10.3969/j.issn.1001-506X.2016.01.03
基于 ObjectNess BING 的海面多舰船目标检测
将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标,对 ObjectNess 二值化标准梯度特征(binarized normed gradients,BING)方法中的目标候选区域提取算法进行改进,使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征,提出了利用角点确定目标的候选基点,再利用 ObjectNess BING 检测模型训练获得的多目标尺寸进行候选区域的选择,对互联网上下载的多幅多舰船图像进行处理的结果表明,算法能够有效减少候选目标区域的数量并保持较高的检测概率。
ObjectNess 二值化标准梯度特征、角点检测、模板训练、海面舰船、目标检测
TP391(计算技术、计算机技术)
国家自然科学基金61303192资助课题
2016-03-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
14-20