1 中国科学院上海技术物理研究所,上海 200083
2 中国科学院红外探测与成像技术重点实验室,上海 200083
3 中国科学院大学,北京 100049
针对红外舰船小目标图像复杂背景弱信号,虚警率较高且难以被精确检测的问题,提出了一种恒虚警率(Constant False-Alarm Rate,CFAR)-全连接条件随机场(Dense Conditional Random Fields,DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势,实现虚警特征抑制,并引入CFAR对模型进行改进,提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明,该算法能够充分利用海域的全局上下文信息,能够在保持较高检出率同时,有效降低虚警率,实现单帧端到端的小目标检测.
遥感 全连接条件随机场 红外小目标 恒虚警率 remote sensing dense conditional random fields infrared dim target constant false-alarm rate (CFAR) 红外与毫米波学报
2019, 38(4): 04520
1 河北工业大学人工智能与数据科学学院, 天津 300401
2 河北省大数据计算重点实验室, 天津 300401
针对图像语义分割中图像的上下文信息利用不充分、边缘分割不清等问题,提出一种基于多尺度特征提取与全连接条件随机场的网络模型。分别以多尺度形式将RGB图像和深度图像输入网络,利用卷积神经网络提取图像特征;将深度信息作为补充信息添加到RGB特征图,得到语义粗分割结果;采用全连接条件随机场优化语义粗分割结果,最终得到语义精细分割结果。实验结果表明,所提方法提高了图像语义分割的精度,优化了图像语义分割的边缘,具有实际应用价值。
图像处理 图像语义分割 卷积神经网络 多尺度特征 深度学习 全连接条件随机场 激光与光电子学进展
2019, 56(13): 131007