红外与激光工程
2022, 51(10): 20220029
中国人民解放军91404部队, 河北 秦皇岛 066000
为了能有效应对目标姿态变化、光照变化和运动模糊等场景对目标跟踪问题带来的干扰以及满足系统实时性, 提出了一种基于特征压缩的目标跟踪方法, 该方法通过随机投影来保存图像特征空间结构, 采用稀疏测量矩阵有效压缩多尺度特征空间的特征。将一幅图像分为前景目标和背景, 对这两部分采用同样的稀疏测量矩阵进行压缩特征提取, 将跟踪任务变为建立一个二值贝叶斯分类器, 同时在压缩域上在线更新, 实现对目标特征的有效表达和实时、准确的跟踪。实验表明, 提出的压缩跟踪算法具有良好的实时性, 在VC平台上处理速度可达23 ms/帧, 并且在各种具有挑战性的场景目标跟踪任务中, 表现出良好的精度和鲁棒性。
目标跟踪 随机投影 压缩感知 多尺度特征 贝叶斯分类器 target tracking random projection compressive sensing multiscale features Bayes classfier
湘潭大学 信息工程学院, 湖南 湘潭 411105
为了处理运动目标跟踪中的遮挡、光照变化以及背景杂乱等问题, 提出了一种基于加权多实例学习的压缩感知目标跟踪方法。在提取图像块类Haar特征的基础上, 采用随机投影方法对高维特征进行压缩, 结合加权多实例学习策略, 在boosting学习框架下训练分类器, 根据分类器最大响应值得到跟踪目标图像块。使用矩形框手动标定第一帧图像的目标, 对后续帧采样的正负实例的类哈尔特征进行压缩, 通过这些样本特征训练分类器, 得到跟踪结果。实验结果表明, 所提算法具有较高的跟踪精度、实时性和鲁棒性, 对所选的四个具有挑战性的视频序列, 跟踪成功率都能超过89%, 帧率也超过26f/s。
加权多实例学习 目标跟踪 压缩感知 随机映射 鲁棒性 weighted multiple instance learning object tracking compressed sensing random projection robustness
1 中国科学院光电技术研究所, 成都 610209
2 电子科技大学, 成都 610054
3 中国科学院大学, 北京 100039
4 中国华阴兵器试验中心, 陕西 华阴 714200
目标检测通常利用复杂的、高维度的特征来提高其检测精度, 而高维特征往往会产生较高的计算复杂度和存储开销。经典的特征压缩算法常常被用于目标检测系统以实现特征降维, 但在其求解过程中会涉及到大量的矩阵分解运算, 从而降低了算法的实时性。针对此问题, 提出一种基于随机映射的特征压缩算法。该算法仅通过一个稀疏随机矩阵和简单的矩阵乘法运算就实现了特征从高维空间到低维空间的映射。利用经该算法压缩后的特征向量构建了Ada-Boost分类器, 实验结果表明, 该分类器在保证检测精度的前提下, 提高了目标检测的实时性。
随机映射 目标检测 特征压缩 稀疏矩阵 random projection object detection feature compression sparse matrix
1 广东第二师范学院物理系, 广东 广州 510310
2 华南理工大学计算机科学与工程学院, 广东 广州 510640
针对尺度不变特征变换 (Scale-invariant feature transform, SIFT) 算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一 种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征 向量进行提取,将高维梯度导数向量降到低维稀疏特征向量,降低了关键点描述向量维度。采 用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF) 数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存 在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。
图像处理 图像配准 尺度不变特征变换 特征提取 稀疏随机投影 image processing image registration scale-invariant feature transform feature extraction sparse random projection
1 广东第二师范学院物理系, 广东 广州 510310
2 华南理工大学电子与信息学院, 广东 广州 510640
尺度不变特征变换(SIFT)算法是图像配准中一种用来描述局部特征最稳健,使用最广泛的方法。针对存在关键点特征描述向量维数较高,算法计算复杂的问题,提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法,该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中,即SRP-SIFT,用稀疏特征表示方法对SIFT关键点特征向量进行提取,再使用相应的L1距离度量进行特征向量的匹配。对新算法和相关SIFT算法进行了图像配准实验,实验结果表明,SRP-SIFT算法对包含复杂结构内容的图像配准性能优于传统SIFT算法,配准效率与几种改进的SIFT算法相当,但运算速度比传统SIFT算法和几种改进的SIFT算法有明显提高。
图像处理 尺度不变特征变换 压缩感知 特征提取 稀疏随机投影 光学学报
2014, 34(11): 1110001
燕山大学 信息科学与工程学院,河北 秦皇岛 066004
分析了压缩传感逐帧重构视频信号的不足。针对这种方法的缺点,提出了一种多帧按组重构的压缩传感视频重构算法。在观测阶段对视频帧逐帧进行随机观测,在重构阶段利用视频信号帧内、帧间的相关性,将多帧视频信号看作三维信号,采用迭代收缩法在每步的迭代过程中用残差来更新重构信号,并利用三维变换,如三维双树复数小波变换等对每步迭代后的重构信号进行阈值处理。实验结果表明,能通过随机观测值精确的重构原始视频,达到较高的信噪比,说明有效地利用了视频帧间的相关性,消除了逐帧重构时的帧间抖动现像。
压缩传感 随机投影 视频压缩传感重构 三维双树复数小波 迭代收缩 compressed sensing random projection compressed sensing video reconstruction 3D dual-tree complex wavelet iterative shrinkage