摘要: 以图像非局部相似性为基础，利用图像分块重组以获得低秩块图像，是将鲁棒主成分分析算法（robust principal component analysis，RPCA）应用到单帧图像红外小目标检测的基本方法。本文介绍了RPCA算法在单帧图像红外小目标检测的应用流程，分析了不同图像背景下各种分块方法的影响。为解决复杂背景下图像分块窗口和滑动步长难以选择的问题，提出了以图像分块最小局部熵的较大值为参考的选择方法。实验结果表明，通过计算图像的分块局部熵，以最小局部熵的较大值为参考，选择RPCA算法预处理方案，能使单帧红外图像小目标检测达到更好的效果，弥补了工程人员缺少RPCA算法应用经验的不足。
摘要: 针对现有热红外图像行人检测方法在精度和速度方面存在的问题，提出一种基于弱显著图的实时行人检测方法。该方法以轻量级LFFD（Light and Fast Face Detector）网络为基础，由两级改进网络即SD-LFFD（Saliency Detection-LFFD）和SF-LFFD（Saliency Fusion-LFFD）组成，首先以热红外图像作为输入经SD-LFFD网络产生初步行人检测结果和行人区域弱显著图，接着将该弱显著图与原热红外图像结合“点亮”潜在行人区域并经SF-LFFD网络产生新的行人检测结果，最后将两级改进网络的行人检测结果融合得到最终结果。在数据集CVC-09和CVC-14上实验结果表明，该方法与现有轻量级神经网络相比行人检测的平均精确率有大幅提升，且在有限硬件资源下可实现实时检测。
摘要: 传统的水果分级与损伤检测大多采用感官评定的方法，随着计算机视觉技术的发展，计算机视觉检测分级技术发展迅速。研究中针对解决水果损伤部位检测的问题提出了一种利用图像处理技术对水果热成像损伤部位进行检测的技术方案。本方案采用Laplacian of Gaussian（LoG）算法对损伤部位进行检测，使用高斯卷积模板抑制噪声，通过设置不同的卷积核尺寸以及σ值获得不同的卷积滤波结果，加强了图像中损伤部位的色彩程度，进而更好地利用边缘检测技术获取损伤部位的边缘信息。采用具有局部损伤的苹果作为研究对象，选取有参考和无参考等5种评价方法，分析卷积过程对于损伤部位边缘检测的影响。结果表明，在水果热成像中LoG算法可以有效地检测水果的损伤部位，卷积核尺寸对于水果损伤部位边缘检测结果的影响远大于σ值，通过增大卷积核尺寸可以有效地加深损坏部分的边缘信息，研究为水果损伤区域检测提供了一种可行的解决方案。
