甘新胜
- 作品数：8 被引量：70H指数：4
- 供职机构：江苏自动化研究所更多>>
- 发文基金：国防科技技术预先研究基金更多>>
- 相关领域：军事自动化与计算机技术电子电信更多>>
- 舰艇近区安全防卫系统分析被引量：4
- 2013年
- 针对我国舰艇近区安全存在的问题,提出一种舰艇近区安全防御的系统方案构想,系统配备用于探测地面、水上、低空近临目标、水下目标的传感器和用于驱逐或打击的多种武器,并阐述了系统中各装备的发展状况,为舰艇的近区防御系统的发展提供技术参考。
- 宋昕甘新胜
- 关键词：非致命武器
- 一种基于多尺度分解的快速相关跟踪算法
- 2010年
- 针对传统归一化相关跟踪算法运算量较大的问题,提出一种基于多尺度分解的归一化相关跟踪算法。该算法根据目标大小对目标模板和实时图像进行高斯金字塔分解,然后从最高尺度图像开始搜索,并将最大相关点作为下一级搜索的预测值,直至匹配成功。实验结果表明,该算法能够稳定地跟踪目标,而且计算速度优于传统的归一化相关跟踪算法。
- 甘新胜韩卫国郭浩
- 关键词：多尺度分解
- 一种基于不变特征的视频拼接方法被引量：3
- 2009年
- 视频拼接是空中监视的一个关键部分,它有助于人们从全局的角度理解监控场景。视频拼接包括图像的配准和融合两部分。提出了一种基于不变特征的视频拼接方法,它通过相邻两帧的拼接来实现全景图的拼接。该算法配准部分首先采用梯度方向直方图确定相邻两帧的旋转角度;其次检测两幅图像的角点,特征描述采用SIFT,并结合旋转角度对特征点进行粗匹配;然后对粗匹配的结果采用RANSAC算法剔除错误匹配点。融合部分采用灰度加权的方法。实验结果表明,该算法能够有效地进行视频拼接,甚至存在运动目标的干扰下也能够完成拼接,具有鲁棒性好和速度较快的特点。
- 邓军甘新胜
- 关键词：视频拼接RANSAC
- 基于码书的运动目标检测方法被引量：17
- 2008年
- 运动目标检测是视频监控系统需要解决的关键问题之一。背景差法是固定的单摄像头监控中常用的一种运动目标检测方法,其核心是背景的构造。提出了一种基于码书的背景构造方法,它能在有限的存储空间开销下使用长时间的图像序列估计背景模型。该方法首先对每一个像素点的抽样进行聚类分析,即构造初始的码书;然后根据背景模型的条件从中挑选出合格的码字构造背景码书;最后通过判断当前的像素值是否可以划归于背景码书以区分背景点和前景点,同时做相应的更新。实验结果表明,即使背景本身存在运动和光照条件发生变化,该方法构造的背景也能有效检测运动目标。
- 甘新胜
- 关键词：运动目标检测背景差法码书
- 运动目标视频检测与跟踪方法被引量：5
- 2008年
- 运动目标跟踪的根本任务是根据目标的运动模型和图像特征估计它们的轨迹。提出一种运动目标检测、跟踪的方法。首先使用基于自适应混合高斯模型的背景差方法提取运动区域。目标的运动估计采用扩展卡尔曼滤波,由预测位置确定初始的候选区域。然后根据目标与候选区域的变化程度确定匹配需要的特征信息。如果目标只有一个候选区域并且它们之间的区域特征变化微小,那么它们的匹配不需要额外的信息。如果目标有多个候选区域或者单个候选区域可是它们的区域特征变化激烈,除了区域特征外还使用边缘特征,通过计算目标和候选区域的边缘的部分Hausdorff距离来确定目标的最佳匹配区域。实验结果表明,该方法在存在遮挡的情况下也能够连续的跟踪多个运动目标。
- 徐勇甘新胜
- 关键词：运动目标跟踪
- 一种基于改进Hausdorff距离的图像匹配方法被引量：3
- 2012年
- Hausdorff距离(HD)是图像匹配常用的相似性准则。针对HD在实际图像中难以匹配的问题,提出了基于核密度函数的HD改进形式,该HD是通过对各个最小距离值进行核密度函数计算,并将函数值的和的均值作为单向HD值,无向的HD值取两个单向值的最小值。实验结果表明,提出的改进HD在遮挡、局部变化情况下比其它的HD距离具有较好匹配效果。
- 甘新胜
- 关键词：图像匹配HAUSDORFF距离核密度函数
- 基于快速非局部均值滤波的SAR图像相干斑抑制算法被引量：4
- 2020年
- 针对SAR图像的相干斑噪声抑制问题,提出了一种基于快速非局部均值滤波(Fast None-local Means,FNLM)的SAR图像去噪算法,该方法首先将乘性相干斑噪声模型进行变换,再利用积分图像计算欧氏距离以降低时间复杂度,最后将Turkey权函数与高斯权函数相结合成一种自适应分段的权函数用于权值分配。实验结果表明,改进FNLM能够在保证快速的同时有效地抑制相干斑噪声。
- 李浠铭甘新胜程健庆
- 关键词：合成孔径雷达图像非局部均值权函数相干斑抑制
- 基于背景差的运动目标检测方法比较分析被引量：35
- 2008年
- 背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。
- 甘新胜赵书斌
- 关键词：运动目标检测背景差
