学位论文 > 优秀研究生学位论文题录展示

基于时空分析的目标提取算法研究与应用

作　者: 田明杨
导　师: 尹辉
学　校: 北京交通大学
专　业: 计算机科学与技术
关键词: 目标检测 轮廓编组 多特征 时空分析
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 18次
引　用: 0次
阅　读: 论文下载
 

内容摘要


显著目标提取属于中级视觉范畴,通过检测视觉输入中具有独立视觉意义的显著结果,向高级视觉任务提供更佳的输入,是计算机视觉领域中非常重要的研究课题。本文基于图像序列的时域和空域分析,综合考虑运动、颜色、纹理等多种时空特征,研究显著目标的提取算法,并将其应用到目标的检测、识别和视频分割等领域。本文以图像序列为输入,提出基于时空分析的目标提取算法,本文的主要工作如下：1、由于相似度计算中归一化问题对于聚类结果的好坏非常重要,本文对长点轨迹的时空结构特征进行了研究,提出了一种基于自适应尺度因子的显著目标提取算法。在Brox数据集上的实验结果证明,该算法在聚类后目标提取的准确性方面较Brox的算法更优。2、针对Brox算法中很多长点轨迹并不能够反映出图像中的显著目标问题,并且长点轨迹数目过多导致相似度计算和聚类的效率低下。文中在运用边缘特征来优化长点轨迹的基础上,提出了基于边缘的长轨迹显著目标的轮廓编组算法,该算法不仅能够减少相似度计算和聚类的复杂度问题,而且得到的轮廓编组结果更能体现出图像中的显著目标。在Brox数据集上的实验结果证明,该算法在速度和目标提取的准确性方面较Brox的算法和Alex的算法更优。3、针对长点轨迹相似度定义困难和点轨迹数量大导致计算相似度和聚类复杂的问题,文中将提取的边缘片段作为编组元,分别提取编组元的颜色、纹理、运动和时域特征并将提取的多特征相似度进行融合,提出了基于边缘的多特征显著目标轮廓编组算法,算法不仅解决了上述点轨迹算法存在的问题,而且在目标提取的准确性方面比Brox点轨迹算法更好。

全文目录


致谢  5-6
摘要  6-7
ABSTRACT  7-10
1. 绪论  10-22
  1.1 引言  10
  1.2 国内外研究现状  10-19
    1.2.1 基于单帧图像的目标提取方法  11-12
    1.2.2 基于图像序列的显著目标提取方法  12-19
  1.3 论文主要内容及创新点  19-20
    1.3.1 论文的主要内容  19-20
    1.3.2 论文的主要特色及创新点  20
  1.4 论文组织结构  20-22
2. 基于自适应尺度因子的显著目标提取算法  22-46
  2.1 相关工作  22-38
    2.1.1 运动特征对于目标检测的意义  22-23
    2.1.2 运动特征提取算法研究与分析  23-27
    2.1.3 编组元的相似度定义以及计算方法的研究  27-36
    2.1.4 聚类算法的研究与分析  36-38
  2.2 基于自适应尺度因子的长点轨迹相似度的定义及其实现  38-42
    2.2.1 长点轨迹的相似度定义的研究  38-40
    2.2.2 自适应尺度因子的定义以及实现  40-42
  2.3 基于自适应尺度因子的显著目标提取算法的实现  42-44
    2.3.1 算法流程图  42
    2.3.2 算法具体实现步骤  42-44
  2.4 实验结果对比与分析  44-45
  2.5 本章小节  45-46
3. 基于边缘的长轨迹显著目标轮廓编组算法  46-62
  3.1 相关工作  46-52
    3.1.1 边缘特征提取算法的研究与分析  47-51
    3.1.2 投票的规则  51-52
  3.2 基于边缘的长轨迹显著目标轮廓编组算法的设计及实现  52-54
  3.3 实验结果及分析  54-59
    3.3.1 算法的实验环境和实验数据  54
    3.3.2 实验结果的对比与分析  54-59
  3.4 本章小结  59-62
4. 基于边缘的多特征显著目标轮廓编组算法  62-72
  4.1 相关工作  62-68
    4.1.1 颜色和纹理特征提取算法的研究与分析  62-66
    4.1.2 边缘片段区域颜色特征和纹理特征的提取算法以及降维  66-67
    4.1.3 图像序列中边缘运动特征的提取  67-68
    4.1.4 基于边缘片段的多特征相似度的定义及其实现  68
  4.2 图像序列中基于边缘的多特征显著目标轮廓编组算法  68-69
    4.2.1 算法具体实现步骤  69
  4.3 实验结果及分析  69-71
  4.4 本章小结  71-72
5. 工作总结与展望  72-74
  5.1 工作总结  72
  5.2 进一步的研究建议  72-74
参考文献  74-78
作者简历  78-82
学位论文数据集  82

相似论文

  1. 双传感器图像联合目标检测及系统实现研究,TP391.41
  2. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  3. 移动机器人视觉检测和跟踪研究,TP242.62
  4. 基于运动目标轨迹分析的智能交通监控系统,TP277
  5. 基于内容的唐卡图像检索技术研究,TP391.41
  6. 矿区开采沉陷时空分析研究与应用,TD327
  7. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  8. 基于支持向量机的视频目标检测方法研究,TP391.41
  9. 视频运动目标跟踪方法研究,TP391.41
  10. 视频中多运动目标分类的研究,TP391.41
  11. 运动目标检测和跟踪算法研究,TP391.41
  12. 基于视觉感知的鱼群目标检测与跟踪技术研究,TP391.41
  13. 视频监控中运动目标检测与跟踪算法的研究,TP391.41
  14. 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
  15. 基于鱼眼图像的车辆检测算法的研究与实现,TP391.41
  16. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  17. 基于活动轮廓模型的行人检测方法研究,TP391.41
  18. 天空背景下红外弱小目标的检测与跟踪算法研究,TN215
  19. 基于激光雷达的三维目标检测,TN958.98
  20. 视频监控运动目标检索方法研究,TP391.41
  21. 复杂目标视觉注意模型研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com