干旱区生态环境知识资源中心(Arid): 自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别

Arid

	自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别
其他题名	Desert Vehicle Detection Using Adaptive Visual Attention and Pulse Coupled Neural Network
	张津剑; 顾晓东
来源期刊	计算机辅助设计与图形学学报
ISSN	1003-9775
出版年	2014
卷号	26 期号:1 页码:56-64
中文摘要	针对现有车辆识别模型不适用于沙漠背景的不足,提出一种基于自适应四元数注意力选择模型与脉冲耦合神经网络相融合的车辆识别算法.首先建立自适应四元数注意力选择模型,将图像背景、颜色、亮度等多方面信息并行处理计算注意力显著图,并利用图像缩放与双线性插值提升计算效率;然后将显著图输入脉冲耦合神经网络,利用神经元脉冲传播特性提取感兴趣区域;最后提取区域尺度不变特征并结合多层分类回归树完成目标识别.实验结果表明,该算法计算时间短、区域提取完整、识别虚警率低;以分辨率0.6m*0.6m的沙漠图像为例,文中算法较形态学及支撑向量机算法识别率分别提升了5.8%和15.4%.
英文摘要	Considering deficiency of existing methods in desert vehicle detection, this paper proposes a novel approach for vehicle detection in desert based on adaptive phase spectrum of quaternion Fourier transform (APQFT) combined with pulse coupled neural network (PCNN). We propose an adaptive visual attention model which uses information of background, image colors and intensity to generate a visual saliency map by parallel computing. Moreover, this model uses bilinear interpolation to improve computing efficiency. After that, using PCNN extracts regions of interests (ROIs). Then, using scale-invariant feature transform (SIFT) feature extracted from ROIs detects vehicle areas which combines with hierarchical discriminant regression (HDR) tree. The experimental results shows that compared with the morphology and the SVM methods, the recognition rate of proposed approach increases 5.8% and 15.4% respectively.
中文关键词	自适应注意力选择 ; 脉冲耦合神经网络 ; 沙漠车辆识别 ; 尺度不变特征 ; 多层分类回归树
英文关键词	adaptive visual attention pulse coupled neural network desert vehicle detection scale-invariant feature transform hierarchical discriminant regression tree
语种	中文
国家	中国
收录类别	CSCD
WOS类目	ENGINEERING ELECTRICAL ELECTRONIC
WOS研究方向	Engineering
CSCD记录号	CSCD:5047594
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/231384
作者单位	复旦大学电子工程系, 上海 200433, 中国
推荐引用方式 GB/T 7714	张津剑,顾晓东. 自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别[J],2014,26(1):56-64.
APA	张津剑,&顾晓东.(2014).自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别.计算机辅助设计与图形学学报,26(1),56-64.
MLA	张津剑,et al."自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别".计算机辅助设计与图形学学报 26.1(2014):56-64.