期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于非极大值抑制的圆目标亚像素中心定位 被引量：55
1
作者 王静 王海亮 +2 位作者 向茂生 韦立登 刘忠胜 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第7期1460-1468,共9页
圆形目标在基于图像的测量系统中应用广泛,针对圆目标中心的高定位精度和快速提取的要求,提出了一种基于非极大值抑制的亚像素中心定位方法。该方法利用Sobel算子进行边缘检测,通过改进非极大值抑制方法获取连续细化的边缘,实现了像素... 圆形目标在基于图像的测量系统中应用广泛,针对圆目标中心的高定位精度和快速提取的要求,提出了一种基于非极大值抑制的亚像素中心定位方法。该方法利用Sobel算子进行边缘检测,通过改进非极大值抑制方法获取连续细化的边缘,实现了像素级边缘定位,采用Zernike正交矩对边缘点进行亚像素级定位,并用最小二乘法进行二次拟合来获取精确的标志点的中心坐标。仿真图像和实测图像的实验结果验证了该方法的有效性和准确性,其定位精度可以达到0.02像素,通过测试算法的运行时间,证明该算法具有很好的实时性。 展开更多
关键词 边缘检测 非极大值抑制 正交矩 椭圆拟合 中心定位
在线阅读 下载PDF
基于非极大值抑制的SUSAN算法改进及硬件实现 被引量：3
2
作者 梁浩 蔡健林 余有灵 《电子测量技术》 2008年第9期108-111,161,共5页
基于FPGA的嵌入式双目立体视觉系统中要求其边缘检测算法具备抗噪能力强、定位精度高、实时性好、易于硬件实现的特点。本文在SUSAN算法的基础上,提出了一种能够满足上述要求的改进边缘检测算法,先用SUSAN算法计算图像的初始响应和法线... 基于FPGA的嵌入式双目立体视觉系统中要求其边缘检测算法具备抗噪能力强、定位精度高、实时性好、易于硬件实现的特点。本文在SUSAN算法的基础上,提出了一种能够满足上述要求的改进边缘检测算法,先用SUSAN算法计算图像的初始响应和法线方向,再进行基于USAN重心与中心点距离阈值的非极大值抑制,最后进行边缘连接,得到边缘图像。该算法各模块采用Verilog HDL语言编程,并在FPGA中验证实现;边缘检测结果用于立体匹配,匹配效果良好,完全满足设计要求。 展开更多
关键词 边缘检测 SUSAN算法 距离阈值 非极大值抑制 FPGA
在线阅读 下载PDF
一种有效抑制运动目标周围“空洞”的算法 被引量：3
3
作者 董海青 林宝军 刘迎春 《电子设计工程》 2018年第18期25-29,共5页
针对基于背景差分法提取运动目标后广泛存在"空洞"、"重影"等问题,提出了一种新型的抑制运动目标周围"空洞"的算法。首先,对视频图像进行前景提取,在进行去阴影以及形态学上的处理后,采用非极大值抑制的... 针对基于背景差分法提取运动目标后广泛存在"空洞"、"重影"等问题,提出了一种新型的抑制运动目标周围"空洞"的算法。首先,对视频图像进行前景提取,在进行去阴影以及形态学上的处理后,采用非极大值抑制的算法对运动目标进行一次"内部空洞"处理,但是处理后得到的运动目标周围依然存在"空洞"问题,这将会直接干扰项目后期对运动目标数量的估计。因此,本文提出了一种邻近几何中心值抑制的算法,该算法的核心思想是通过判断每帧当中所有运动目标与之相对应地周围"空洞"的几何中心距离有选择性进行"空洞"抑制。实验结果表明,该算法能有效的抑制运动目标周围的"空洞",进而提高了对运动目标数量估计的准确性。 展开更多
关键词 空洞 动态目标 非极大值抑制 邻近几何中心值抑制
在线阅读 下载PDF
基于改进的YOLOv5s算法的水下小目标检测 被引量：4
4
作者 魏养养 李本银 曹孟新 《安徽工程大学学报》 CAS 2022年第6期31-41,共11页
针对目前水下小目标检测任务中检测精度低、目标重叠等问题,提出了一种改进YOLOv5s网络的水下小目标检测算法。首先在YOLOv5s的骨干网络中研究嵌入不同数量与位置的卷积块注意力模块来增强网络对特征图重要目标信息的关注;然后在网络颈... 针对目前水下小目标检测任务中检测精度低、目标重叠等问题,提出了一种改进YOLOv5s网络的水下小目标检测算法。首先在YOLOv5s的骨干网络中研究嵌入不同数量与位置的卷积块注意力模块来增强网络对特征图重要目标信息的关注;然后在网络颈部增添金字塔池化层,加强局部特征与全局特征的融合,使得特征图表达的信息更加丰富;最后将传统的非极大值抑制算法用中心距离非极大值抑制来代替,改善漏检误检的情况。实验结果表明,该算法在通用水下目标数据集RUIE以及小目标数据集VEDAI上平均精度分别可以达到85.25%和75.12%,显著提升了水下小目标检测的精度,降低了误检率。 展开更多
关键词 水下小目标检测 卷积块注意力机制 空间金字塔池化 中心距离非极大值抑制
在线阅读 下载PDF
基于跨路径特征聚合的改进型YOLOv3乳腺肿块识别算法 被引量：1
5
作者 王杉 胡艺莹 +1 位作者 丰亮 郭林英 《激光与光电子学进展》 CSCD 北大核心 2022年第4期71-80,共10页
针对基于深度学习的乳腺癌诊断中小肿块和互相遮挡肿块易被漏诊的问题,提出了一种用于乳腺肿块检测的改进型YOLOv3算法。首先,在特征融合模块中添加了自底向上的路径,并采用级联和跨层连接的方式充分利用底层特征信息,提高了小肿块的识... 针对基于深度学习的乳腺癌诊断中小肿块和互相遮挡肿块易被漏诊的问题,提出了一种用于乳腺肿块检测的改进型YOLOv3算法。首先,在特征融合模块中添加了自底向上的路径,并采用级联和跨层连接的方式充分利用底层特征信息,提高了小肿块的识别精度;其次,为了筛选出更精确的预测框,避免互相遮挡的肿块出现漏检的情况,在软非极大值抑制(Soft-NMS)算法中引入了距离交并比(DIoU)来抑制冗余的预测框。实验结果表明,所提乳腺肿块检测算法在检测小肿块和互相遮挡的肿块方面有较高的准确率和速度,平均均值精度(mAP@0.5)达到了96.1%,相比于YOLOv3提高了1.8个百分点,且每张钼靶图像的检测时间仅为28 ms。 展开更多
关键词 图像处理 乳腺钼靶图像 YOLOv3 特征融合 距离交并比 软非极大值抑制 目标检测
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部