1 简介SR（Spectral Residual，剩余谱）模型独立于对象的特征，类别或其他形式的先验知识。通过分析输入图像的对数谱，可以在空间域中获取输入图像的剩余谱，进而用快速的方法在空间域中构造相关的显著性图。模型在自然图像和艺术图像的测试结果表明该方法具有计算效率高且鲁棒性好的特点[1]。论文指出，图像的信息是由先验知识的信息和显著部分的信息构成，通过在对数谱中用图像的信息减去先验知...

1 简介方向梯度直方图（Histogram of Oriented Gradient，HOG）特征是一种可以快速描述物体局部梯度特征的描述子[1]。它首先将把窗口划分成若干个块（blocks），然后把每一个块中划分若干个元胞（cells），然后统计每个元胞内部的梯度方向直方图作为该元胞的特征向量，然后把每一个元胞的特征向量相连接作为一个块的特征向量，最后把块的特征向量相连接，即为该窗口的 HO..

传统的卡尔曼滤波算法假定了噪声服从高斯分布，而实际应用场景中，由于传感器受到各种因素的影响，可能存在部分远偏离预期值的观测结果，称为奇异值。此时观测噪声不再是高斯分布的，而类似于student-t分布，对于这样的情况，传统的卡尔曼滤波算法在估计系统状态时会极大地受到奇异值带来的影响，从而导致系统状态估计结果远偏离预期，此时需要对卡尔曼滤波做一些调整，使其能适用于非高斯的噪声分布。

1 简介ITTI视觉显著性模型是根据早期灵长类动物的视觉神经系统设计的一种视觉注意模型[1]。该模型首先利用高斯采样方法构建图像的颜色、亮度和方向的高斯金字塔，然后利用高斯金字塔计算图像的亮度特征图、颜色特征图和方向特征图，最后结合不同尺度的特征图即可获得亮度、颜色和方向显著图，相加得到最终的视觉显著图，如下图所示（引用自原文）。该方法不需要训练学习的过程，仅通过纯数学方法，便可完成显著图的计..

1 简介LSD是一种线段检测算法，该方法能在较短的时间内获得较高精度的直线段检测结果。LSD直线检测算法首先计算图像中所有点的梯度大小和方向，然后将梯度方向变化小且相邻的点作为一个连通域，接着根据每一个域的矩形度判断是否需要按照规则将其断开以形成多个矩形度较大的域，最后对生成的所有的域做改善和筛选，保留其中满足条件的域，即为最后的直线检测结果。该算法的优点在于检测速度快，而且无需参数调节，...

1 简介无损卡尔曼滤波又称无迹卡尔曼滤波（Unscented Kalman Filter，UKF），是无损变换（Unscented Transform，UT）与标准卡尔曼滤波体系的结合，通过UT变换使非线性系统方程适用于线性假设下的标准卡尔曼体系。与EKF不同的是，UKF是通过无损变换使非线性系统方程适用于线性假设下的标准Kalman滤波体系，而不是像EKF那样，必须通过线性化非线性函数实...

1 简介粒子滤波（Partical Filter，PF）就是通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被称为“粒子”，故叫做粒子滤波。粒子滤波(PF: Particle Filter)的思想基蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间...

恒虚警检测技术是雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。

卡尔曼滤波（Kalman Filter）是一种利用线性系统状态方程，利用对系统的观测数据，对系统状态进行最优估计的算法。由于观测数据受到系统中的噪声和干扰的影响，所以系统状态的估计过程也可看作是滤波过程。应用场景之一有利用传感器跟踪感兴趣目标的位置，传感器获取的目标距离、速度、方位角等观测值往往含有噪声。卡尔曼滤波利用目标的动态信息与观测结果相结合，抑制噪声的影响，从而获得一个关于目标位置更准确的

卡尔曼平滑算法是其中常用的一种，又称为RTS平滑——Rauch–Tung–Striebel smoother （RTSS, Rauch et al., 1965），本篇博文将详细介绍该算法。