知识卡片
邻域判决剔除随机噪声
单帧分割只能给出候选目标,真目标与高频噪声点外形一样。区分依据是运动特性:目标在序列中位置连续,噪声的出现是随机的。
常规做法的漏洞:判决邻域固定。目标运动快或帧频低时,相邻两帧的目标落不进同一固定窗口,真目标被判成噪声,检测率下降。 改进:先由分割结果算质心,用每帧质心最大横坐标之差得到速度矩阵,取中位数作为平均速度 v,令邻域边长 S=2v+1,邻域随速度自适应放大。 判决流程:每 M 帧(7~9)判一次。在第 k 帧取候选点,逐帧向前追溯:S×S 邻域内有候选则计数加一,没有就把邻域扩到 (S+1)×(S+1) 再查。允许最多 t≤2 帧目标短暂消失,若 n≥M−t 判为真目标,否则判为噪声;最后回到标记图取该质心所在连通域作为目标区域。
结构图:
flowchart TD
A[分割结果质心序列] --> B[帧间位移取中位数为v]
B --> C[邻域边长S=2v+1]
C --> D[逐帧向前追溯候选点]
D --> E{邻域内有候选?}
E -->|有| F[计数累加]
E -->|无| G[邻域扩为S+1再查]
G --> D
F --> H{n≥M−t?}
H -->|是| I[判为真目标]
H -->|否| J[判为噪声]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 基于脉冲耦合神经网络的目标检测方法 · 查看原书依据
通常情况下,相邻两帧图像中的目标位置在同一个邻域内,而噪声的运动是随机的,不具有运动连续性。根据弱小目标与噪声运动连续性的差异,提取出真实目标,降低高频噪声的干扰。
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第4章 基于脉冲耦合神经网络的目标检测方法(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt004.html)
- 结论依据:单帧分割只能给出候选目标,真目标与高频噪声点外形一样。
- 原始内容:通常情况下,相邻两帧图像中的目标位置在同一个邻域内,而噪声的运动是随机的,不具有运动连续性。根据弱小目标与噪声运动连续性的差异,提取出真实目标,降低高频噪声的干扰。