长春理工大学 电子信息工程学院， 吉林 长春 130022
针对单幅偏振图像在一定场景下无法提供充足信息的问题，结合强度图像和线偏振度图像的优势特征，提出一种基于密集梯度生成对抗网络的偏振图像融合算法。利用密集连接卷积网络和梯度算子构建密集梯度卷积模块，并将该模块应用在生成器中，用以增强融合图像的纹理细节; 构造多尺度结构相似度和L1范数相结合的损失函数，用以提高网络的整体性能。在ZJU-RGB-P数据集进行定性比较和定量分析，实验结果表明，所提算法具有更好的主观视觉感受，同时各项评价指标均得到明显提升。
图像融合 偏振图像 生成对抗网络 密集连接卷积网络 image fusion polarization image generative adversarial networks densely connected convolutional networks
1 西北师范大学物理与电子工程学院, 甘肃 兰州 730030
2 甘肃省智能信息技术与应用工程研究中心, 甘肃 兰州 730030
针对相关滤波器(CF)的目标背景因没有根据时间建模而导致的性能不佳的问题,在方向梯度直方图(HOG)的基础上,提出一种基于时间正则化及背景感知的滤波器跟踪算法。从真实的背景中提取训练样本,通过增加训练样本来增强滤波器的分类能力;引入时间正则化,构建遮挡情况下目标重定位模块;采用交替方向乘子法(ADMM)优化求解目标,降低计算复杂度;采用线性插值策略来更新目标的位置和尺度。采用目标跟踪基准(OTB-2015)数据集中的100个视频序列与评价标准对本文所提出的算法进行性能测试。实验结果表明,基于时间正则化及背景感知的滤波器跟踪算法的精确度得分达到0.801,成功率得分为0.762,相比核相关滤波器(KCF)算法分别提高了20%和46.8%。本文算法能很好解决目标发生平面外旋转、目标被遮挡、背景嘈杂等情况下的视觉跟踪问题,具有良好的应用前景和较大的使用价值。
机器视觉 目标跟踪 相关滤波器 时间正则化 背景感知 激光与光电子学进展
2019, 56(23): 231503
