收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于K元特征图像序列的视频目标分割与识别技术研究

王飞  
【摘要】:在信息技术各应用领域中,信息数据的特征描述、特征保持和基于特征的搜索,识别与分割技术对于信息数据采集,发送,交换与接收各系统设计与应用优化都是十分重要的。用K元特征序列来描述信息数据,建立识别与分割技术具有重要的理论意义和应用价值。该技术不仅能高效分割和识别目标,而且能高效表征和压缩多媒体信息,可广泛应用在遥感,医学,气象,金融,公安,交通,文件处理,自动检测,机器人视觉,军事等众多领域,已成为研究热点之一。 K元非均匀进制特征图像序列是指目标具有K位特征图像且每位上特征图像的可能状态数为有限,不同位上的特征图像的可能状态数不一定相同,同时特征图像互相之间具有时间,空间或映射关联,且K元特征图像序列能唯一表征目标, 即只要识别出目标的K元非均匀进制特征图像序列,就等同于识别出目标. 基于K元特征图像序列的视频目标分割与识别技术属于模式识别,计算机图像处理以及机器视觉等学科的交叉领域,是K参数估计与检测的推广,即从K参数推广到K特征图像,是一种多维特征识别,显然识别复杂性大大增加。 论文研究了基于K元特征图像序列的视频目标分割与识别技术。 在视频目标K元特征识别模型与识别系统框架中,本文首先建立了基于K元特征图像序列的识别模型和识别定理,从空间关系,信息熵和状态空间等角度分析了K元非均匀进制特征图像序列的特性;然后讨论了图像目标与其观察数据空间的关系,从信息数据传输的角度分析了形成观察数据的信道特性,数据成像模型,影响成像质量的噪声模型;接着研究了保持特征的图像复原,去噪和除畸变的基本技术模型;最后建立了图像目标K元特征图像的识别基本技术框架。 在特征图像的分割技术中,本文提出了两种K元特征图像序列分割技术。一种是基于特征图像序列的特征色学习的分割技术,该技术首先对特征图像彩色样本动态聚类,形成标准色的参考类;然后将参考类模糊扩展;最后根据参考类识别出视频目标特征图像序列的特征色或图案,从而分割出特征图像. 另一种是基于预识别指导的特征图像序列分割技术,该技术先利用彩色滤波器抑制非特征图像区域杂波; WP=6 然后利用颜色信息来进行特征图像区域粗定位,接着利用特征图像区域的灰度分布特性与其非特征图像区域有较大差异而实现特征图像粗分割,再接着利用特征图像序列的先验知识如宏特征作为判决准则,通过多次反复,分割特征图像区域。 在特征图像序列组成基元可视宏特征描述与提取技术中,研究了二值化基元特征图像的宏块状层目标特征描述及提取技术,同时提出了二值化字符特征图像的骨架笔划和骨架笔划结构识别特征描述和提取技术。 在基于K元特征图像序列的目标模糊识别技术中,将模糊识别基本理论同基于K元特征图像的目标识别相结合,运用模糊识别的思想来识别基元图像序列,从而识别图像目标。主要讨论基于K元特征图像的目标模糊识别基本理论,包括基于K元特征图像的目标模糊识别系统简介,基于K元特征图像的目标模糊识别相关的模糊集基本理论和模糊识别基本方法。重点研究了二值化字符特征图像的可视特征模糊化技术及基于该特征空间的特征图像的模糊识别技术。 在图像目标识别特征多层模型与神经网络群识别技术中,建立了图像目标的K元特征图像序列识别特征多层模型,然后提出一种基于特征图像视觉识别特征分层模型的视频目标神经网络群识别技术,该技术基于目标可视层目标特征空间,将大的BP网络系统按目标的可视特性分为若干子BP网络,各子网的输出经神经网络融合后输出识别结果.当目标变化时, 网络群只训练新增的子BP网络, 从而简化系统结构的调整过程,缩短重新训练网络所需要的时间,从而有效地提高网络的训练效率,大大提高了网络的可扩展性和重复利用性,从而提高网络的适用性和速度. 在目标特征图像序列的多分类器自适应融合识别中,针对当序列图像受到严重干扰时,单个分类器对目标特征图像序列识别率低,多分类器的常系数线性融合分类系统存在的问题,提出一种多分类器自适应融合技术,该技术依据输入特征图像的后验置信度,分类器的分类结果一致度等因素自适应调整多分类器的融合系数。建立了融合识别系统,分析了其原理与性能,取得了好的结果。 在基于信源状态被访问概率的多级自适应识别系统中,研究基于信源状态被访问概率多级识别系统原理和提出基于特征图像状态被访问概率的动态多级识别技术,该技术依据信源动态统计特性,根据各 WP=7 分类器的分类特性,动态地调整多分类器序列,获得了高识别率和识别速度. 根据上面的理论和技术实现,对大量实际特征图像序列进行了测试与PC仿真,取得了很好的结果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张似骅;郭焕军;;提高收费车道全车牌识别率方法探讨[J];中国交通信息化;2011年08期
2 纪则轩;潘瑜;陈强;孙权森;夏德深;;无监督模糊C均值聚类自然图像分割算法[J];中国图象图形学报;2011年05期
3 韩彦芳;杨娜;缪艳;徐伯庆;;颜色特征加权滤波骨髓细胞分割方法[J];计算机科学;2011年07期
4 高峰;文贡坚;卢焕章;;考虑特征提取不确定性的多特征图像配准算法[J];系统工程与电子技术;2011年06期
5 高鸿启;沈学举;甘厚吉;;基于主成分分析的MACH滤波器设计[J];信息技术;2011年08期
