基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为解决车辆阴影检测中易将车辆阴影相似的车辆区域误检测为车辆阴影的问题,提出了一种基于超像素和支持向量机的车辆阴影检测算法。首先,利用简单线性迭代聚类法将图像分割为若干超像素;然后,以超像素为基本检测单位,根据HSV空间中的一组判别条件对车辆阴影进行初步检测;在此基础上,利用支持向量机识别并去除被误检测为车辆阴影的车辆区域,进而得到最终的车辆阴影。实验结果表明,所提算法能够较好地区分车辆阴影及与车辆阴影相似的车辆区域,提高车辆阴影的检测率和分类率。
推荐文章
基于颜色和纹理的运动车辆阴影检测算法
阴影检测
颜色
纹理
形态学方法
基于支持向量机的人脸检测算法
人脸检测
支持向量机
统计学习理论
机器学习
基于支持向量机的彩色图像边缘检测
支持向量机
彩色图像
边缘检测
基于聚类支持向量机的入侵检测算法
聚类
支持向量机
入侵检测
异常检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于超像素和支持向量机的车辆阴影检测算法
来源期刊 东南大学学报(自然科学版) 学科 交通运输
关键词 阴影检测 超像素 支持向量机 车辆检测
年,卷(期) 2015,(3) 所属期刊栏目
研究方向 页码范围 443-447
页数 5页 分类号 U491.1
字数 4213字 语种 中文
DOI 10.3969/j.issn.1001-0505.2015.03.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 路小波 东南大学自动化学院 48 781 14.0 27.0
5 曾维理 东南大学自动化学院 7 36 4.0 6.0
9 朱周 东南大学交通学院 5 38 4.0 5.0
13 卫朋 东南大学自动化学院 1 10 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (17)
参考文献  (10)
节点文献
引证文献  (10)
同被引文献  (17)
二级引证文献  (20)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(5)
  • 引证文献(3)
  • 二级引证文献(2)
2018(8)
  • 引证文献(3)
  • 二级引证文献(5)
2019(11)
  • 引证文献(1)
  • 二级引证文献(10)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
阴影检测
超像素
支持向量机
车辆检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
东南大学学报(自然科学版)
双月刊
1001-0505
32-1178/N
大16开
南京四牌楼2号
28-15
1955
chi
出版文献量(篇)
5216
总下载数(次)
12
总被引数(次)
71314
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导