K近邻优化估计的SAR图像建模与目标检测算法

目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络

Yolov5是一种高效的目标检测算法，采用了新的骨干网络架构和多层双线性插值，具有更快的检测速度和更高的精度。该算法可以应用于各种场景，包括交通监控、人脸识别、智能家居等领域。本文将为大家详细介绍Yo

YOLOv1是一个统一的、实时的目标检测算法，它由You Only Look Once (YOLO)论文提出。该算法的下载地址为https://arxiv.org/abs/1506.02640。目标检

Canny算子高低阈值的选取依赖图像全局梯度信息的统计，图像全局梯度信息和局部梯度信息的分布通常存在差异，导致在局部范围中较明显的边界可能被漏检。针对该问题，提出一种根据图像熵信息对图像进行分块的边缘

Canny算子作为图像边缘检测有很好的特性，这里上传Canny算子的边缘检测技术

为识别混合属性数据集中的离群点, 提出了一种基于共享最近邻的离群检测算法, 通过计算增量聚类结果簇间的共享最近邻相似度, 不但能够发现任意形状的簇, 还可以检测到变密度数据集中的全局离群点。算法时间复

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率

Harris 角点检测是基于图像像素灰度值变化梯度的, 灰度值图像的角点附近,是其像素灰度值变化非常大的区域,其梯度也非常大。换句话说,在非角点位置邻域里,各点的像素值变化不大,甚至几乎相等,其梯度相

提出了一种无监督SAR图像变化检测算法,利用数据聚类思想,通过进化算法寻找最小均方误差,得到变化检测结果.在原有Memetic算法基础上,针对图像自身特点,提出全新的搜索策略并根据当前检测结果动态调整

该算法实现了针对图像进过小角度旋转的检测，利用叠加旋转图像每行的频谱来增强频谱峰值，通过检测归一化峰值频率来判断图像是否进过小角度旋转