面向目标检测的稀疏表示方法研究

fordies1

摘 要： 目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视，在军事和民用中具有广泛应 用．应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮 挡、弱特征、尺度、视角和姿态变化等因素的影响．近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供 了新的思路，本文概述了稀疏表示基本概念和理论研究进展，综述了稀疏表示方法在目标特征学习、目标分类器和滤 波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展，并展望了稀疏表示方法在目标检测 领域的发展方向． 关键词： 目标检测；图像处理；稀疏表示；特征

: e: o3 B$ U+ K& v6 L1 k* K8 E      随着成像传感器技术的发展，人类扩展了获取图像 信息的广度和深度，加深了人类对客观世界的认识，能 观察到人眼能感知到和感知不到的物体，根据所用传感 器的不同，常见的图像有彩色图像、红外图像、高光谱图 像、合成孔径雷达图像及核磁共振图像等．对于获取的 大量图像信息，人们期望借助计算机实现智能化处理， 达到对场景的自动分析和理解．目标检测的任务是从获 取的图像中分割出感兴趣的区域，作为图像理解的一个 基础而重要的问题深受国内外学者的重视，在目标侦 查、精确制导、智能监控、视觉导航、人机交互、空间遥感 及医疗辅助诊断等方面具有广泛应用．
附件下载：

游客，如果您要查看本帖隐藏内容请回复

reasonant-j

根据所用传感 器的不同，常见的图像有彩色图像、红外图像、高光谱图 像、合成孔径雷达图像及核磁共振图像等