1 西安邮电大学自动化学院, 陕西 西安 710121
2 火箭军工程大学导弹工程学院, 陕西 西安 710025
空对地环境下成像视角单一,且需要依靠深层网络提供强特征表达能力。针对深层网络存在的计算量大、收敛速度慢等问题,在稠密连接网络(DenseNet)框架下,提出了一种用通道差异化表示的目标检测网络模型。首先,用DenseNet作为特征提取网络,并用较少的参数加深网络,以提高网络对目标的提取能力;其次,引入通道注意力机制,使网络更关注特征层中的有效特征通道,重新调整特征图;最后,用空对地目标检测数据进行了对比实验。结果表明,改进模型的平均精度均值比基于视觉几何组(VGG16)的单步多框检测算法高3.44个百分点。
图像处理 目标检测算法 特征提取 通道注意力机制 有效特征 密集连接 激光与光电子学进展
2020, 57(22): 221010
陕西科技大学电气与信息工程学院, 陕西 西安 710021
针对混合高斯模型(Gaussian Mixture Model, GMM)无法检测到完整的运动目标, 三帧差法检测目标时对物体速度的敏感, 检测到的物体会出现空洞等缺点, 提出了一种混合高斯融合三帧差法的运动目标检测改进算法。首先, 在运动目标提取过程中, 改进的三帧差法采用动态分割阈值和边缘检测技术, 解决光线突变和边缘不连续问题; 然后引入新的高斯分布自适应选择策略, 以减少处理时间, 提高检测准确性; 最后, 利用改进 HSV(Hue-Saturation-Value)颜色空间来消除阴影区域, 得到一个完整的运动目标。数据实验表明, 该算法在不同场景具有较好的检测能力。
混合高斯模型 三帧差法 目标检算法 测边缘检测 颜色空间 Gaussian mixture model three frame difference method target detection algorithm edge detection color space
