论文研究影响更新与compactness增强的显著目标检测 .pdf

针对光线暗、对比度和分辨率低的监控视频，提出了一种基于背景分类的运动目标检测算法。 首先用视频第一帧图像HSV空间的色度H和亮度V作为背景特征进行初始化，建立两种包含色度和亮度特征的背景模型类，即初始

混合高斯模型已经广泛应用于背景建模中。但是检测结果受到噪音的干扰和突变光照的影响。为了解决这个问题，将Stauffer的混合高斯模型进行改进并与边缘信息相结合。当三帧差分判断出场景变化时，像素点的学习

针对视觉背景提取ViBe算法消除鬼影时间长、对动态场景适应性弱、对光线变化敏感等问题，提出一种适应性强的改进算法。在背景模型初始化时，通过对多帧图像随机选取像素点并累加判断后，形成与实际吻合度达86.

基于深度学习的机载对地目标检测方法，李正周，曹彦迪，在实际运动场景下，由于无人机相机拍摄到的地面目标图像面积较小，地面目标信息量少，这导致传统的目标检测方法对小目标的检测精

模拟人类视觉中有意识主动寻找与无意识被动受吸引相交互的视觉过程，提出了一种基于双向融合机制的建筑目标检测方法。该方法综合了基于自底向上数据驱动的视觉显著性模式和自顶向下基于环境感知的目标搜索模式检测图

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点，改进了MeanShift聚类算法，并与双参数CFAR检测技术相结合，提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图

基于自适应背景模型的运动目标检测，陈雷，邹琪，运动目标检测作为许多计算机视觉应用中最关键的首要处理环节，在诸如视频监控、目标跟踪、视频搜索等领域中都有着广泛的应用。正

针对在线K-均值聚类法初始化混合高斯模型KGMM在运行时间、空间复杂度、噪声等方面存在的缺陷,提出了基于KGMM改进的检测方法,采用加入方差因子的C-均值聚类准则来初始化混合高斯模型,有效解决了可能出

为了克服传统背景差分法所存在的不足，提出了一种基于边缘特征和改进K-均值聚类相结合运动目标检测方法。运用改进的K-均值聚类方法建立背景模型，将其与前景图像相差后得到的二值化图像，通过前景边缘信息的鲁棒

基于级联哈尔分类器的目标检测,陈鹏昊,门爱东,文中所希望解决的主要问题,是视频中人脸的检测,即对任意给定的一幅图像判断其是否存在人脸;如果存在,则还需要进一步指出人脸