搜索资源列表
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
300
- 了一种基于融合和广义高斯模型的遥感影像变化检测算法。该算法融合差值影像和比值影像的结 果构造差异影像，然后运用灰度形态学对差异影像进行顾及空间邻域关系的处理，再对处理后的结果运用广义高 斯分布模型估计变化与非变化像元的概率密度参数，最后采用改进的O2 算法计算最佳分割阈值，提取变化区域。 实验结果表明，所提出的变化检测算法稳健、高效，具有较大的实用价值。-0LDI TCTUG TGUIUNVI C MLCNEU WUVUMVD5N CTTG5CML 5X GUB5VU IUNIDNE
bayes-guji
- 用监督参数估计中的贝叶斯方法估计条件概率密度的参数u-Using the supervision parameter estimation in Bayesian method estimates the parameters of the conditional probability density u
m10
- 背景建模是实现运动目标检测与跟踪的关键技术之一。在实时视频监控系统中，对背景建模算法的运行时间及所提取出的背景图像的实时性有很高的要求，针对这一问题，提出了一种基于切比雪夫不等式的自适应阈值背景建模算法。算法利用切比雪夫不等式计算像素点色度变化的概率估计值，提出了一种自适应阈值分类方法，它将像素点快速分类为前景点、背景点及可疑点，再利用核密度估计方法对可疑点进行进一步分类，最后利用背景更新算法提取实时背景图像。实验结果证明，该算法能快速有效地区分特征明显的背景点与前景点，提高了背景图像提取的速
GLCM
- 灰度共生矩阵建立在估计图像的一阶组合条件概率密度函数的基础上, 其通过计算图像中有一定距离和一定方向的两点之间灰度的相关性, 反映图像在方向、间隔、变化幅度及快慢上的综合信息。-The GLCMs are stored in a i x j x n matrix, where n is the number of GLCMs calculated usually due to the different orientation and displacements used in the alg