安徽省高校省级自然科学研究项目(KJ2013Z290)
- 作品数：4 被引量：2H指数：1
- 相关作者：李凌更多>>
- 相关机构：淮北职业技术学院合肥工业大学更多>>
- 发文基金：安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 背景建模算法研究与实现被引量：1
- 2013年
- 研究分析了均值背景建模方法、中值背景建模方法、高斯混合背景建模方法,比较了其设计思想、适用范围及各自的优势与不足,并利用MATLAB进行了仿真实验。
- 李凌
- 关键词：背景差分高斯混合模型
- 一种多特征融合的粒子滤波行人跟踪方法
- 2016年
- 为了提高行人跟踪的精确度和稳定性,在粒子滤波框架中融合颜色、纹理以及空间信息,提出一种多特征融合的行人跟踪方法。将行人在空间上划分成三个区域,在三个子区域分别提取目标行人颜色以及纹理信息,提出了融合梯度信息的纹理算法及消除像素点亮度轻微波动造成的纹理区分干扰问题。实验结果显示:颜色、纹理、空间信息融合的方法与传统的基于颜色的粒子滤波算法相比,能更准确有效地跟踪行人目标。
- 李凌
- 关键词：纹理特征空间信息粒子滤波
- 基于混合噪声模型的BTV超分辨率重建
- 2017年
- 超分辨率重建方法多基于单一噪声模型,而实际情况下图像可能同时受到多种噪声的干扰。为获得更加理想的图像超分辨率重建结果,提出一种基于Laplace-Gaussian混合噪声模型并结合双边总变分的超分辨率重建方法。首先根据噪声的广义似然比测试来判断系统的噪声分布模型,然后利用L1范数在突变区域较好地保持图像边缘信息特点及L2范数抑制图像平坦区域的噪声的优点,用自适应滤波核BTV正则化算法解决重建病态性反问题,最后进行超分辨重建。重建结果表明,相对于其他重建算法,本文算法提高了图像重建结果峰值信噪比,降低图像重建的误差,可以较好的平滑和保持图像边缘细节信息,同时加快图像重建的速度,可以满足重建的实时性要求。
- 李凌
- 关键词：图像超分辨率重建峰值信噪比
- 一种背景自适应的运动目标检测算法被引量：1
- 2014年
- 鉴于传统混合高斯模型背景更新的不足,融合边缘检测、帧间差分,提出一种背景自适应的运动目标检测算法。该算法利用Sobel算子提取图像的边缘信息,采用了三帧差分法把每帧图像分为背景区域、背景暴露区域以及目标运动区域,对背景暴露区域、背景区域以及运动区域采用不同的背景更新策略。实验表明,算法对缓慢运动物体、光线突变及背景融入等条件有较好的适应性,能够有效地检测运动目标。
- 李凌
- 关键词：混合高斯模型运动目标检测帧间差分
