论文摘要
为了在复杂天空背景下检测出低空慢速小目标,本文研究了"低小慢"目标的视觉显著性区域特征,融合扫描线填充算法,提出了一种动态背景下"低小慢"目标自适应实时检测技术。首先,根据图像的亮度对比度获取显著性图。接着,使用形态学梯度提取显著性特征,通过三帧差分算法得到种子点。然后,使用扫描线填充算法进行生长,结合提出的自适应双高斯算法分割出前景。最后,根据候选目标的面积占比变化、质心距离变化、宽高比差异剔除虚假目标,完成检测。为了验证算法的有效性,本文选取了7组复杂天空背景的视频序列进行测试,并与其他优秀检测算法进行了对比。结果表明,本文提出的算法对运动目标检测的平均运行时间为0. 040 9 s,平均检测准确率为89. 97%,相比于其他算法的平均运算时间减少了0. 35 s,检测的平均准确率提高了24. 5%。算法在复杂背景下具有较好的稳定性和较强的鲁棒性。
论文目录
文章来源
类型: 期刊论文
作者: 吴言枫,王延杰,孙海江,刘培勋
关键词: 计算机视觉,视觉显著性,扫描线填充,曲线拟合,自适应阈值分割
来源: 中国光学 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 武器工业与军事技术,计算机软件及计算机应用
单位: 中国科学院长春光学精密机械与物理研究所,中国科学院大学材料科学与光电技术学院
基金: 国家自然科学基金青年基金项目(No.61602432)~~
分类号: E926.4;TP391.41
页码: 854-866
总页数: 13
文件大小: 514K
下载量: 294