6 李春鑫;;基于变换观测模型的粒子滤波跟踪算法[J];光电技术应用;2011年03期
7 向方;王宏福;;图像边缘分割算法的优化研究与仿真[J];计算机仿真;2011年08期
8 席二辉;刘卫光;;基于时间域算法的红外视频目标提取[J];中原工学院学报;2011年03期
9 黄立贤;沈志学;;基于决策树的Landsat多光谱影像分类方法[J];光电技术应用;2011年03期
10 李小红;李寅;张静;金建;;基于AMD度量和类间模块2DPCA的人脸识别算法[J];合肥工业大学学报(自然科学版);2011年07期
11 许占伟;张涛;;基于NCT的特征级图像融合[J];计算机工程;2011年16期
12 许占伟;张涛;;一种改进的图像融合技术[J];计算机应用与软件;2011年09期
13 张巧荣;景丽;肖会敏;刘海波;;利用视觉显著性的图像分割方法[J];中国图象图形学报;2011年05期
14 赵林;冯燕;贾应彪;;基于微分光流和粒子滤波的视频运动目标跟踪[J];计算机工程;2011年13期
15 ;[J];;年期
16 ;[J];;年期
17 ;[J];;年期
18 ;[J];;年期
19 ;[J];;年期
20 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 黎凯武;;倾斜分点大潮特征图像和特征参数[A];1999年中国地球物理学会年刊——中国地球物理学会第十五届年会论文集[C];1999年
2 余波;黄中玉;徐亦鸣;谈大龙;;f—x特征图像滤波法[A];油气地球物理实用新技术——中国石化石油勘探开发研究院南京石油物探研究所2004年学术交流会论文集[C];2004年
3 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
4 王晓民;徐新平;宋良文;胡文华;王德文;;个人生物特征图像体制系统的研究[A];第十一届中国体视学与图像分析学术会议论文集[C];2006年
5 王鹏;王志成;张钧;田金文;;基于多尺度小波核LS-SVM的红外弱小目标检测[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
6 柳迪;董绪荣;;视频目标检测和跟踪框架的研究[A];2011年全国通信安全学术会议论文集[C];2011年
7 王宇庆;汪洋;郑喜凤;陈宇;刘维亚;;一种LED显示屏色度均匀性的客观评价方法[A];2008全国LED显示应用技术交流暨产业发展研讨会文集[C];2008年
8 郑义军;谭荣清;;抛物面型光船光束聚焦的数值研究[A];中国力学学会学术大会'2005论文摘要集(下)[C];2005年
9 谭锦辉;顾亚平;张俊;谢兵森;;一种融合CAMShift和SIFT的视频对象跟踪算法[A];第九届全国信息获取与处理学术会议论文集Ⅰ[C];2011年
10 蒋飚;华建明;吴群;王真;王志康;丁文洪;蒋定尧;;四种基于Windows平台的扩散张量成像后处理软件应用比较[A];中华医学会第16次全国放射学学术大会论文汇编[C];2009年
中国博士学位论文全文数据库 前10条
1 王飞;基于K元特征图像序列的视频目标分割与识别技术研究[D];电子科技大学;2004年
2 王爱平;视频目标跟踪技术研究[D];国防科学技术大学;2011年
3 孟繁锋;视频目标分类、跟踪及行为分析研究[D];哈尔滨工业大学;2009年
4 薛陈;复杂环境下视频目标跟踪技术的算法和应用研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2010年
5 王玉茹;基于粒子滤波器的视频目标跟踪关键技术及其应用研究[D];哈尔滨工业大学;2010年
6 王玉茹;基于粒子滤波器的视频目标跟踪关键技术及其应用研究[D];哈尔滨工业大学;2010年
7 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年
8 常军;基于语义的视频内容检索中模糊不确定性问题研究[D];武汉大学;2011年
9 郁生阳;基于能量最小化图割的图像与视频目标精确分割研究[D];上海交通大学;2009年
10 韩华;基于改进粒子滤波算法的多目标智能视频跟踪研究[D];东华大学;2012年
中国硕士学位论文全文数据库 前10条
1 孙研;基于核函数的视频目标跟踪优化算法[D];复旦大学;2010年
2 贾亮;基于矩阵稀疏的视频目标跟踪[D];大连理工大学;2011年
3 王加良;基于支持向量机的视频目标检测方法研究[D];东北师范大学;2011年
4 朱锋;视频目标检测技术研究[D];北京化工大学;2010年
5 李光;基于均值偏移的视频目标跟踪、检测算法研究及系统实现[D];浙江理工大学;2010年
6 郑玉凤;微光条件下视频目标跟踪关键技术的研究[D];天津理工大学;2011年
7 康凯;C-SIFT算法在视频目标跟踪中的应用研究[D];重庆大学;2011年
8 庞一贵;基于Mean Shift算法的视频车辆跟踪[D];北方工业大学;2010年
9 赵渊;基于DM6437的视频目标跟踪算法实现与优化[D];电子科技大学;2010年
10 胡波;基于Mean Shift算法和卡尔曼滤波的视频目标跟踪技术研究[D];宁波大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978