-
题名改进的基于模板去除骨架毛刺的方法
被引量：11
- 1
-
-
作者
宁亚辉
雷小奇
王功孝
李顺琴
-
机构
后勤工程学院后勤信息工程系
中国移动通信集团重庆有限公司传输中心
-
出处
《计算机应用》
CSCD
北大核心
2011年第A01期58-59,63,共3页
-
文摘
如何去除毛刺是图像处理中一个经典的问题和研究热点,目前有些方法只能去除较短的毛刺,不能适合特定的需要,有些方法存在部分骨架主体被去除的缺点。对基于模板去除毛刺的方法进行了改进,该方法首先在8邻域模板范围内进行统计,确定相应的像素类型,然后基于人工定义毛刺的长度进行毛刺去除。实验表明,该方法能够适应不同长度的毛刺,并且可以尽可能地保持骨架主体信息,对单像素宽度的骨架图像去除毛刺具有一定的可行性和优越性。
-
关键词
去除毛刺
骨架图像
模板
连通区域
-
Keywords
burr removal
skeleton image
template
connectivity zone
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
-
-
题名基于高斯混合模型林火“烟雾根”的识别
- 2
-
-
作者
郑鑫
高宇
陈锋
程朋乐
-
机构
北京林业大学
-
出处
《林业和草原机械》
2020年第1期44-46,43,共4页
-
基金
国家自然科学基金青年基金:云南松树冠火发生的关键机制研究(31800549)。
-
文摘
"烟雾根"作为林火烟雾的固有属性是区分烟雾和类烟雾的重要特征,"烟雾根"的准确检测和提取对森林火灾烟雾的识别具有重要意义。为此提出了基于高斯混合模型林火"烟雾根"识别方法,首先,采用高斯混合模型GMM对林火烟雾动态区域进行前景提取,将前景区域用形态学处理为连通的区域图像;其次,采用连通区域的骨架图像,生成烟雾根节点坐标信息;最后,从骨架端点提取与融合得到烟雾根候选点。本文提出的采用高斯混合模型进行前景提取,进行"烟雾根"识别的方法,比背景差分、帧差法和vibe等动态区域提取算法具有更好的鲁棒性。
-
关键词
烟雾根
GMM
骨架图像
骨架端点融合
-
Keywords
smoke root
GMM
skeleton image
skeleton endpoint fusion
-
分类号
S776.292
[农业科学—森林工程]
TP391.41
[农业科学—林学]
-
-
题名基于TSSI和STB-CNN的跌倒检测算法
- 3
-
-
作者
黄晓湧
李伟彤
-
机构
广东工业大学信息工程学院
-
出处
《广东工业大学学报》
CAS
2023年第4期53-59,共7页
-
基金
广东省科技计划项目(2017A010101016)。
-
文摘
跌倒行为会给老人特别独居老人带来严重伤害,准确识别跌倒并及时报警可以有效降低这种危险。本文提出一种基于树结构骨架图像(Tree Structure Skeleton Image,TSSI)和可学习时空块卷积神经网络(Spatio-temporal Block Convolution Neural Network,STB-CNN)的跌倒检测方法。首先使用三维姿态估计算法提取人体关节点,进而获得骨架序列;然后利用基于深度优先搜索(Depth First Search,DFS)算法将骨架序列编码为TSSI;最后构建由时空差分模块、可学习时空框架和时空多分支卷积模块组成的可学习STB-CNN网络,实现跌倒检测。该方法在公开数据集和自建数据集上进行仿真实验分别取得98.6%和98.3%的准确率,优于其他相关算法。
-
关键词
跌倒检测
树结构骨架图像
可学习时空块卷积神经网络
姿态估计
-
Keywords
fall detection
tree structure skeleton image(TSSI)
learnable spatio-temporal block convolution neural network
pose estimation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于颜色和骨架特征的茶叶分支节点识别研究
被引量：1
- 4
-
-
作者
黄辉
-
机构
台州科技职业学院
-
出处
《电子世界》
2014年第22期403-404,共2页
-
文摘
茶叶分支节点识别是对采摘的新鲜茶叶实现智能分选的前提，因此，利用CCD摄像头采集采摘好的新鲜茶叶图像，并阻茶叶图像为对象，研究了茶叶分支节点的识别方法。首先对RGB颜色模型的色差法（R—B）的绝对值进行计算分析，然后进行阐值比较，获得二值图像并计算骨架细化图像。采用八方向链码在图像中查找可能的分支节点。最后进行坐标值排序和求差确定分支节点数量。试验结果表明，所研究的算法能够有效的识别出分支节点的数量。
-
关键词
茶叶图像
八方向链码
骨架细化图像
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
