道路場景復雜、熱成像紋理信息較少以及圖像品質不穩(wěn)定,RoIs提取面臨挑戰(zhàn).閾值分割RoIs提取更多關注行人局部細節(jié)和像素間鄰域關系,容易產(chǎn)生行人遺漏、背景粘連和行人斷裂,且很難控制RoIs總量.模擬人類視覺,關注圖像顯著性區(qū)域及其位置和大小,提出概率圖RoIs提取方法,設計凸-凹形曲線映射像素灰度值增強圖像對比度;基于圖像簽名方法獲取顯著性圖.融合灰度強度和顯著性概率圖并從中提取圖像前景;設計算法搜索路面估計限定的概率圖區(qū)域生成RoIs.實驗表明,相對閾值分割,本文方法能夠提高RoIs定位準確度、控制RoIs總量和顯著減少非行人RoIs;提取等量單幀RoIs,召回率提高不低于9%. 

【文章來源】：電子學報. 2020,48(10)北大核心EICSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引言
2 概率圖計算
    2.1 圖像預處理
    2.2 概率圖計算
        2.2.1 灰度強度概率圖
        2.2.2 顯著性概率圖
        2.2.3 融合概率圖
3 概率圖RoIs生成
    3.1 概率圖搜索范圍
    3.2 搜索算法和RoIs生成
        3.2.1 采集種子點
        3.2.2 初始化RoIs
        3.2.3 迭代更新RoIs
4 實驗
    4.1 數(shù)據(jù)與評價指標
    4.2 實驗與分析
        4.2.1 消融實驗
        4.2.2 對照實驗
5 結論


【參考文獻】：
期刊論文
[1]一種多尺度遠紅外夜間交通行人識別方案[J]. 李景富,楊志強.  量子電子學報. 2016(04)
[2]基于局部特征的車載紅外行人檢測方法研究[J]. 王國華,劉瓊,莊家俊.  電子學報. 2015(07)

碩士論文
[1]復雜場景下紅外行人目標檢測跟蹤技術研究[D]. 孟思岐.南京理工大學 2018
[2]車載紅外夜視行人檢測與跟蹤技術研究[D]. 王璐.電子科技大學 2017



本文編號：3321911