针对不均匀光照条件下球体识别误检率问题。充分利用球体的颜色和形状信息。对彩色图像经过图像增强预处理后，通过基于HSV彩色空间模型阈值分割的方法，对球体颜色进行识别。将图像转为灰度图像后，通过自适应阈值分割的方法有效地去除了不均匀光照条件对图像分割的影响。在使用Candy边缘检测算法对边缘进行提取后通过基于霍夫变换找圆的方法找出球体的圆。最终经过两个先验信息特征量的交叉匹配，确定目标球体。实验表明该算法有效提升了不均匀光照条件下球体目标识别的准确率。
2021-04-22 21:11:24
1.55MB
1
2010年电子科技大学博士论文，对研究SAR图像的伙伴有很大帮助。
主要围绕SAR 图像目标识别中的目标特征库以及分类判决等关键问题，从稀疏特征提取、多特征多分类器融合以及认知学习等方面开展了很深入的研究。
2021-04-14 12:01:38
3.80MB
1
在目标识别时，提取目标自身特征的算法复杂度高不符合实时处理要求，而且总是存在着一定程度的误差而影响到后续的工作，而基于数字水印的目标识别时通过对目标附加一个显著的特点，通过提取数字水印进行匹配来实现目标识别。
2021-04-12 22:24:42
888KB
1
采用新型3D传感器能够便捷地同时获取多场景、多视觉和多目标彩色和深度信息的RGB-D图像，利用其在物体重叠和遮挡下深度信息对颜色和亮度的不变特点，有效提高RGB-D图像分类的精度。对微软Kinect设备的发展及原理做详细介绍；介绍了现有的RGB-D数据集；对现有RGB-D图像特征提取与分类方法进行了归纳、分析和比较；阐述RGB-D图像分类的发展趋势。
2021-04-06 12:51:57
12.95MB
1
针对时变信道，提出了一种基于目标识别的新型聚类算法。 使用Bartlett波束形成器从测量数据中提取出功率角谱（PAS）。 然后使用所提出的算法将PAS中的簇与背景分离，其中考虑了PAS中元素的幅度分布。 此外，应用形态学运算来进一步划分彼此连接的簇。 结果表明，所提算法能够以较低的计算成本很好地识别视距（LoS）和非视距（NLoS）环境中的主导簇。 通过使用所提出的算法，可以在不使用任何高分辨率参数估计的情况下，清晰地观察实时信道测量中簇的动态变化。
2021-03-29 16:21:41
384KB
1
共4999张图片，包含烟雾和火焰两个标签，火焰标注较为完善，烟雾由于图像分辨率等原因难以比较好的标注。用yolo训练后火焰的AP在0.7左右，烟雾在0.5左右。图像有多个来源，存在一定重复。
2021-03-28 14:11:15
626.06MB