作者:
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:
对带有动态背景的前景检测,特别是在没有干净背景可用情况下的前景检测一直是计算机视觉领域中具有挑战性的难题.本文基于稀疏表示(SR)和马尔可夫随机场(MRF)提出了一种新的前景检测方法.首先,用前一帧的稀疏组合来表示静态背景,而在稀疏表示模型的残差中包含稀疏的前景和动态背景.然后,用马尔可夫随机场方法,利用其聚集的性质,抑制分散的噪声和保护前景信号.最后,将增强拉格朗日乘子(ALM)和图割法结合,形成一种有效的自适应算法.大量的实验数据表明该方法的有效性和鲁棒性.
推荐文章
一种基于图像特征稀疏约束的显著性检测算法
显著性检测
特征选择
特征融合
稀疏约束
线性回归
一种双约束稀疏模型图像修复算法
图像修复
局部线性嵌入
稀疏表示
校车路径问题的约束检测算法
校车路径问题
时间窗
容量
约束检测
分段检测
融合有效约束OBB和PSO的碰撞检测算法研究
有效约束的OBB
快速寻优
线性不等式组
PSO
矩阵降维
碰撞检测
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 一种使用稀疏约束和连续约束的前景检测算法
来源期刊 网络安全技术与应用 学科
关键词 背景稀疏表示 稀疏前景检测 马尔可夫随机场模型
年,卷(期) 2021,(4) 所属期刊栏目 安全模型、算法与编程
研究方向 页码范围 31-33
页数 3页 分类号
字数 语种 中文
DOI
五维指标
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  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(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)
2009(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)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(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)
研究主题发展历程
节点文献
背景稀疏表示
稀疏前景检测
马尔可夫随机场模型
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
网络安全技术与应用
月刊
1009-6833
11-4522/TP
大16开
北京市
2-741
2001
chi
出版文献量(篇)
13340
总下载数(次)
61
总被引数(次)
33730
论文1v1指导