黄炎
- 作品数:3 被引量:14H指数:1
- 供职机构:武汉大学电子信息学院更多>>
- 发文基金:国家自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于BP神经网络的特征融合遥感图像阴影检测被引量:1
- 2023年
- 针对遥感图像中地物遮挡形成阴影,导致阴影区域地物信息受损的问题,提出一种基于BP(back propagation)神经网络的特征融合遥感图像阴影检测方法,该方法共分为预处理、特征提取、特征融合和后处理4个阶段。为了克服现有单一特征阴影检测方法的局限性,共设计了蓝绿波段归一化、主成分分析、HSI(hue,saturation,intensity)空间和灰度矫正色调4个特征提取分支,然后通过BP神经网络实现多特征的深度融合。实验表明,所提方法提取的阴影掩膜完整性高、边缘区分良好,对水体等易混淆的非阴影地物也能很好地区分,说明本文方法具有较好的鲁棒性。
- 杨光义薛若尧张莙茜黄炎李卓鸿
- 关键词:BP神经网络阈值分割
- 多部位集合的人体检测
- 2013年
- 采用启发式、有监督的部位筛选方法组成了一种多部位集合的检测模型,用于缓解遮挡和形变对人体检测造成的影响。该模型通过比较人体同部位上关节点间的Procrustes距离,在训练集中获取有着相似姿态的同部位样本;将梯度方向直方图(HOG)作为特征,由典型部位分别训练出判别模型;比较其在验证集上的检测效果,从中筛选出检测率高的部位和未检出的图片,再寻找对未检出图片检测率高的部位,由这些部位组成混合模型。用混合模型检测时,由Kullback-Leibler距离判断各部位在图片上的不同响应是否属于同一人,以此来确定人体的外接矩形框。在INRIA人体库上的测试表明,本文采用的模型在误检率(FPPI)为0.5时有81%的检测率,高于有77%检测率的Poselets算法。本文基于Poselets,结合HOG的特点采用了一套有监督的部位筛选机制,使得模型成员数大幅度减少,检测时间比原始方法下降了50%,同时取得了优于Poselets的检测效果。
- 黄炎颜佳张虎邓德祥
- 关键词:梯度方向直方图支持向量机
- 联合梯度直方图和局部二值模式特征的人体检测被引量:13
- 2013年
- 针对采用单一梯度方向直方图(HOG)特征进行人体检测时易受竖直梯度分量干扰的缺点,提出了将分块局部二值模式(LBP)特征加入HOG特征的方法。首先,将检测窗口划分为大小为16×16的不重叠块,以块为单位统计LBP特征直方图,并通过大量实验获得了LBP算子的最佳参数;然后用优化过的插值方式计算HOG特征,将两者组成联合直方图。最后,用线性支持向量机(SVM)通过Bootstrapping的方式训练,得到判别模型。在INRIA人体库上的测试表明,检出率在误检率(FPPW)为10-4时由原始的89%提高到95%,单窗口检测速度由0.625ms提高到0.533ms。本文将纹理特征加入原始描述轮廓的HOG特征中,排除了部分梯度干扰信息造成的误检,提高了检出率。
- 黄炎范赐恩朱秋平张虎邓德祥
- 关键词:梯度方向直方图支持向量机