河北工业大学电子信息工程学院, 天津 300401
针对当前图像显著性检测算法存在的检测不准确和边缘不清晰问题,提出基于改进的贝叶斯公式融合算法。采用compactness先验得到初级显著图,并以初级显著图作为训练样本,采用多核学习方式得到次级显著图,而后基于贝叶斯公式以一定的比例融合初级和次级显著图,最终获得精确的显著性检测图。实验结果表明,算法在2个公开数据集上进行检测时,所得结果能够有效地突出目标物体,去除边缘模糊的现象,且实验结果在3个数据指标(精确度、召回率和F-measure值)方面均优于其他8种算法,算法运行速度较快,实验结果也更为精确。
图像处理 贝叶斯公式融合 显著性检测 compactness先验 初级显著图 多核学习 次级显著图 激光与光电子学进展
2019, 56(16): 161010
为了解决传统的 SIFT算法存在检测时间长, 识别率低等问题, 提出了一种基于目标红外特征与 SIFT特征相结合的红外图像识别算法, 该算法首先通过 5个能反映红外目标初步信息且易实现的红外特征量进行初步识别, 然后采用 SIFT算法进行精确识别。通过三种飞机的红外图实验可以看出, 将红外特征量与 SIFT特征检测识别方法相结合, 识别时间缩短 0.06 s, 识别率有较大提高, 达到 98%以上。
目标特征 特征提取 图像分割 目标识别 feature of objects feature extraction image segmentation SIFT SIFT target identification
