本文選題：目標(biāo)定位 + 邊緣特征��； 參考：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年01期

【摘要】：為了解決目標(biāo)檢測中物體定位效率不高的問題,針對現(xiàn)有多數(shù)方法采用的窮舉式的滑動窗口檢測的不足,提出一種改進(jìn)的Prim算法融合超像素而產(chǎn)生推薦窗口的算法.先采用快速的結(jié)構(gòu)化邊緣檢測算子產(chǎn)生邊緣結(jié)構(gòu),然后通過非極大值抑制產(chǎn)生各邊緣集合,再由邊界集合構(gòu)建物體輪廓確定Prim算法融合超像素初始的條件,最終由超像素間的邊界強(qiáng)度和開始產(chǎn)生的邊緣輪廓判斷終止條件,產(chǎn)生圖像中各物體的定位區(qū)域.在Pascal VOC 2007數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)的結(jié)果表明,在一致的檢測標(biāo)準(zhǔn)下,文中改進(jìn)的Prim算法在平均重疊率達(dá)到0.78的情況下,將原有算法產(chǎn)生的推薦窗口減少了60%左右,同時算法時間提升近1倍.
[Abstract]:In order to solve the problem that the object location efficiency is not high in target detection, an improved Prim algorithm is proposed to produce the recommended window by merging the super-pixels and aiming at the shortcomings of the exhaustive sliding window detection used by most of the existing methods. A fast structured edge detection operator is used to generate the edge structure, then each edge set is generated by non-maximum suppression, and then the prim algorithm is used to construct the contour of the object to determine the initial condition of the fusion superpixel. Finally, the termination condition is judged by the boundary strength between the super-pixels and the starting edge contour, and the location region of each object in the image is generated. The experimental results on Pascal VOC 2007 data set show that the improved Prim algorithm can reduce the recommended window by about 60% under the condition that the average overlap rate of the improved Prim algorithm is 0.78. At the same time, the time of the algorithm is nearly doubled.
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)技術(shù)應(yīng)用教育部工程研究中心;
【基金】：國家自然科學(xué)基金(61373126) 江蘇省自然科學(xué)基金(BK20131107) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(JUSRP51510)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 彭良剛;;基于邊緣特征的運(yùn)動車輛陰影消除方法[J];軟件導(dǎo)刊;2013年08期

2 荊浩;陳學(xué)Oz;顧志偉;;一種基于邊緣特征的海岸線檢測方法[J];計(jì)算機(jī)仿真;2006年08期

3 唐旭晟;陳丹;;基于局部邊緣特征的快速目標(biāo)檢測[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2011年11期

4 童濤;楊桄;孟強(qiáng)強(qiáng);孫嘉成;葉怡;陳曉榕;;基于邊緣特征的多傳感器圖像融合算法[J];紅外與激光工程;2014年01期

5 邱開金;肖國強(qiáng);張為群;;基于塊邊緣特征直方圖的圖像檢索[J];計(jì)算機(jī)科學(xué);2006年04期

6 羅南超;向昌成;;基于邊緣特征和能量的圖像融合方法[J];計(jì)算機(jī)工程;2010年15期

7 楊健;李若楠;黃晨陽;王剛;丁闖;;基于局部顯著邊緣特征的快速圖像配準(zhǔn)算法[J];計(jì)算機(jī)應(yīng)用;2014年01期

8 張偉;周昌樂;林坤輝;;基于邊緣特征小波變換的壓縮算法關(guān)鍵技術(shù)[J];計(jì)算機(jī)工程;2005年23期

9 李哲;鄭江濱;;基于邊緣特征的偽造圖像盲檢測算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2009年05期

10 周麗雅;秦志遠(yuǎn);;突出邊緣特征的圖像融合方法研究[J];測繪科學(xué)技術(shù)學(xué)報(bào);2008年06期

相關(guān)會議論文 前2條

1 侯正信;;利用邊緣特征的離散余弦子帶圖像編碼[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

2 李太君;吳秋麗;易家傅;;融合對象顏色和邊緣特征的圖像檢索[A];第四屆中國軟件工程大會論文集[C];2007年

相關(guān)碩士學(xué)位論文 前5條

1 李倩;基于邊緣特征的行人檢測技術(shù)研究與實(shí)現(xiàn)[D];東北大學(xué);2011年

2 李俊;基于邊緣特征及對稱差分的鐵路安全圖像處理技術(shù)研究[D];武漢理工大學(xué);2009年

3 王海波;基于顏色和邊緣特征的圖像檢索技術(shù)研究[D];新疆大學(xué);2011年

4 陳安琪;最簡方案中的詞序討論[D];天津師范大學(xué);2013年

5 郝萬里;基于邊緣特征的圖像配準(zhǔn)算法研究[D];沈陽理工大學(xué);2012年

，

本文編號：2108975