版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、火焰與煙霧的奇異特征定義和分類算法研究涉及到計算機圖像處理、圖像模式識別和人工智能等多門學科的知識。本論文結合相關的知識,探索了火焰與煙霧圖像的預處理、火焰與煙霧區(qū)域的特征選擇提取、火焰與煙霧區(qū)域的搜索策略和分類識別。
在火焰與煙霧圖像的預處理部分,本文研究了火焰與煙霧圖像在 RGB、HSI、CMYK和YCbCr四種顏色模型的視覺特性,并對4個顏色模型共13個分量圖進行直方圖均衡化處理,在分析直方圖均衡化處理后的各個分量圖后,
2、采用雙閾值分割法并選擇合適的分量圖和閾值,對火焰區(qū)域和煙霧區(qū)域進行了初步的分割。通過形態(tài)學的膨脹、開運算、閉運動以及區(qū)域空洞填充對初步分割圖進行處理,得到效果更好的火焰區(qū)域分割圖和煙霧區(qū)域分割圖。
在火焰和煙霧區(qū)域特征選擇和提取部分,在介紹了顏色直方圖特征、顏色矩特征和顏色梯度等多種顏色特征,以及運動物體的動態(tài)特征之后,探索了協方差描述子在表示火焰與煙霧圖像的應用,并且為了將協方差描述子與后面介紹的分類算法相結合,提出了協方差
3、描述子的有效信息等價的向量表達方式。本文在火焰與煙霧區(qū)域的搜索策略方面,介紹了窮舉法、遺傳算法跟粒子群算法、網格平鋪法及其改進方式,并分析了各種搜索策略的優(yōu)劣和適用場景,然后探索了遺傳算法和粒子群算法在火焰與煙霧探索定位中的參數優(yōu)化設置。
在火焰和煙霧區(qū)域分類識別算法中介紹了最簡單的模板分類法、AdaBoost算法、支持向量機算法及基于稀疏表達的分類算法,并探索了 AdaBoost算法和支持向量機算法在火焰與煙霧區(qū)域分類識別中
4、的參數設置,及研究了通過匹配追蹤和正交匹配追蹤求解基于稀疏表達的分類算法的優(yōu)劣。在本文的火焰和煙霧區(qū)域分類識別實驗中,涉及到顏色矩特征和協方差描述子兩種特征,遺傳算法跟粒子群算法和網格平鋪法三種搜索策略,以及模板分類法、AdaBoost算法、支持向量機算法和基于稀疏表達的分類器四種分類算法,將這些特征提取、搜索策略和分類算法進行適當的組合和集成,并展示和分析火焰和煙霧區(qū)域分類識別實驗的結果。
本文最后綜合所涉及的圖像處理技術以
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,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,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
- 火焰與煙霧的融合特征提取和分類算法研究.pdf
- 基于圖像特征的森林煙霧和火焰檢測算法研究.pdf
- 裝夾特征的分類與定義
- 基于融合特征的火焰和煙霧識別方法研究.pdf
- 符號的定義與分類
- 鈕扣特征檢測與分類識別算法研究.pdf
- 商鋪定義與分類
- 基于KNN的文本分類特征選擇與分類算法的研究與改進.pdf
- 一種基于奇異點的指紋分類與匹配算法研究.pdf
- 國畫特征提取與分類算法的研究.pdf
- 文本分類特征選擇與分類算法的改進.pdf
- 蘋果圖像特征提取與分類算法的研究與應用.pdf
- 紋理特征提取與自動分類算法研究.pdf
- 高光譜圖像特征學習與分類算法研究.pdf
- 視頻煙霧的多特征檢測算法研究.pdf
- 奇異模型學習算法的研究與應用.pdf
- 白細胞圖像的特征提取與分類算法研究.pdf
- 文本分類中特征選擇與加權算法的研究.pdf
- 文本分類中特征選擇算法的研究與改進.pdf
- 高光譜圖像特征提取與分類算法研究.pdf
評論
0/150
提交評論