CVPR 2016 低信号噪声比图像中曲线边缘快速检测

http://www.wisdom.weizmann.ac.il/~yehonato/projectPage.html

有源代码

本文针对低信号噪声比图像 曲线边缘检测主要思路如下:
1)An efficient hierarchical algorithm to examine an exponential number of candidate curved edges 快速的将可能是曲线边缘的地方检测出来

Examine each potential edge curve using its “custom tailored” matched filter

Do this efficiently using a dynamic programming-like algorithm on a hierarchical, binary-split tree of the image (keep best curve for each two points on the boundary of a tile)

2) 抑制噪声: Long is good: noise can be averaged out by smoothing along the curve (while maintaining contrast across the curve) by using a matched filter
对边缘两侧进行平滑,去除噪声

3) Use statistically rigorous adaptive threshold to detect edges at very
low SNRs 使用自适应阈值检测边缘

Computational complexity:
Stringent: o(N1.5)
examine all contact points in the interface between tiles

Greedy: O(Nlog N)
contact points are sorted by score; only curves through highest scoring points are examined

Runtime:0.9 (0.6) secs on 129×129

Fast Detection of Curved Edges at Low SNR相关推荐

  1. 快速小目标检测--Feature-Fused SSD: Fast Detection for Small Objects

    Feature-Fused SSD: Fast Detection for Small Objects 本文针对小目标检测问题,对 SSD 模型进行了一个小的改进,将 contextual infor ...

  2. 【阅读笔记】低照度图像增强-《Fast efficient algorithm for enhancement of low lighting video》

    本文介绍的是一种比较实用的低照度图像增强效果很好的方法,Xuan Dong论文<Fast efficient algorithm for enhancement of low lighting ...

  3. Image Processing and Analysis_8_Edge Detection:Finding Edges and Lines in Images by Canny——1983...

    此主要讨论图像处理与分析.虽然计算机视觉部分的有些内容比如特 征提取等也可以归结到图像分析中来,但鉴于它们与计算机视觉的紧密联系,以 及它们的出处,没有把它们纳入到图像处理与分析中来.同样,这里面也有 ...

  4. 深度学习【54】物体检测:Feature-Fused SSD: Fast Detection for Small Objects

    论文的思路比价简单,本身论文写的也简单,这里也就简单记录一下. 论文的思路是使用高层的特征图来加强低层特征图的语义信息,以增加小物体检测精度.具体如下图: 至于为什么使用conv5和conv4,论文也 ...

  5. 论文阅读:CVPR2016 Paper list

    原文地址:http://blog.csdn.net/xizero00/article/details/51386667 在过几天CVPR2016就要召开了,先放个list. ORAL SESSION ...

  6. CVPR 2016 摘要阅读

    为了说明看过CVPR2016全部文章的摘要,总结一下,摘要只保留了创新点部分. ORAL SESSION Image Captioning and Question Answering Monday, ...

  7. 各类识别、深度学习-开源代码文献梳理

    可以看看这个 http://blog.csdn.net/workerwu/article/details/46537849 Deep Residual Networks Deep Residual L ...

  8. CVPR 2016 全部文章摘要阅读

    为了说明看过CVPR2016全部文章的摘要,总结一下,摘要只保留了创新点部分. ORAL SESSION Image Captioning and Question Answering Monday, ...

  9. 【数字化】PLM视角下,数字化工厂的构建之道!

    本文立足智能制造,从PLM视角下,提出了数字化工厂的概念,确立了其内涵与定位.针对数字化工厂的通用技术.应用技术.业务活动及管理等内容开展研究和分析,形成了数字化工厂的技术体系框架,并给出了支撑数字化 ...

最新文章

  1. 企业管理做不好的根源!「管理智慧」
  2. NIX***检测方法
  3. 一种高效的可变行高列表行定位算法
  4. [转]带宽计算-大B与小b的区别
  5. Delphi开发的数据库程序在C:\PDOXUSRS.NET生成文件,拒绝访问及读写权限
  6. CodeForces - 1324F Maximum White Subtree(树形dp)
  7. 在Ubuntu下安装jdk解压出现问题:./jdk-6u30-linux-i586.bin: 113: ./install.sfx.3631: not found
  8. 指纹、面部、语音识别技术,破解真的很简单!| 知乎
  9. Linux下iptables 禁止端口和开放端口
  10. 在线vim配色加term与gui统一颜色调整python脚本
  11. 红外光学动作捕捉系统硬件安装使用教程
  12. android系统9有OTG功能吗,随身HiFi 安卓OTG功能在音频上的妙用
  13. html实现播放暂停,html如何实现播放和暂停
  14. 看古人如何养颜:散落在历史中的美容秘方
  15. 认识和使用热插拔的正确姿势
  16. js之dom操作练习 ---- js篇
  17. 关于笔记本电脑Linux下耳机电流噪声--已解决
  18. Spring Boot 修改tomcat端口
  19. 微信小程序(WeUI框架)
  20. 技术需求文档,应当这么写!

热门文章

  1. java高拍仪前后台处理案例
  2. 计算机课堂热身游戏,上电脑课时偷偷玩的3个游戏,这些都没玩过,别说自己玩过游戏!...
  3. 阿里云学生服务器购买以及使用入门教程(附案例学习)
  4. php+微信小程序大学跳蚤市场的微信小程序设计与实现毕业设计源码261620
  5. 论文研读-机器学习可视化-面向可视解释的零样本分类主动学习
  6. 轻量级卷积网络DenseNet:密集连接卷积网络
  7. 纯文字网页数据的批量下载--以NOAA为例
  8. 世界冰箱竞争格局第3次被重塑,海尔牵头迎来“中国时代”
  9. android电信获取基站,移动联通电信获取基站数据库方案.pdf
  10. 用QEMU搭建arm开发环境之三:编译BusyBox建立最简单的文件系统