检索结果-维普期刊中文期刊服务平台

基于L2范数最小化联合模型的目标跟踪算法被引量：5: 1; 作者王蒙吴毅 +1 位作者邓健康刘青山《北京航空航天大学学报》 EI CAS CSCD 北大核心 2015年第3期559-566,共8页; 为了解决稀疏表示的跟踪算法的计算代价比较大,且目标的表观由于多种原因会发生变化的问题,提出了一种在贝叶斯推理框架下,建立结合基于全局模板的判别式模型和基于局部描述子的生成式模型的联合模型,通过L2范数最小化进行求解的目标跟... 展开更多; 关键词目标跟踪 l2范数最小化判别式模型生成式模型子空间; 在线阅读下载PDF 职称材料

融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪被引量：3: 2; 作者吴正平杨杰 +1 位作者崔晓梦张庆年《电子与信息学报》 EI CSCD 北大核心 2016年第11期2803-2810,共8页; 在贝叶斯推理框架下,基于PCA子空间和L2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化,但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题,该文提出一种融合L2范数最小化和压缩Haar-like特征匹配的... 展开更多; 关键词目标跟踪 PCA子空间 l2范数最小化压缩Haar-like特征观测似然度; 在线阅读下载PDF 职称材料

基于ML和L2范数的视频目标跟踪算法被引量：10: 3; 作者姜明新王洪玉 +1 位作者王洁王彪《电子学报》 EI CAS CSCD 北大核心 2013年第11期2307-2313,共7页; 目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于ML(最大似然)估计和L2范数的视频目标跟踪算法.建立基于稀疏限制的ML模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用L2范数最小化进行... 展开更多; 关键词稀疏限制最大似然 l2范数最小化贝叶斯MAP估计; 在线阅读下载PDF 职称材料

一种联合阴影和目标区域图像的SAR目标识别方法被引量：15: 4; 作者丁军刘宏伟 +3 位作者王英华王正珏齐会娇时荔蕙《电子与信息学报》 EI CSCD 北大核心 2015年第3期594-600,共7页; 地面目标的SAR图像中除了包含目标散射回波形成的区域,还包括由目标遮挡地面形成的阴影区域。但是由于这两种区域中的图像特性不相同,所以传统的SAR图像自动目标识别主要利用目标区域信息进行目标识别,或者单独使用阴影区域进行识别。... 展开更多; 关键词目标识别联合稀疏表示 l1/l2范数最小化; 在线阅读下载PDF 职称材料

题名基于L2范数最小化联合模型的目标跟踪算法被引量：5: 1; 作者王蒙吴毅邓健康刘青山; 机构南京信息工程大学信息与控制学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2015年第3期559-566,共8页; 基金国家自然科学基金资助项目(61370036 61005027) +1 种基金 201210296); 文摘为了解决稀疏表示的跟踪算法的计算代价比较大,且目标的表观由于多种原因会发生变化的问题,提出了一种在贝叶斯推理框架下,建立结合基于全局模板的判别式模型和基于局部描述子的生成式模型的联合模型,通过L2范数最小化进行求解的目标跟踪方法.在跟踪过程中,适时地更新判别式模型中的正负模板和生成式模型中模板的系数向量,使模板具有很强的适应性和判别性.实验结果表明,与其他典型的算法相比,该算法对于光照变化、尺度变化、遮挡、旋转等情况具有较强的鲁棒性.; 关键词目标跟踪 l2范数最小化判别式模型生成式模型子空间; Keywords object tracking l2-norm minimization discriminative model generative model subspace; 分类号 V123.4 [航空宇航科学与技术—人机与环境工程]; 在线阅读下载PDF 职称材料

