×
卡维·海达里;H·约翰·考尔菲尔德

大海捞针：快速空间搜索相似背景中的目标。 （英语） Zbl 1264.94011号

J.富兰克林研究所。 349，第10号，2935-2955（2012）.
摘要：本文开发了一种高效且鲁棒的算法，可以同时检测和定位图像异常和入侵。异常是指不属于预期类的图像区域。在大多数图像属于一种或多种类型的已知背景类，而少数孤立区域可能属于未知类的情况下，该算法通过将其分类为已知类成员的空白区域来检测和定位潜在的入侵。我们将傅立叶滤波（一种并行扫描整个场景内容的快速线性方式）与边缘设置（Margin Setting）相结合，边缘设置是一种经过训练的强大非线性判别式，用于将已知类的成员与其他类的成员区分开来。这种组合保留了Margin-Setting的强大功能和傅里叶滤波的简单、快速和定位能力。示例表明，该方法能够基本删除所有背景材料，同时保持外观相似的侵入体完好无损。分类器使用从表示感兴趣的背景类的图像或图像区域中提取的几个小方形块进行训练。给出了与四个不同问题相关的处理图像以及对其中一个问题进行的多次测试的累积数值结果。此处所考虑的示例表现出色。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
62H30型 分类和区分；聚类分析（统计方面）
62华氏35 多元分析中的图像分析

软件：

Pfinder（查找器）
PDF格式BibTeX公司 XML格式引用
\textit{K.Heidary}和\textit{H.J.Caulfield}，J.Franklin Inst.349，No.10，2935--2955（2012；Zbl 1264.94011）
全文： 内政部

