基于改进YOLOv5算法的红外图像行人目标检测

针对红外图像中行人检测算法准确率低、漏检等问题,提出了一种基于改进YOLOv5s的红外行人目标检测方法。首先,利用Transformer编码结构替换C3模块中的Bottleneck结构,以加强检测网络的特征融合能力;其次,利用递归门控卷积gnConv对视觉感受野模块RFB进行改进,并在YOLOv5s头部检测网络前加入改进的RF-gnConv模块,以提高模型对各种复杂场景行人检测的适应力;最后,利用OTCBVS数据集对算法模型进行验证。结果显示：改进后的算法模型平均精度均值达到97.3%,检测速度为63帧/s,验证了改进算法对红外图像中行人检测的有效性。     

基于SVD的改进混合高斯模型弱小运动目标检测算法

为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。     

基于形态学的红外小目标检测算法

在分析复杂天空背景下红外视频序列特征的基础上,针对红外小目标本身特性及红外序列低信噪比的问题,提出适合该环境的红外小目标检测算法.该滤波方法以形态学滤波理论为基础,首先采用均值滤波和Open ing-Tophat运算对红外视频序列进行预处理,然后运用基于均值和方差的统计分割方法提取图像中的运动目标,从而实现了红外小目标的检测.实验结果表明,所提出滤波方法具有良好的检测和分割效果,能够有效地改善跟踪精度.     

模极大值小波算法在红外图像点目标检测中的应用研究

在总结以往红外项目实现的基础上,着重学习研究了小波变换点目标检测技术,并就其工程实现进行了论证,尝试将模极大值小波算法应用到红外点目标检测项目中。     

关于红外微弱运动目标检测与跟踪系统的基本结构的探讨

随着导弹技术的发展和红外技术的进步,红外成像制导技术越来越受到研究人员的重视．红外微弱目标的检测技术是红外成像系统中的核心技术之一．低信噪比条件下的微弱目标检测与跟踪问题也一直是近些年来国内外学者研究的一个热门课题．由于红外图像本身起伏背景复杂而微弱且又只占一个或几个像元,往往淹没在背景中,造成信噪比太低而无法进行检测．为此围绕着低信噪比条件下的微弱目标检测与跟踪问题,通过对目标的观测模型分析,总结出外微弱运动目标检测与跟踪系统的通用原理框图．     

基于双密度双树复小波变换的红外图像降噪算法

为提高红外图像质量,提出了基于双密度双树复小波变换的降噪算法。在相同尺度内相邻小波间频带间距更小,在变换域的频带分得更细,描述的方向信息更丰富,能够有效提取红外图像的低频和高频信息,使用双变量模型在变换域进行降噪处理,最后通过小波逆变换重构红外图像。该算法能有效滤除噪声,同时保留更多细节,获得更好的评价指标及视觉效果。     

基于光流估计摄像机运动下红外小目标检测算法

针对单一光流方法不能实现摄像机运动时红外小目标实时检测的问题,提出一种基于光流估计的摄像机运动下的小目标检测方法.该方法从动态背景静态化的角度出发,计算所提取角点处的Lucas-Kanade光流,在此基础上获取动态背景的运动补偿,进而得到当前的静态背景.利用目标与背景的运动差异性,计算相对于静态背景的Horn-Schunck光流,所计算的光流值则给出最终的检测结果.实验结果表明,该方法对摄像机运动下的地空背景红外小目标序列图像有良好的检测效果.     

基于LS-SVM算法的遥感图像目标检测方法研究

遥感图像受到光照、拍摄角度、大雾等影响使得目标检测精度低,为提高遥感图像目标检测质量,通过计算遥感图像背景复杂度,进行目标区域的预提取,实施目标检测,提出基于LS-SVM算法的遥感图像目标检测模型。将提出的方法应用于舰船遥感图像和航空遥感图像的目标检测中,并和联合显著性特征和角度信息方法、改进SSD算法进行对比。结果表明该方法能够更好地对比较暗、尺寸比较小的目标进行检测,具有一定的应用价值。     

