版權說明: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,請進行舉報或認領
文檔簡介
1、伴隨著大數(shù)據(jù)時代的到來,圖像與視頻數(shù)據(jù)的快速增長,實現(xiàn)計算機自動理解圖像或視頻內(nèi)容成為越來越迫切的需求,圖像目標識別作為圖像理解的重要研究內(nèi)容得到了廣泛關注,已成為當前圖像處理、計算機視覺等領域一個重要研究方向。圖像目標識別在模式識別的許多領域有著廣泛應用,如基于內(nèi)容的智能安全監(jiān)控、目標圖像檢索、人機交互、及遙感圖像分析等等。經(jīng)過多年的發(fā)展,盡管圖像目標識別研究已取得許多令人鼓舞的成績,但由于目標識別問題自身的多樣性和復雜性,它仍然是一
2、個極具挑戰(zhàn)性的課題。本文緊緊圍繞圖像目標識別及應用這一主題,重點研究了手工設計特征及自然特征的提取方法在圖像目標識別中的相關關鍵技術、基于手工設計特征建模的多尺度混合高斯組件模型識別方法及應用、基于自然特征建模的多層去噪受限玻爾茲曼機模型及相關應用等內(nèi)容。本文開展的主要研究工作和取得的成果有以下幾方面:
?。?)針對單一利用手工特征在實際應用中存在類型單一、尺度受限等諸多不足,根據(jù)圖像的類型、特征尺度及特征數(shù)量的多樣性,提出了多
3、種特征融合檢測的方法,并對多種手工特征提取方法融合檢測的互補性進行了分析和比較。多特征融合檢測根據(jù)場景類型的特點,突出了特征匹配過程中所提取特征性能的相互補充的優(yōu)勢,該方法可以彌補目標匹配過程中,圖像場景存在的視角變化、尺度變化、縮放、旋轉(zhuǎn)、圖像模糊、圖像壓縮及光線變化對特征匹配的影響。通過標準圖像數(shù)據(jù)庫驗證了多特征融合檢測方法對尺度、縮放、旋轉(zhuǎn)變化具有較強的不變性,且對光線及模糊變化具有一定的魯棒性。
?。?)針對傳統(tǒng)的組件模
4、型對目標各組件間的空間位置關系缺乏有效地估計的不足,提出了基于多尺度結構的混合高斯組件模型的目標識別方法。該方法利用多個混合高斯模型對能夠反映目標形狀和外觀分布特征的組件在多尺度空間內(nèi),對目標的多個方向獲取的圖像進行建模。通過樣本的訓練及參數(shù)學習,獲得混合組件模型參數(shù),進而獲取優(yōu)化目標的分布特征。為了提高算法識別的魯棒性,模型采用了融合特征高斯尺度金字塔方法,并將根濾波器(父節(jié)點)及組件濾波器(子節(jié)點)位置作為潛在的隱藏變量,運用混合高
5、斯模型對模型組件最佳位置進行估計,最后利用潛變量支持向量機分類算法進行有監(jiān)督訓練,獲取模型參數(shù)。通過標準數(shù)據(jù)庫驗證了所提方法能夠提升圖像目標識別的性能。
?。?)針對目前已有的跟蹤識別技術存在的識別目標類別單一,魯棒性不強、不能適應復雜背景的不足,本文基于混合高斯組件模型基礎上,提出了一種多類運動目標跟蹤與識別方法。該方法融合運動區(qū)域的自動提取機制實現(xiàn)前景運動區(qū)域自動提取功能,進而可以精確地定位感興趣目標的位置。該方法特點是能夠
6、實現(xiàn)多類運動目標自動檢測和識別,并對視頻中相應類目標個數(shù)進行記數(shù)。檢測實驗結果證明了該方法能夠適應各種不同的復雜的室外環(huán)境,是一種有效地的多類運動目標跟蹤與識別方法。
(4)針對現(xiàn)有特征提取方法難以實現(xiàn)從含有復雜背景的圖像中提取有用目標特征的瓶頸問題,提出了一種基于弱監(jiān)督學習的深度學習模型,去噪受限玻爾茲曼機模型。該模型利用多模交互機制,對輸入圖像的每個像素建立一個混合結構的二元受限玻爾茲曼機層次模型。為了獲取具有魯棒性和簡潔
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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。
- 6. 下載文件中如有侵權或不適當內(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
- 基于深度學習的SAR特征提取與目標識別研究.pdf
- 諧振區(qū)雷達目標特征提取與目標識別研究.pdf
- SAR圖像目標特征提取與識別算法研究.pdf
- 基于多尺度幾何分析的圖像特征提取與分類.pdf
- 基于多通道的分層特征提取的圖像識別.pdf
- 基于圖像的特征信息提取與目標識別.pdf
- 基于多閾值計算的圖像特征提取與識別.pdf
- 紅外圖像目標識別及特征提取技術的研究.pdf
- 基于ISAR圖像的艦船目標的特征提取與識別.pdf
- 基于線狀特征提取的機場目標識別技術.pdf
- 基于Gabor特征提取的海面艦船目標識別.pdf
- 高距離分辨雷達目標識別特征提取研究.pdf
- 圖像對象特征提取與識別.pdf
- SAR圖像典型目標特征提取與識別方法研究.pdf
- 基于CCD的圖像特征提取與識別.pdf
- 人臉圖像特征提取與識別研究.pdf
- 基于人臉識別的圖像特征提取研究與實現(xiàn).pdf
- 人臉圖像的特征提取與識別.pdf
- 飛行體目標特征提取與識別.pdf
- 紙幣圖像特征提取與識別算法研究
評論
0/150
提交評論