版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、計算機視覺是當(dāng)前計算機科學(xué)中的一個非常重要的領(lǐng)域,它是人類感知信息系統(tǒng)的重要組成部分,有相當(dāng)多的應(yīng)用,人工智能就是其中之一。在人工智能中,計算機視覺技術(shù)被應(yīng)有于模式識別、三維重建和目標跟蹤等等??梢哉f,計算機視覺與基因工程同等重要,逐步成為未來科學(xué)發(fā)展的兩個重要領(lǐng)域之一。
給出一對圖像,如何檢測并匹配特征是計算機視覺技術(shù)的基礎(chǔ)。例如,在一個動態(tài)環(huán)境里,智能決策系統(tǒng)需要檢測和匹配圖像來分析視覺系統(tǒng)提供的序列圖像,根據(jù)分析的結(jié)果對
2、系統(tǒng)發(fā)出指令去完成目標跟蹤的任務(wù),此是本文的主要工作。本文重點探討圖像特征匹配技術(shù),以及其在目標跟蹤系統(tǒng)中的應(yīng)用,主要包含兩個部分:
第一,基于當(dāng)前流行的多約束條件的特征匹配方法,實現(xiàn)了特征匹配的過程,包括:特征檢測、特征描述、特征匹配和匹配過濾。實驗發(fā)現(xiàn)該方法存在參數(shù)閾值難以選取,優(yōu)質(zhì)匹配數(shù)目少的問題。
基于此,本文提出了一種基于極線插入圖像的特征匹配方法?;跇O線幾何原理,通過將極線插入圖像的方式對原有方法進行了
3、改進,實驗結(jié)果有所提高。
為了得到更優(yōu)的匹配結(jié)果,本文進一步探索,提出了一種基于極線約束的SURF特征匹配方法。方法鎖緊參數(shù),用RANSAC算法可以獲得質(zhì)量高的基礎(chǔ)矩陣。該方法實現(xiàn)過程簡單,不僅匹配準確度高且能夠大大提高正確的特征匹配數(shù),適用于處理不同類型的圖像數(shù)據(jù)。
第二,為了將本文的上述方法應(yīng)用到計算機視覺中去,搭建了一種一致性特征匹配與跟蹤的目標跟蹤系統(tǒng),其過程包括:特征匹配,特征跟蹤,模型建立,目標模型學(xué)習(xí)與
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SIFT特征點匹配的目標跟蹤算法研究.pdf
- 基于特征匹配與卡爾曼預(yù)測的多目標跟蹤算法研究.pdf
- 基于模板匹配的目標跟蹤算法研究.pdf
- 基于圖像匹配的目標跟蹤算法研究.pdf
- 基于形狀模板匹配的實時目標檢測與跟蹤算法研究.pdf
- 基于特征匹配的人臉跟蹤算法.pdf
- 基于特征的多目標跟蹤算法研究.pdf
- 基于特征點的目標跟蹤算法研究.pdf
- 基于區(qū)域特征的目標跟蹤算法研究.pdf
- 基于深度特征學(xué)習(xí)的目標檢測與跟蹤算法研究.pdf
- 基于多特征融合的目標檢測與跟蹤算法研究.pdf
- 基于形變模型和目標特征的目標跟蹤算法研究.pdf
- 基于局部特征和超圖匹配的跟蹤算法研究.pdf
- 基于特征點的目標檢測與跟蹤快速算法研究.pdf
- 基于多特征融合的目標跟蹤算法的研究.pdf
- 結(jié)合多示例學(xué)習(xí)和模板匹配的目標跟蹤算法研究.pdf
- 壓縮特征目標的低秩跟蹤算法研究.pdf
- 基于多特征融合的多目標跟蹤算法.pdf
- 基于粒子濾波的多特征目標跟蹤算法研究.pdf
- 基于局部特征的運動目標跟蹤算法的.pdf
評論
0/150
提交評論