学位论文 > 优秀研究生学位论文题录展示

视频中运动目标的结构特征提取方法

作　者: 周大伟
导　师: 刘雨
学　校: 国防科学技术大学
专　业: 信息与通信工程
关键词: 运动目标识别 特征提取 图像分割 视频跟踪 无迹粒子滤波
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 109次
引　用: 3次
阅　读: 论文下载
 

内容摘要


视频中的运动目标识别的前提是准确的运动目标分割及目标底层特征的提取。对视频而言,除了目标的点、线、区域、纹理等图像底层特征以外,在时间域上的特征,如速度、加速度,是最显著的特征。为了区分运动目标,例如区分车辆、人、动物等,只利用底层特征是不够的,必须进一步提取能反映目标结构的结构特征,例如,动物的躯干和四肢,车辆的车体与车轮等,才能提高运动目标的识别与跟踪的效果。本文在分析运动目标识别、跟踪及特征提取等问题国内外现状的基础上,研究复杂背景下目标尺寸变化范围较大的运动目标的结构特征提取。首先对运动目标结构特征的概念、组成及其数学描述进行了介绍,提出了一种复杂背景下运动目标结构特征的提取方法。本文主要工作由三部分组成:1)用混合高斯运动目标检测方法对视频进行前背景分离,并用最远点聚类方法对可能的运动目标区域进行聚类,得到备选目标区域;2)对比信息瓶颈方法和均值漂移方法对备选目标运动目标进行子区域的分割,并用互信息损失最小原则进行子区域分割一致性评判,得到合理的运动目标结构子区域,从而获得由目标各子区域的几何特征和统计特征组成的目标结构特征;3)用无迹粒子滤波方法对运动目标各子区域进行跟踪,得到目标各子区域的运动特征。最后,将该方法应用于运动目标的跟踪与识别方面,验证了该方法的有效性。

全文目录


表目录  7-8
图目录  8-10
摘要  10-11
ABSTRACT  11-12
第一章 绪论  12-22
  1.1 研究背景和意义  12
  1.2 国内外研究现状  12-20
    1.2.1 视频运动目标特征提取的研究现状  13-17
    1.2.2 视频对象分割方法  17
    1.2.3 运动目标图像分割的研究现状  17-19
    1.2.4 视频运动目标跟踪方法  19-20
  1.3 本文主要研究内容  20-22
第二章 运动目标结构特征描述与提取概述  22-27
  2.1 运动目标结构特征的描述  22-23
  2.2 运动目标结构特征提取实现方法  23-24
  2.3 运动目标结构特征提取流程  24-25
  2.4 本章小结  25-27
第三章 运动目标结构子区域分割  27-47
  3.1 视频图像前背景分离  27-30
    3.1.1 运动目标检测  27-29
    3.1.2 运动目标区域预处理  29-30
  3.2 运动目标的图像分割  30-38
    3.2.1 图像分割算法的特点  30
    3.2.2 基于K-D tree方法进行图像分割  30-32
    3.2.3 基于信息瓶颈方法对运动目标区域进行分割  32-35
    3.2.4 基于均值漂移方法对运动目标区域进行分割  35-38
  3.3 图像分割区域一致性测度  38-43
    3.3.1 灰度一致性测度  38-39
    3.3.2 互信息损失测度  39-41
    3.3.3 基于跟踪的子区域帧间互信息损失测度  41-43
  3.4 运动目标结构特征提取  43-46
    3.4.1 运动目标结构几何特征  43-44
    3.4.2 运动目标结构统计特征  44-45
    3.4.3 运动目标几何特征之间关系  45-46
  3.5 本章小结  46-47
第四章 运动目标子区域跟踪  47-59
  4.1 运动目标子区域跟踪方法的选择  47-48
  4.2 最优估计与滤波  48-49
  4.3 粒子滤波  49-52
    4.3.1 选择参考分布  50-51
    4.3.2 重采样方法  51-52
  4.4 无迹变换  52-55
    4.4.1 UT基本原理  53-54
    4.4.2 实验仿真  54-55
  4.5 UPF方法跟踪运动目标子区域实验  55-57
  4.6 运动目标的运动特征提取  57-58
  4.7 本章小结  58-59
第五章 运动目标结构特征提取的应用  59-68
  5.1 运动目标结构特征提取方法  59-60
  5.2 跟踪方面的应用  60-63
    5.2.1 检验图像分割  60
    5.2.2 处理遮挡  60-63
  5.3 识别方面的应用  63-66
    5.3.1 基于几何特征的目标识别  63
    5.3.2 基于运动特征的目标识别  63-64
    5.3.3 基于结构特征区别车辆与坦克  64-66
  5.4 本章小结  66-68
第六章 结束语  68-70
  6.1 本文的主要工作  68-69
  6.2 下一步研究方向  69-70
致 谢  70-71
参考文献  71-75
作者在学期间取得的学术成果  75

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  4. Q学习在基于内容图像检索技术中的应用,TP391.41
  5. 森林防火系统中图像识别算法的研究,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  8. 多币种纸币处理技术的研究与实现,TP391.41
  9. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  10. 基于图像的路面破损识别,TP391.41
  11. 移动机器人视觉检测和跟踪研究,TP242.62
  12. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  13. 数字图像处理在集装箱检测中的应用研究,TP274.4
  14. 个性化人工膝关节设计及其生物力学特性研究,R318.1
  15. 基于随机森林的植物抗性基因识别方法研究,Q943
  16. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  17. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  18. 红外图像目标识别及跟踪技术研究,TP391.41
  19. 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
  20. 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
  21. 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,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