田超
- 作品数：4 被引量：5H指数：1
- 供职机构：重庆邮电大学更多>>
- 发文基金：重庆市自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于SVR的宽基线图像匹配方法被引量：5
- 2013年
- 针对宽基线图像匹配处理中的误匹配问题,使用支持向量回归(support vector regression,SVR)方法来解决宽基线图像匹配,采用了一种改进的拓扑过滤器新算法来剔除误匹配。改进拓扑过滤机制匹配大量SIFT(scale-in-variant feature transform)特征,剔除一些误匹配项获得高正确率的初始匹配,实现使用高正确率的初始匹配来构建SVR;同时,基于构建SVR关系给出的预测值附件搜索新的匹配。在宽基线条件下对室内和室外的环境图像进行测试实验,结果表明,该算法能够自动获取大量正确匹配。
- 席海峰田超
- 关键词：支持向量回归
- 基于奇异值分解的红外弱小目标检测
- 2015年
- 鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.
- 田超高陈强
- 关键词：红外图像序列奇异值分解弱小目标
- 一种基于张量模型的红外弱小目标检测方法
- 本发明公开了一种基于张量模型的红外弱小目标检测方法，包括离线训练阶段和在线检测阶段，所述离线训练阶段包括：S1.建立多特性样本数据库；S2.从数据库构造高阶张量模型；所述在线检测阶段包括：S3.利用张量模型分析未知图像序...
- 高陈强田超李璐星陈良曹杰
- 文献传递
- 一种基于张量模型的红外弱小目标检测方法
- 本发明公开了一种基于张量模型的红外弱小目标检测方法，包括离线训练阶段和在线检测阶段，所述离线训练阶段包括：S1.建立多特性样本数据库；S2.从数据库构造高阶张量模型；所述在线检测阶段包括：S3.利用张量模型分析未知图像序...
- 高陈强田超李璐星陈良曹杰
- 文献传递
