基于 SLPP-SHOG 的红外图像车辆检测方法

摘要：

针对红外图像的车辆检测，结合梯度方向直方图（HOG）特征与监督保局投影（SLPP），提出单帧图像车辆检测算法。首先，为增强特征描述能力、提高检测性能，在不增加特征维数的情况下，利用图像分割将区域的轮廓信息、灰度信息融入 HOG 特征中；其次，针对传统 HOG 特征维度过高，影响车辆检测效率以及准确率的问题，采用 SLPP 对提取的 SHOG特征进行降维；最后，利用极限学习机（ELM）对样本图像的低维特征进行训练得到 ELM分类器，实现车辆检测。本文以实拍红外图像作为实验数据，实验结果显示：针对红外图像的车辆检测，本文算法的检测性能较好，与原始 HOG 特征相比，本文所提 SLPP-SHOG 特征的特征维数由1764降至30，检测准确率升高16．03％，F1－measure 提高了8．79％，检测时间由5．7 ms降至2．6 ms。

关键词：车辆检测、梯度方向直方图(HOG)、图像分割、监督保局投影(SLPP)

所属期刊栏目：46

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2016-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1019-1023