结合稀疏表示与图像压缩融合的目标检测

基金项目: 国家自然科学基金青年项目(61301027)

详细信息

Compressive Fusion and Target Detection Based on Sparse Representation

摘要: 针对单光谱图像用于目标检测时信息量不足的缺点,提出了一种可见光图像与红外图像基于压缩域融合检测的方法.该方法首先使用合适的模型构造目标原子,得到超完备字典,再对待测图像在字典上分解所得稀疏系数进行融合,最后通过稀疏度指标对融合系数进行判定,得到目标所在位置.实验结果表明,与单帧图像检测方法相比,该方法使得待检测图像信息更加丰富,提高目标的检测率.
- 稀疏表示 /
- 超完备字典 /
- 图像压缩融合 /
- 目标检测

1.	周慧娟，张强，刘羽，王旭阳，柳颖. 基于YOLO2的地铁进站客流人脸检测方法. 计算机与现代化. 2019(10): 76-82 . 百度学术
2.	张秀荣. 超低位速率分形灰度图像压缩算法仿真. 计算机仿真. 2018(10): 238-241+476 . 百度学术
3.	姜国庆，王世旭，王来军，韩强，范晓晴，蔡银萍. 基于联合稀疏和指导滤波的绝缘子红外与可见光图像融合方法. 红外技术. 2017(06): 523-528 . 本站查看