论文研究基于信息融合的视频对象分割方法综述 .pdf

Multi-focus fusion method based on image segmentation

本体是知识共享的重要工具，也是语义Web的支柱。本体的使用是以保证其质量为前提。本体评估为本体构建的质量及本体的选择重用提供了技术支持。分析了本体评估的必要性；对本体评估的现状进行综述，主要包括归纳总

针对单独的音频和视频信息跟踪的缺陷，提出了一种音视频信息融合的粒子滤波跟踪算法。采用闭环跟踪框架，分为底层跟踪、融合、重要性粒子滤波、跟踪输出和反馈五个环节。底层跟踪环节利用说话人脸部肤色信息进行均值

为了进一步提高视频镜头的分割精度，提出了一种基于局部相似性的视频镜头分割方法。首先为了有效地进行视频特征降维，提出了改进的保局投影算法，利用仿射传播聚类算法得到具有相同模式的相似样本，根据相似样本构建

信息—物理融合系统(CPS)不仅包含离散的计算过程、网络通信,还涉及处理连续的物理事件。从CPS所涉及的离散系统和连续系统2个方面出发,分别介绍了当前存在的一些建模理论及基于该理论的开发工具,并概括总

分析了当前IDS（intrusiondetectionsystem）的缺陷，讨论了数据融合技术应用在IDS领域的可行性，提出了一种基于数据融合（datafusion）的IDS（DFIDS）模型，融合决

提出了一种使用图像融合进行红外弱小目标增强的算法，该算法采用两次融合结构。在一次融合中，使用简单图像融合方法将连续多帧图像进行融合以减少数据量并抑制噪声；在二次融合中，将一次融合的结果进行多尺度分解并

为了有效地避免交通事故的发生，提高车辆检测的准确率和效率，提出一种基于车辆阴影、边缘、纹理和对称性等多种特征融合的前方车辆检测方法。利用多阈值分割得到车辆阴影，选取边缘确定出车辆可能存在的感兴趣区域，

本资料属于机器学习领域的聚类问题，主要内容为：使用聚类方法来进行图像分割。

随着视频处理技术和网络技术的发展，视频监控应用逐渐渗透到了人们日常活动中的方方面面，给生产和生活带来了诸多便利，监控的有效性和安全性是现代智能监控所追求和研究的主要问题。为了展示该领域的最新成果及预测