原文服务方: 太原理工大学学报       
摘要:
为了提高动态纹理特征分析的可靠性且降低计算量,提出了一种基于多维动态纹理分析的烟雾检测算法.该算法在预处理阶段利用ICA烟雾前景初步分离烟雾模型得到初步烟雾前景,然后通过GBVS提取多通道、多尺度的底层特征得到烟雾前景显著区域,以提高前景目标检测阶段对烟雾前景的分割精确度;在烟雾特征提取阶段,提出基于多维特征分析的烟雾特征提取检测方法(h-LDS/RGBH),该方法首先经过烟雾颜色和背景差分预处理得到烟雾候选区域,然后在四维图像块中引入RGB和HOG特征,最后基于对多维图像数据的高阶分解,分析烟雾视频的动态特征.多维动态纹理分析(h-LDS/RGBH)改善了烟雾特征提取阶段所提取的烟雾特征稳定性不高且对烟雾的判断准则过于简单的缺点,提高了动态纹理特征分析的可靠性.实验表明,其检测率高于LDS和h-LDS/RGB的识别率.实验表明,该算法的检测率高于LDS和h-LDS/GRB.
推荐文章
基于背景动态更新与暗通道先验的火灾烟雾检测算法
背景估计
暗通道先验
颜色特征
旋转不变的LBP
HOG特征
KNN分类器
烟雾检测
基于机器学习的烟雾检测算法去除固定干扰
烟雾检测
运动块
线性分类器
固定干扰
机器学习
基于小波能量的轮廓抖动性烟雾检测算法
二维小波变换
卡尔曼滤波
小波能量
轮廓抖动性
基于颜色和纹理特征的显著性检测算法
模式识别
显著性检测
颜色对比度
纹理特征
二维信息熵
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 基于多维动态纹理分析的烟雾检测算法
来源期刊 太原理工大学学报 学科
关键词 多维动态纹理 高阶线性动态系统(h-LDS) 梯度方向直方图(HOG) 烟雾检测算法
年,卷(期) 2018,(4) 所属期刊栏目 信息与计算机科学
研究方向 页码范围 579-584
页数 6页 分类号 TN391
字数 语种 中文
DOI 10.16355/j.cnki.issn1007-9432tyut.2018.04.010
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 李鸿燕 太原理工大学信息工程学院 30 136 8.0 10.0
2 张静 太原理工大学信息工程学院 43 92 5.0 7.0
3 郭人辅 上海海洋大学爱恩学院 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (4)
二级引证文献  (0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多维动态纹理
高阶线性动态系统(h-LDS)
梯度方向直方图(HOG)
烟雾检测算法
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
太原理工大学学报
双月刊
1007-9432
14-1220/N
大16开
太原市迎泽西大街79号3337信箱
1957-01-01
汉语
出版文献量(篇)
4103
总下载数(次)
0
论文1v1指导