共查询到10条相似文献，搜索用时 31 毫秒
1.
2.
3.
目标跟踪是计算机视觉领域重要的研究方向之一。基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移。这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况。为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法。首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标。实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度。 相似文献
4.
邓定胜 《实验室研究与探索》2021,(1):32-35,44
稀疏表示分类方法在图像遮蔽、弱光等情况下具有良好的应用及识别效果,但在测试样本少的环境下仍具有一定局限.将稀疏表示分类算法联合概率协同表示分类算法,以稀疏表示系数增强概率系统表示分类算法的表示系数,采用FERET、Multi-PIE与FRGC人脸数据库进行实验测试.结果显示,稀疏增强概率协同表示分类算法能够显著提升人脸... 相似文献
5.
视频中的大部分文本,特别是标题字幕会与背景有较强的对比,另外,部分文本会做线性运行或不规则运动,针对上述两种情况,提出了基于主成分追踪的视频文本定位方法,将主成分追踪这种矩阵分解算法成功应用于视频文本的定位系统中,主要包含两个步骤,首先进行视频分解,通过主成分追踪算法将视频帧分解成低秩矩阵和稀疏矩阵两部分,稀疏矩阵中包含了大部分文本信息,接下来在稀疏矩阵中进行文本定位.该方法减少了后续的文本提取和识别的难度,算法简单可行,实用性强,具有一定的现实意义. 相似文献
6.
图像稀疏表示是指用很少的数据捕获感兴趣目标的重要信息的能力,通过基或字典中很少量元素的线性组合的形式来描述信号.图像稀疏表示研究已成为近年来图像表示研究的热点.本文系一文献综述,主要阐述了信号稀疏表示和图像稀疏表示的基本理论及其在压缩方面的应用,并且介绍了一种新的稀疏性正则化的泊松噪声图像去噪算法. 相似文献
7.
针对粒子群算法应用于机器人目标搜索过程中存在的早熟现象,提出一种基于改进粒子群算法和模拟退火算法相结合的目标搜索新方法,以提高算法的全局搜索能力。为解决通讯距离有限、机器人无法与基站进行信息交互和不能实时追踪动态目标等问题,引入通讯功能。算法中机器人与基站有两种通讯方式,一种是基站跟随最优机器人移动的通讯方式,另一种是在前者基础上将机器人按一定比例分为通讯机器人和搜索机器人的通讯方式,由通讯机器人负责搜索机器人与基站之间的通讯。两种通讯方式下机器人都采用动态多目标搜索策略搜索动态多目标。在考虑通讯距离的情况下,经过仿真测试,与传统的通讯粒子群算法相比,提出的改进通讯粒子群算法能更加有效地追踪动态目标。 相似文献
8.
针对压缩感知重构算法中信号稀疏度未知和步长大小固定的问题,提出一种新的压缩感知信号重构算法,即基于弱选择的稀疏度自适应回溯追踪（SPWAMP）算法。该算法将自适应思想、变步长迭代思想与回溯思想相结合,在未知信号稀疏度的情况下,利用阈值方法选取预选集,通过变步长更新支撑集原子个数并结合回溯思想剔除不可靠原子,最终实现信号精确重构。仿真结果表明,当信号稀疏度K达到65时,该算法重构精度相对稀疏度自适应匹配追踪（SAMP）算法提高了40%,而此时正交匹配追踪（OMP）算法、子空间追踪（SP）算法和分段弱选择正交匹配追踪（SWOMP）算法已无法实现重构。因此,该算法相对其它同类算法提高了信号重构精度。 相似文献
9.