稀疏FRAME模型的感兴趣目标检测算法
针对基于非齐次FRAME( Filters,Random filed,And Maximum EntroPy)模型的目标检测算法在目标发生较大形变或存在阻挡等情况下的定位产生一定偏差,以及学习模型所需大量时间等各方面的研究,提出了一种稀疏FRAME模型的感兴趣目标检测算法。首先用共享稀疏编码方法对样本图像进行特征提取,由所选择的基函数构成可变形的稀疏FRAME模型;然后用交替的求和图及最大值图结构对测试图像进行匹配检测,实现目标定位。经多组实验结果表明,该算法不仅在一定程度上提高目标发生较大形变或存在阻挡等情况下的鲁棒性,而且节省了大量的样本训练时间。
目标检测、稀疏模型、共享编码、非齐次
TP391.41(计算技术、计算机技术)
国家自然科学基金61071199;河北省自然科学基金 F2008000891,F2010001297;中国博士后自然科学基金20080440124;第二批中国博士后基金特别资助200902356。
2015-01-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
107-111