基于稀疏活动轮廓模型的感兴趣目标检测定位算法

您当前的位置：

首页 >

文章列表页 >

信息光学与图像处理 | 更新时间：2025-09-01

- 基于稀疏活动轮廓模型的感兴趣目标检测定位算法
- Object localization algorithm based on sparse active contour model
- 光学技术 2011年37卷第1期页码：35-41
- 作者机构：
  
  1:燕山大学信息科学与工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金(61071199);河北省自然科学基金(F2008000891);河北省自然科学基金(F2010001297);中国博士后自然科学基金(20080440124);第二批中国博士后基金特别资助(200902356)
- DOI：10.13741/j.cnki.11-1879/o4.2011.01.022
  中图分类号：
- 纸质出版：2011
- 稿件说明：
移动端阅览
胡正平, 杨建秀. 基于稀疏活动轮廓模型的感兴趣目标检测定位算法[J]. 光学技术, 2011,37(1):35-41.

Object localization algorithm based on sparse active contour model[J]. 2011, 37(1): 35-41.
胡正平, 杨建秀. 基于稀疏活动轮廓模型的感兴趣目标检测定位算法[J]. 光学技术, 2011,37(1):35-41. DOI： 10.13741/j.cnki.11-1879/o4.2011.01.022.

Object localization algorithm based on sparse active contour model[J]. 2011, 37(1): 35-41. DOI： 10.13741/j.cnki.11-1879/o4.2011.01.022.

传统的基于形状信息目标定位的算法

对目标观测角度发生形变情况下的定位存在不少困难

针对该问题

提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法。首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型

它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像

在一定程度上提高了检测算法在目标发生形变或者存在遮挡等情况下的鲁棒性。然后采用交替的summaps和max maps的计算框架在测试图上扫描出与活动轮廓模型匹配分数最高的区域

将其定位分割出来;基于稀疏活动轮廓模型的检测算法在很大程度上依赖于图像尺度

利用稀疏活动轮廓模型在多个图像尺度上检测物体

因此可以有效地克服尺度变化大的问题。最后利用视觉皮层模型对分割后的图像进行模式分类进一步确认目标。经过多组实验结果表明

提出的基于稀疏活动轮廓模型的感兴趣目标检测定位算法

较好地解决目标在发生部分形变、存在遮挡以及复杂背景下的定位问题。

浏览量

212

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

支持向量学习并行区域增长结合活动轮廓模型的图像分割算法