一种新的基于局部轮廓特征的目标检测方法

摘要：

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法。该方法首先利用改进的全局概率边界算法(Globalized probability of boundary, gPb)算法提取图像的轮廓,然后应用最大类间方差法(Otsu)进行自动阈值处理得到图像的显著性轮廓；再提取显著性轮廓的k 邻近大致直线轮廓段(k connected roughly straight contour segments, k AS),并以k AS作为局部特征,用于复杂场景中的目标检测。该算法结合gPb 算法和Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率。同时,在检测阶段,测试集与训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度。多组实验结果均表明本文方法的有效性。

关键词：轮廓提取、局部轮廓特征、阈值处理、目标检测

分类号：TP3;TN2

资助基金：国家自然科学基金61063030,61263046,61165011资助Supported by National Natural Science Foundation of China 61063030,61263046,61165011

在线出版日期：2014-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2346-2355