题名融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪被引量：3: 2; 作者吴正平杨杰崔晓梦张庆年; 机构武汉理工大学光纤传感技术与信息处理教育部重点实验室三峡大学计算机与信息工程学院; 出处《电子与信息学报》 EI CSCD 北大核心 2016年第11期2803-2810,共8页; 基金国家自然科学基金(51479159)~~; 文摘在贝叶斯推理框架下,基于PCA子空间和L2范数最小化的目标跟踪算法能较好地处理视频场景中多种复杂的外观变化,但在目标出现旋转或姿态变化时易发生跟踪漂移现象。针对这一问题,该文提出一种融合L2范数最小化和压缩Haar-like特征匹配的快速视觉跟踪方法。该方法通过去除规模庞大的方块模板集和简化观测似然度函数降低计算的复杂度;而压缩Haar-like特征匹配技术则增强了算法对目标姿态变化及旋转的鲁棒性。实验结果表明:与目前流行的跟踪方法相比,该方法对严重遮挡、光照突变、快速运动、姿态变化和旋转等干扰均具有较强的鲁棒性,且在多个测试视频上可以达到29帧/s的速度,能满足快速视频跟踪要求。; 关键词目标跟踪 PCA子空间 l2范数最小化压缩Haar-like特征观测似然度; Keywords Object tracking PCA subspace l2-norm minimization Compressed Haar-like feature Observationlikelihood; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于ML和L2范数的视频目标跟踪算法被引量：10: 3; 作者姜明新王洪玉王洁王彪; 机构大连理工大学信息与通信工程学院大连民族学院信息与通信工程学院; 出处《电子学报》 EI CAS CSCD 北大核心 2013年第11期2307-2313,共7页; 基金国家自然科学基金(No.61172058) 中央高校自主基金(No.DC10010103) 辽宁省教育厅资助项目(No.L2012476); 文摘目标跟踪是计算机视觉领域的一个具有挑战性的问题,本文提出了一种基于ML(最大似然)估计和L2范数的视频目标跟踪算法.建立基于稀疏限制的ML模型,给样本中的异常像素分配较小的权值,减少异常像素对跟踪算法的影响.利用L2范数最小化进行稀疏编码求解.采用贝叶斯估计得出目标跟踪结果.与其他典型算法相比,本算法降低了计算的复杂度,对遮挡,旋转,尺度变化,光照变化等异常变化具有较强的鲁棒性.; 关键词稀疏限制最大似然 l2范数最小化贝叶斯MAP估计; Keywords sparsity constraint maximum likelihood （Ml） l2-norm minimization Bayesian MAP（maximum a posteriori probability ） estimation; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名一种联合阴影和目标区域图像的SAR目标识别方法被引量：15: 4; 作者丁军刘宏伟王英华王正珏齐会娇时荔蕙; 机构西安电子科技大学雷达信号处理国家重点实验室; 出处《电子与信息学报》 EI CSCD 北大核心 2015年第3期594-600,共7页; 基金国家自然科学基金(61201292 61322103 +3 种基金 61372132) 国家部委基金中央高校基本科研业务费专项资金资助课题; 文摘地面目标的SAR图像中除了包含目标散射回波形成的区域,还包括由目标遮挡地面形成的阴影区域。但是由于这两种区域中的图像特性不相同,所以传统的SAR图像自动目标识别主要利用目标区域信息进行目标识别,或者单独使用阴影区域进行识别。该文提出一种阴影区域与目标区域图像联合的稀疏表示模型。通过使用l1\l2范数最小化方法求解该模型得到联合的稀疏表示,然后根据联合重构误差最小准则进行SAR图像目标识别。在运动和静止目标获取与识别(MSTAR)数据集上的识别实验结果表明,通过联合稀疏表示模型可以有效地将目标区域与阴影区域信息进行融合,相对于采用单独区域图像的稀疏表示识别方法性能更好。; 关键词目标识别联合稀疏表示 l1/l2范数最小化; Keywords SAR SAR Target recognition Joint sparse representation l1／l2-norm minimization; 分类号 TN957.51 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于L2范数最小化联合模型的目标跟踪算法	王蒙吴毅邓健康刘青山	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2015	5	在线阅读下载PDF 职称材料
2	融合L2范数最小化和压缩Haar-like特征匹配的快速目标跟踪	吴正平杨杰崔晓梦张庆年	《电子与信息学报》 EI CSCD 北大核心	2016	3	在线阅读下载PDF 职称材料
3	基于ML和L2范数的视频目标跟踪算法	姜明新王洪玉王洁王彪	《电子学报》 EI CAS CSCD 北大核心	2013	10	在线阅读下载PDF 职称材料
4	一种联合阴影和目标区域图像的SAR目标识别方法	丁军刘宏伟王英华王正珏齐会娇时荔蕙	《电子与信息学报》 EI CSCD 北大核心	2015	15	在线阅读下载PDF 职称材料