1 江西旅游商贸职业学院 艺术传媒与计算机学院, 南昌 330100
2 江西现代职业技术学院 信息工程学院, 南昌 330095
鉴于现有的红外图像增强方法存在欠增强、过增强和放大噪声等缺陷, 提出了自适应加权直方图均衡化的红外图像增强方法。该方法提出了直方图的自适应加权系数, 其反比于每个灰度级对应直方图频次的平方根, 适当地提升频次较小的直方图, 而适当压制频次较大的直方图。用自适应加权系数对各个灰度级的直方图频次进行加权后, 进行直方图均衡化处理, 最后经灰度级映射得到增强图像。实验结果显示, 相对于现有的方法, 本方法的增强图像对比度更高, 边缘细节信息更丰富, 信息熵、平均梯度和标准差分别比现有方法高出0.23、2.2和3.7以上。因此, 本文方法的红外图像增强效果优于最新提出的现有方法。
红外图像增强 直方图均衡化 自适应加权数 信息熵 infrared image enhancement histogram equalization adaptive weighting coefficient information entropy
1 武汉科技大学 信息科学与工程学院，湖北 武汉 430081
2 武汉科技大学 教育部冶金自动化与检测技术工程研究中心，湖北 武汉 430081
现有的多数人体姿态估计算法通过设计复杂的网络结构以获得高精度而导致速度较低。YOLO-Pose人体姿态估计算法吸收了先进目标检测算法的优点同时获得了较高的精度和速度，然而仍然存在漏检和误检问题。本文对YOLO-Pose算法进一步改进，针对人体姿态非刚性和人体关键点分布多样性的特点提出一种新的轻量级人体姿态检测算法。首先，设计了轻量级通道和空间注意力网络LCSA-Net以提升模型的特征提取能力；其次，采用了基于距离自适应的加权策略在模型训练时计算人体关键点回归损失以增强模型对远距离人体关键点的回归能力。在COCO 2017人体姿态数据集上的实验结果表明，与基准模型相比，两种改进策略均有效提升了人体姿态估计性能，实现了2%的mAP提升、1.5%的AP50提升和1.7%的AR提升。
人体姿态估计 YOLO-Pose 注意力网络 自适应加权 回归损失 human pose estimation YOLO-Pose attention net adaptive weighting regression loss
针对合成孔径雷达(SAR)目标识别问题, 提出结合多特征联合表征和自适应加权的方法。分别采用主成分分析(PCA)、单演信号以及Zernike矩特征描述原始SAR图像, 获得3个对应的特征矢量。基于联合稀疏表示模型对3类特征进行联合表征。针对不同特征条件下的重构误差矢量, 采用自适应加权算法进行融合处理, 即在线性融合的框架下自适应获得权值, 达到良好的决策融合效果。最终, 根据融合后的误差对目标类别进行判定。实验基于MSTAR数据集开展, 针对10类目标识别问题分别在标准操作条件、噪声干扰和部分遮挡条件下进行测试, 结果验证了方法的有效性。
合成孔径雷达 目标识别 多特征 联合稀疏表示 自适应加权 synthetic aperture radar target recognition multiple features joint sparse representation adaptive weighting
江南大学 物联网工程学院，江苏 无锡 214122
传统的稀疏表示跟踪算法直接利用较为简单的灰度特征进行稀疏表示系数计算，易受遮挡、形变等影响。为此，提出一种局部自适应加权算法来增加受遮挡、形变等影响的候选目标与未受遮挡、形变等影响的候选目标之间的区分度。另外，一般稀疏表示算法利用数量较少的目标模板构建过完备字典。无法获得较好的稀疏系数。提出逆稀疏表示算法，利用包含丰富目标特征和背景特征的候选目标构建过完备字典来重构目标模板，相同维度的目标模板条件下可以获得更好的稀疏系数。实验表明，该算法在目标背景差异小或严重遮挡、形变情况下，都能够较好的跟踪目标。
稀疏表示 自适应加权 过完备字典 候选目标 sparse representation adaptive weighting over-complete dictionary candidate target
1 西北工业大学理学院, 陕西 西安 710129
2 西安工程大学理学院, 陕西 西安 710048
3 中国科学院遥感应用研究所遥感科学国家重点实验室, 北京 100101
针对合成孔径雷达(SAR)图像提出了一种带边缘惩罚和自适应权马尔科夫随机场(MRF)模型的快速分割算法。在MRF分割模型的能量函数中引入了边缘惩罚和自适应加权参数。边缘惩罚的引入能够减少边缘模糊从而更加精确地定位边缘。自适应权参数能够根据图像分割时收敛的阶段以及图像的局部场景自适应地调整能量函数中数据模型因子的权重，这有利于在均质区域改进分割区域的一致性，而在非均质区域则可保持图像的边缘和重要细节。针对所提出的能量函数提出了一种快速的非均质点跟踪优化算法。对合成和真实的SAR图像的分割结果表明，所提出的分割方法能提高分割的精度并显著减少运行时间。
图像处理 马尔科夫随机场 边缘惩罚 自适应权 合成孔径雷达