融合小波变换及SIFT算法的去抖动运动目标检测

采集视频信息时因摄像机抖动造成图像不稳定,将给后期运动目标检测带来严重的误检测问题。针对此问题提出一种融合小波变换及自适应SIFT算法的运动补偿方案。首先引入基于阈值的小波变换对图像进行去噪,然后设计变步长迭代准则自适应地搜索匹配的SIFT特征点,保证了高配准精度的特征点对的获取,通过对比当前帧与参考帧匹配特征点的偏移量估计抖动参数,再利用改进的高斯混合模型对运动补偿后的视频帧进行运动目标检测。实验结果表明,与同类方法相比,能够获取具有更高配准度和稳定性的匹配特征点对以有效地估计抖动参数,具有良好的去抖动效果和较高的运动目标检测精度。     

基于小波变换的图像边缘检测

根据小波变换原理,指出在边缘检测之前先对图像进行自适应平滑滤波。同时,选取更加有效的小波函数,以改进用于构建边缘检测算子的滤波器。结果表明,该方法用于图像边缘检测效果较好。     

基于深度学习的小目标检测算法综述

由于小目标分辨率低、携带的信息少,现有基于深度学习的目标检测算法对小目标检测精度远远小于对大目标的检测精度。针对小目标检测精度问题,以基于深度学习的目标检测为切入点,系统总结了基于深度学习的目标检测代表算法,并以检测精度和检测速度为标准分析各种算法优缺点。将能有效提高小目标检测精度的方法进行分类汇总,介绍了各种方法的相关应用。针对目标检测及小目标检测存在的问题,对未来目标检测领域发展趋势进行了预测与展望。     

改进 SSD 的交通标志目标检测算法

以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。     

基于小波域图像融合的边缘检测算法研究

针对多聚焦度分析和部分有损图像分析中难以提前完整边缘信息的问题,提出了一种基于小波域图像融合的边缘检测算法。它是在小波变换多分辨率分析的基础上,运用图像融合及图像增强理论,使得小波子带边缘信息量最大化,再运用经典的Canny算子边缘检测算法最终实现图像边缘的检测。     

基于小波相位滤波的图像去噪算法

提出的小波变换相位去噪算法,是一种对幅度不敏感的小波去噪算法.实验证明,该算法是可行的,特别是对强噪声污染的图像,效果更佳.     

一种改进的基于小波变换的语音基频检测

传统的小波变换基频检测通过比较相邻尺度上的小波系数极值点来进行检测．该方法往往存在着伪极值点的误判,降低了检测的精确度,而且增加了运算量．针对小波系数的伪极值点误判情况做了分析,进行了最佳尺度的判定,以及极值点搜索方法的改进,提出了一种基于最佳尺度的小波变换基频检测算法,提高了算法的实时性和准确性,并通过实验证明了该算法的有效性．     

融合图像显著性的YOLOv3船舶目标检测算法研究

针对复杂水面环境下的船舶目标检测问题,运用融合图像显著性的YOLOv3船舶目标检测改进算法以提高检测能力。该算法基于Darknet-53网络模型,根据水上船舶特点,融合非极大值抑制算法Soft-NMS和显著性检测算法FT思想,进一步优化最终检测以达到更准确的效果。用Soft-NMS算法替换原有NMS算法,使得算法对小目标和重叠目标检测效果明显提升。融入FT算法对船舶图像局部细节作进一步细化,使得包围盒回归更加准确。在建立的数据集上进行训练与测试,实验结果表明,改进方法比原始方法准确率提高4%,达97%,检测速度提高10帧/s,达30帧/s,表明改进算法有效提高了船舶目标检测精度,且加快了检测速度。     

基于深度学习的视频目标检测算法的实现

由于光照变化、物体遮挡和复杂背景条件等众多因素的影响,目标检测一直是机器视觉领域最具有挑战性的问题。首先对视频目标检测算法中的孪生网络系列算法进行分析比较;然后将孪生网络与深度学习相结合,提出并构建全新的孪生网络跟踪器;最后将视频输入到设计好的孪生网络跟踪器中,通过网络对每一帧图像中物体的类别与位置进行准确地实时框选标注。分别将该算法和当前广泛应用的YOLOv3算法在OTB数据集上进行验证测试。测试数据表明:该算法的视频目标检测成功率和准确率均优于YOLOv3算法。     

音调检测的小波分析算法研究

应用关于信号的小波变换摸当选择其小波函数为平滑数的一阶导数时在剧变点处表现为极大值的理论,提出用语音信号的小波变换模来检测声门的开启时间,从而确定音调周期的方法,并给出相应的小波算法。