动注意力的计算,根据宏块像素值的相关系数大小对低尺度、中低尺度和原始尺度的运动注意力计算结果进行融合,得到最终的运动注意力显著图。结果对多个视频测试序列的测试,测试结果表明,本文方法比同类方法更能真实有效地反映出视频场景中的运动显著性特征,大大提高了运动显著图的准确性。结论为有效提高运动注意力计算不准确的问题,提出一种基于时—空多尺度分析的运动注意力计算方法,对于不同复杂视频运动场景,该方法能明显增强运动注意力计算的准确性,为视觉运动注意力的进一步应用奠定了良好基础。; 刘龙樊波阳; 关键词：多尺度相关系数

基于视觉注意力计算的运动目标检测方法研究被引量：1: 2015年; 为了更准确地在全局运动视频场景中检测运动目标,提出了一种基于运动注意力和粒子滤波自底向上和自顶向下相结合的运动目标检测方法。基于多尺度可变块运动估计估计运动矢量场(Motion Vector Filed,MVF),构建运动注意力模型,得到运动注意力显著图,继而得到运动注意力的初始分布;采用自顶向下的基于目标颜色信息的粒子滤波算法,调整运动注意力的分布状况;使注意力集中到待测目标上,并提取出待测运动目标。实验结果表明,该方法在全局运动场景中能更加准确地检测目标。; 刘龙樊波阳; 关键词：粒子滤波目标检测

面向运动目标检测的粒子滤波视觉注意力模型被引量：9: 2016年; 视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上(Bottom-Up)和自顶向下(Top-Down)注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.; 刘龙樊波阳刘金星杨乐超; 关键词：注意力模型运动目标检测粒子滤波

面向目标检测的多尺度运动注意力融合算法研究被引量：2: 2014年; 运动目标检测是视频分析领域的关键技术之一,针对目前全局运动场景下目标检测算法的局限性,该文提出一种多尺度运动注意力融合的目标检测算法,为目标检测问题提供了新思路。该算法通过时-空滤波去除运动矢量场噪声,根据运动注意力形成机理定义运动注意力模型;为提高注意力计算的准确性,定义了目标像素块的测度公式,采用D-S证据理论对多尺度空间运动注意力进行决策融合,最终获取运动目标区域位置。多个不同高清视频序列的测试结果表明,该文算法在全局运动场景中能准确对目标进行检测定位,从而有效克服了现有算法的局限性。; 刘龙孙强宋琦军; 关键词：目标检测

全选清除导出

共1页<1>

国家自然科学基金(61001140)