-
公开(公告)号:CN108665479A
公开(公告)日:2018-10-16
申请号:CN201710428155.9
申请日:2017-06-08
申请人: 西安电子科技大学
IPC分类号: G06T7/246
摘要: 本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法,获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量,构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量,根据贝叶斯分类器对所有已降维的多尺度特征进行分类,通过多尺度的最大后验概率获取目标位置,根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪,具有较好的鲁棒性能。
-
公开(公告)号:CN108665420A
公开(公告)日:2018-10-16
申请号:CN201710207017.8
申请日:2017-03-31
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于变分贝叶斯模型的红外弱小目标图像背景抑制方法,根据滑动窗口对红外图像进行分解,获得若干个相同大小且相互重叠的图像块,之后,根据kNN方法对所述获得的若干个相同大小且相互重叠的图像块进行聚类处理,获得若干个不同的红外图像块聚类,再根据变分贝叶斯理论模型抑制所述获得的红外图像块聚类中的背景成分,最后对经背景抑制的红外图像块聚类进行重构获得背景抑制后的图像。本发明有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景,并能够突出目标信息,便于后续的目标分割与检测。
-
公开(公告)号:CN108665479B
公开(公告)日:2022-11-08
申请号:CN201710428155.9
申请日:2017-06-08
申请人: 西安电子科技大学
IPC分类号: G06T7/246
摘要: 本发明公开了一种基于压缩域多尺度特征TLD的红外目标跟踪方法,获取视频图像的多尺度特征并且将每一个多尺度特征级联成列向量,构建高斯稀疏测量矩阵并利用其对多尺度特征列向量进行降维处理以减少数据量,根据贝叶斯分类器对所有已降维的多尺度特征进行分类,通过多尺度的最大后验概率获取目标位置,根据所述目标位置确定跟踪目标。本发明能够在目标旋转、快速移动及目标被遮挡等情况下对目标进行稳定跟踪,具有较好的鲁棒性能。
-
公开(公告)号:CN108665420B
公开(公告)日:2022-01-18
申请号:CN201710207017.8
申请日:2017-03-31
申请人: 西安电子科技大学
IPC分类号: G06T5/00 , G06K9/62 , G06V10/762 , G06V10/764
摘要: 本发明公开了一种基于变分贝叶斯模型的红外弱小目标图像背景抑制方法,根据滑动窗口对红外图像进行分解,获得若干个相同大小且相互重叠的图像块,之后,根据kNN方法对所述获得的若干个相同大小且相互重叠的图像块进行聚类处理,获得若干个不同的红外图像块聚类,再根据变分贝叶斯理论模型抑制所述获得的红外图像块聚类中的背景成分,最后对经背景抑制的红外图像块聚类进行重构获得背景抑制后的图像。本发明有效地抑制红外图像中所包含的高灰度级、起伏剧烈的红外背景,并能够突出目标信息,便于后续的目标分割与检测。
-
-
-