目标识别
文章平均质量分 91
@橘柑橙柠桔柚
小众的爱好不用在乎大众的眼光
展开
-
【目标检测】基于稀疏表示的高光谱图像(Matlab代码实现)
基于稀疏表示的高光谱图像目标检测,是模式识别的有效方法。目标检测旨在通过使用已知的目标像素或异常属性将特定目标像素与各种背景分开。模型中的稀疏向量可以通过贪婪算法OMP恢复。目标检测问题可以看作是两个假设(背景)和(目标)的竞争关系。T和B都是矩阵,它们的列向量分为目标子空间和背景子空间。N 表示高斯随机噪声,[T,B] 表示 T 和 B 的级联矩阵。假设,当D大于某个阈值η时,则X为目标。通过知识的稀疏表示,已知信号重建的残差可以表示为:经过比较,我们可以发现:假设,当D大于某个阈值η时,则X为目标。原创 2023-03-29 16:25:27 · 538 阅读 · 0 评论 -
基于视觉显著性图和加权最小二乘优化的红外与可见光图像融合(Matlab代码实现)
由于深度特征具有良好的泛化性、鲁棒性和发展潜力,很多基于深度学习的融合方法被提出,在深度特征空间进行图像融合,并取得了良好的效果。红外与可见光图像融合技术充分利用不同传感器的优势,在融合图像中保留了原图像的互补信息以及冗余信息,提高了图像质量。根据不同的融合框架对基于深度学习的红外与可见光图像融合方法进行归类、分析、总结,并综述常用的评价指标以及数据集。最后,对基于深度学习的红外与可见光图像融合技术研究方向进行展望,总结红外与可见光融合技术,为未来研究工作奠定基础。原创 2023-03-28 16:30:34 · 461 阅读 · 0 评论 -
【CDBS】凹边界的修改形状特征描述:应用于皮肤病变分类(Matlab代码实现)
作为计算机视觉的基本研究内容,图像局部特征描述的目的是利用特征向量来稳定地表达被检测图像的局部特征,从而利用这些特征构成的描述子来稳定进行图像的匹配,具有一定的理论研究价值和实际工程应用价值。特别是随着近年来深度学习技术的兴起与快速发展,该领域的研究者们都相继提出了许多不同的研究方法。然而,在不同场景和任务要求中,研究者都在致力于如何设计在精确性、鲁棒性和效率方面具有卓越性能的图像局部特征描述方法。本文的目的是开发一种新的形状描述符来分析形状的轮廓不规则性,称为基于凸缺陷的特征(CDBS)。原创 2023-03-27 19:12:40 · 74 阅读 · 0 评论 -
【目标识别】自适应多机器人编队,可在运动和能见度约束下包围和跟踪目标(Matlab代码实现)
近年来,以机器人为代表的人工智能产业逐渐走进了各行各业,单机器人系统在很多方面不能满足人们生产和生活的需要,多机器人协作控制成为了当今机器人研究的热门方向。多机器人编队控制是多机器人协作研究的基础,传统多机器人编队的控制方式相对复杂,实现起来较为困难,且不能很好的适应外界环境。在实际应用中,多机器人队形需要面临复杂的环境,且经常需要进行队形变换,实际的需求给我们研究多机器人编队控制算法的自适应方面提出了更高的要求。这些策略基于保持具有可变尺寸的地层形状,或者基于以灵活的形状保持地层的大小。原创 2023-03-27 18:57:14 · 315 阅读 · 0 评论 -
基于人工神经网络的类噪声环境声音声学识别(Matlab代码实现)
在构造稠密卷积神经网络的稠密块时,使用了最大特征映射函数,在保留模型稠密式连接、减少信息遗忘的同时,也强化了卷积神经元所学内容中的有效信息,为提高分类识别能力提供了良好的模型。依据语音谐波形态和单个音素频谱的分布切分窄带频谱图,对精细化分割后的结果从空间及通道两个维度进行选择性关注,使模型更加聚焦于可区分伪造和真实语音上的谐波位置和频谱宽泛程度,增强了模型对语音声学特性的感知,进一步提高了识别能力。其结果是完全由启发式算法构建的识别类似噪声的环境声音的最佳混合程序。原创 2023-03-27 18:34:20 · 350 阅读 · 0 评论 -
【目标识别】检测具有相同背景的不同图像并找到图像中的红色圆圈目标(Matlab代码实现)
针对上述问题,提出一种基于数据融合的目标识别方法,算法首先对原始图像分别进行噪声抑制和边缘信息提取处理,然后将处理后的两类特征信息进行数据融合,将单通道灰度图像融合扩充至双通道图像来作为训练样本,同时构建了一个高低层特征融合的卷积神经网络模型,使用注意力机制来加强了对有用特征的学习,实验结果显示,该方法在MSTAR数据集上,表现了对不同目标型号的优秀识别效果。原创 2023-03-26 18:17:57 · 279 阅读 · 0 评论