目标检测（目标提取）
2020-06-15 11:56:05 0 举报AI智能生成
登录查看完整内容
目标检测方法
作者其他创作
大纲/内容
目标检测（目标提取）
分类
检测结果分类
辨别检测
纯检测
运动特性分类
单幅图像目标检测
运动目标检测
静止背景
运动背景
成像尺寸分类
小目标检测
有形大目标检测
一般方法
目标成像较大
图像分割或特征匹配
反之小，结合目标运动信息
背景复杂
利用目标的几何形状、纹理特征、频谱特征或其他特征
分类法
机器学习训练分类器
利用底层特征构建出目标的高层语义模型，将目标表示到新的特征空间
具体算法
运动目标检测实现方法
运动图像序列
多帧图像平均背景建模
单高斯分布背景建模
帧间差分
帧间差分相乘（去噪、去光照）
背景差分
高斯背景建模
单高斯模型
混合高斯模型
CodeBook方法
Vibe
光流法
基本假设（物体点亮度不变；临近点以类似方式移动）
背景运动补偿
有形目标检测实现方法
（利用灰度、几何形状、边缘轮廓、不变矩、频域等特征）
图像分割法
模板匹配法
1.选择合适特征空间
2.确定相似性度量与匹配准则
3.构建搜索空间搜索目标
机器学习法
思想：目标像素和背景像素分类
训练分类器+检测
两种方式：1.直接搜索整副图像检测 2.先分割再检测，提高效率
弱小目标检测（无形状，大小，纹理等特征）
具体形式：信噪比小于3；所占像素在1×1~6×6大小；几何尺寸小到几乎没有形状信息
算法
1.先检测后跟踪BDT（信噪比高的情况）
基于单帧
门限检测法
全局阈值分割
局部图像灰度梯度
USAN算法
2.边检测边跟踪TBD（信噪比低的情况）
基于多帧
多帧目标能量累积
轨迹关联的虚假目标剔除
1.建立点目标的运动轨迹记录；2.预测过程；3.匹配过程；4.虚假目标剔除
背景抑制--弱小目标场景图像的预处理
高通滤波法
形态学滤波
背景预测
收藏
0 条评论
回复 删除
下一页