参考文献：

[1] Nguyen，H.T。；Smeulders，A.，使用前景背景纹理识别的鲁棒跟踪，国际计算机视觉杂志，69，277-283（2006）
[2] Nguyen，H.T。；Smeulders，A.，通过鲁棒外观过滤器快速跟踪遮挡对象，IEEE模式分析和机器智能学报，26，8，1099-1104（2004）
[3] Y.Sugaya和K.Kanatani从移动摄像机视频序列中提取移动物体，摘自：第十届成像信息传感研讨会论文集，（2004年），第279-284页。；Y.Sugaya和K.Kanatani从移动摄像机视频序列中提取移动物体，摘自：第十届成像信息传感研讨会论文集，（2004年），第279-284页。
[4] Cheng，J。；杨，J。；周，Y。；Cui，H.，前景分割的灵活背景混合模型，图像和视觉计算，24473-482（2006）
[5] W.E.Grimson，C.Stauffer，R.Romano，L.Lee《使用自适应跟踪对现场活动进行分类和监测》，摘自：《IEEE计算机视觉和模式识别学报》（1998年），第22-29页。；W.E.Grimson，C.Stauffer，R.Romano，L.Lee使用自适应跟踪对现场活动进行分类和监测，见《IEEE计算机视觉和模式识别学报》（1998年），第22-29页。
[6] C.Stauffer和W.E.Grimson实时跟踪的自适应背景混合模型，摘自：IEEE计算机视觉和模式识别学报2，（1999），第246-252页。；C.Stauffer和W.E.Grimson实时跟踪的自适应背景混合模型，摘自：IEEE计算机视觉和模式识别学报2，（1999），第246-252页。
[7] N.Friedman和S.Russell《视频序列中的图像分割：概率方法》，载于《第十三届人工智能不确定性会议论文集》（1997），第175-181页。；N.Friedman和S.Russell《视频序列中的图像分割：概率方法》，载于《第十三届人工智能不确定性会议论文集》（1997），第175-181页。
[8] 加藤，J。；渡边，T。；Joga，S。；Rittscher，J。；Blake，A.，基于HMM的交通监控电影分割方法，IEEE模式分析和机器智能汇刊，24，9，1291-1296（2002）
[9] 雷恩，C.R。；Azarbayejani，A。；Darrell，T。；Pentland，A.P.，Pfinder：人体实时跟踪，IEEE模式分析和机器智能汇刊，19，7，780-785（1997）
[10] C.Ridder、O.Munkelt和H.Kirchner使用卡尔曼滤波的自适应背景估计和前景检测，载于《机电一体化最新进展国际会议论文集》（1995），第193-199页。；C.Ridder、O.Munkelt和H.Kirchner《使用卡尔曼滤波的自适应背景估计和前景检测》，载《机电一体化最新进展国际会议论文集》（1995年），第193-199页。
[11] Rittscher，J。；加藤，J。；Joga，S。；Blake，A.，跟踪的概率背景模型，第六届欧洲计算机视觉会议论文集，336-350（2000）
[12] 斯坦格，B。；拉梅什，V。；Paragios，N。；库切，F。；Buhmann，J.M.，无拓扑隐马尔可夫模型：应用于背景建模，IEEE计算机视觉国际会议论文集，1294-301（2001）
[13] 功率，P.W。；Schonees，J.A.，理解前景分割的背景混合模型，《图像和视觉计算学报》，新西兰，267-271（2002）
[14] 富山，K。；Krumm，J。；布鲁米特，B。；Meyers，B.，Wallflower:后台维护的原则和实践，IEEE计算机视觉国际会议论文集，1255-261（1999）
[15] D.W.J.斯坦因。；比文，S.G。；霍夫，L.E。；温特，E.M。；Schaum，A.P。；Stocker，A.D.，高光谱图像异常检测，IEEE信号处理杂志，19，58-69（2002）
[16] Kwan，H。；Der，S.Z。；Nasrabadi，N.M.，使用子空间分离的高光谱图像自适应异常检测，光学工程，42，3342-3351（2003）
[17] A.Goldman和I.Cohen《基于迭代局部统计方法的异常检测》，《以色列电气和电子工程师公约》（2004年9月6-7日），第440-443页。；A.Goldman和I.Cohen《基于迭代局部统计方法的异常检测》，《以色列电气和电子工程师公约》（2004年9月6-7日），第440-443页。
[18] Cheng，Q。；Xu，Y。；Grunsky，E.，地球化学异常分离的综合空间和光谱方法，自然资源研究，9，43-52（2000）
[19] 马库，M。；Singh，S.，《新颖性检测：综述》，第一部分：统计方法，信号处理，83，2481-2497（2003）·Zbl 1145.94402号
[20] 马库，M。；Singh，S.，《新颖性检测：综述》，第二部分：基于神经网络的方法，信号处理，83，2499-2521（2003）·Zbl 1145.94403号
[21] 辛格，S。；Markou，M.，应用于图像区域分类的新颖性检测方法，IEEE知识与数据工程汇刊，16，4，396-407（2004）
[22] 罗利·H·A。；Shumet，B。；Kanade，T.，基于神经网络的人脸检测，IEEE模式分析和机器智能汇刊，20，1，23-38（1998）
[23] 杨，M.H。；克里格曼，D。；Ahuja，N.，检测图像中的人脸：一项调查，IEEE模式分析和机器智能汇刊，24，1，34-58（2002）
[24] 维奥拉，P。；Jones，M.J.，鲁棒实时目标检测，IEEE视觉统计和计算理论研讨会论文集（2001）
[25] 施耐德曼，H。；Kanade，T.，应用于人脸和汽车的3D物体检测的统计方法，计算机视觉和模式识别（2000）
[26] 维奥拉，P。；Jones，M.J.，使用简单特征的增强级联快速目标检测，IEEE计算机视觉和模式识别，I，511-518（2001）
[27] 维奥拉，P。；Jones，M.J.，鲁棒实时人脸检测，国际计算机视觉杂志，57，2，137-154（2004）
[28] Grossman，E.，级联分类器的自动设计，国际IAPT统计模式识别研讨会（2004）
[29] Dundar，M.M。；BI，J.，用于计算机辅助检测的级联分类器联合优化，IEEE计算机视觉和模式识别会议（2007年）
[30] 特克，M。；Pentland，A.，识别特征脸，认知神经科学杂志，3，1，71-86（1991）
[31] 易卜拉欣普尔，R。；卡比尔，E。；Yousef，M.R.，《使用单视图特征空间的混合专家在视点相关人脸识别中的教师指导学习》，《富兰克林研究所杂志》，34，87-101（2008）·Zbl 1176.68178号
[32] Khoukhi，A。；艾哈迈德，S.F.，一种用于人脸识别的转基因模糊线性判别分析，《富兰克林研究所杂志》，3482701-2717（2011）·Zbl 1254.93097号
[33] Heidary，K。；Caulfield，H.J.，超广义匹配滤波器在目标分类中的应用，应用光学，44，1，47-54（2005）
[34] Johnson，R.Barry；Heidary，Kaveh，《ATR性能指标的数据库分析和应用统一方法》，《SPIE学报》，7696，1-20（2010）
[35] VanderLugt，A.，《复滤波信号检测》，IEEE信息理论学报，第10期，第139-145页（1964年）·Zbl 0116.35306号
[36] 考尔菲尔德，H.J。；Haimes，R.，广义匹配滤波，应用光学，19，181-183（1980）
[37] 考尔菲尔德，H.J。；Weinberg，M.H.，使用广义匹配滤波器的二维模式计算机识别，应用光学，211699-1704（1982）
[38] （Abushagur，M.A.G.；Caulfield，H.J.，傅里叶光学论文集，SPIE里程碑，MS 105卷（1995），SPIE-国际光学引擎学会）
[39] Dougherty，E.R。；Astola，J.，《图像处理的非线性滤波器》（1999），Wiley-IEE出版社·Zbl 0956.68151号
[40] 洛托斯基，S。；米库利维修斯（Mikulevicius），R。；Rozovski，B.L.，非线性滤波重新定位：光谱方法，SIAM控制与优化期刊，35，2435-461（1997）·Zbl 0873.60030号
[41] Haykin S.，S.，通信系统（2001），威利：威利纽约
[42] 考尔菲德，H.J。；Heidary，K.，《探索多类区分中良好泛化的边界设置》，《模式识别杂志》，38，8，1225-1238（2005）·Zbl 1079.68602号
[43] Heidary，K。；Caulfield，H.J.，《使用边缘设置区分外观相似、噪音较大的色块》，《光学快报》，《美国光学学会杂志》，第15期，第162-75页（2007年）
[44] J.B.MacQueen，J.B.，《多元观测分类和分析的一些方法》，载于：第五届伯克利数理统计与概率研讨会论文集，加利福尼亚大学出版社，1:281-297（1967）。；J.B.MacQueen，J.B.，《多元观测分类和分析的一些方法》，载于《第五届伯克利数理统计与概率研讨会论文集》，加利福尼亚大学出版社，1:281-297（1967）·Zbl 0214.46201号
[45] Kanungo，T。；芒特，D.M。；内塔尼亚胡，N。；Piatko，C。；西尔弗曼，R。；Wu，A.Y.，一种有效的（k）-均值聚类算法：分析与实现，IEEE事务模式分析与机器智能，24881-892（2002）
[46] 西澳大利亚大学纹理数据库http://local.wasp.uwa.edu.au/～pbrouke/纹理〉；西澳大利亚大学纹理数据库http://local.wasp.uwa.edu.au/～pbrouke/纹理〉
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。