杜杰
,
吴谨
,
朱磊
液晶与显示
doi:10.3788/YJYXS20163101.0117
为了对各类自然场景中的显著目标进行检测,本文提出了一种将图像的深度信息引入区域显著性计算的方法,用于目标检测.首先对图像进行多尺度分割得到若干区域,然后对区域多类特征学习构建回归随机森林,采用监督学习的方法赋予每个区域特征显著值,最后采用最小二乘法对多尺度的显著值融合,得到最终的显著图.实验结果表明,本文算法能较准确地定位RGBD图像库中每幅图的显著目标.
关键词:
目标检测
,
深度信息
,
区域特征
,
随机森林
,
监督学习
王宇
,
邹文辉
,
杨晓敏
,
姜 维
,
吴 炜
液晶与显示
doi:10.3788/YJYXS20173204.0287
在安检领域,目前最主要的手段是人工分析X光图像,以检测是否隐藏的违禁品.由于人工检测存在较强的主观性,并且在安检员疲劳时容易造成漏判、错判.针对这一问题,对X光异物图像进行自动识别研究,提出了基于Tamura纹理特征和随机森林的X射线异物分类方法.介绍了基于计算机视觉的X光违禁品自动检测识别系统;提出一种基于Contourlet变换的Taruma纹理特征提取方法,通过该方法得到Taruma纹理特征向量;最后采用随机森林分类器对违禁品图像进行分类判断.实验结果表明,基于Tamura纹理特征和随机森林的X射线异物分类能够有效地区分不同种类的违禁品.
关键词:
X射线异物
,
Contourlet变换
,
Tamura纹理特征
,
随机森林
,
分类
