学位论文 > 优秀研究生学位论文题录展示

基于稀疏和低秩矩阵恢复的目标检测算法研究

作 者: 刘亮亮
导 师: 张汗灵
学 校: 湖南大学
专 业: 信息与通信工程
关键词: 目标检测 低秩矩阵 稀疏矩阵 矩阵恢复
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 12次
引 用: 0次
阅 读: 论文下载
 

内容摘要


背景建模对运动目标的检测至关重要,然而传统的背景建模计算复杂高,分割精度低,很难处理诸如具有光照变化和动态纹理等特征的复杂环境。另外,数据维数的不断增长给背景建模带来了很大的挑战。近来,在机器学习和计算机视觉领域,诸如主成分分析(PCA)模型等稀疏性的学习引起了很大的关注。为了解决上述的问题John Wright改进了典型PCA提出Robust PCA (RPCA),它是指在当矩阵的某些元素被严重破坏后,仍然能够恢复出原矩阵图像,研究者们又相继提出ALM、PCP等恢复算法。然而ALM等算法只把问题当成了一个半定规划(SDP)问题处理,忽略了目标模型和限制条件的特殊的可分离结构,准确性不高。基于上述问题,本文利用图片每一帧之间的相似性来形成一个子空间,通过这个子空间来塑造背景的全局变量。当出现一帧新的图像,就会投影到这个子空间中,剩余的部分就是需要提取的前景目标,利用这种思想处理诸如光照变化和动态纹理这些全局变量具有巨大的优势,主要工作为:分析了Robust PCA,将低秩和稀疏矩阵恢复理论应用到运动目标检测问题,提出了一种基于Robust-PCA的新框架,将视频序列分解为低秩部分和稀疏部分。针对所提框架和问题,提出了一种新算法解决上述优化问题,实验证明所提问题框架和算法的良好性能。现有的目标检测算法易受光照变化和动态纹理等因素影响,针对这一问题,本文充分利用模型的特殊可分离结构,提出改进的交替方向方法(VADM),并从理论上证明了算法的收敛性。算法克服了现有的ADM算法不收敛性的缺陷,提高了目标检测率,降低误报率。实验结果表明,本文的算法具有良好的鲁棒性和高准确率。

全文目录


摘要  5-6
Abstract  6-10
插图索引  10-11
附表索引  11-12
第1章 绪论  12-18
  1.1 课题的研究目的与意义  12-14
  1.2 国内外研究现状  14-17
    1.2.1 国内外关于目标检测技术的研究现状  14-15
    1.2.2 国内外关于矩阵重建理论的研究现状  15-17
  1.3 本文的主要工作  17
  1.4 本文的组织结构  17-18
第2章 传统目标检测算法  18-25
  2.1 光流法  18-20
  2.2 帧间差分法  20-21
  2.3 背景减除法  21-23
  2.4 传统运动目标方法比较  23
  2.5 小结  23-25
第3章 矩阵重建算法研究  25-33
  3.1 矩阵重建与压缩感知  25-26
  3.2 矩阵填充问题  26-29
    3.2.1 矩阵填充问题相关模型  26-27
    3.2.2 矩阵填充问题算法研究  27-29
  3.3 矩阵恢复理论  29-32
    3.3.1 矩阵恢复问题的相关模型  29-30
    3.3.2 矩阵恢复问题算法研究  30-32
  3.4 小结  32-33
第4章 一种基于 RPCA 的目标检测算法  33-45
  4.1 引言  33
  4.2 Robust PCA  33-36
  4.3 一种基于 RPCA 的目标检测算法  36-39
    4.3.1 建模  36-37
    4.3.2 算法  37-39
  4.4 实验结果与分析  39-43
  4.5 小结  43-45
第5章 一种基于 ADM 的目标检测算法  45-59
  5.1 ALM (Augmented Lagrange Multiplier)算法  45-46
  5.2 改进的 ADM 算法  46-51
  5.3 算法的收敛性  51-54
  5.4 实验及仿真结果  54-58
    5.4.1 合成序列实验仿真与分析  54-55
    5.4.2 实际序列实验仿真与分析  55-58
  5.5 小结  58-59
结论  59-62
参考文献  62-67
致谢  67-69
附录 A 攻读学位期间所发表的学术论文  69

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. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  6. 基于支持向量机的视频目标检测方法研究,TP391.41
  7. 视频运动目标跟踪方法研究,TP391.41
  8. 视频监控若干技术研究,TP391.41
  9. 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
  10. 基于视觉感知的鱼群目标检测与跟踪技术研究,TP391.41
  11. 基于鱼眼相机的运动目标检测算法的研究与实现,TP391.41
  12. 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
  13. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  14. 复杂背景下红外小目标检测方法研究,TN215
  15. 天空背景下红外弱小目标的检测与跟踪算法研究,TN215
  16. 基于激光雷达的三维目标检测,TN958.98
  17. 视频监控运动目标检索方法研究,TP391.41
  18. 安防监控系统中运动目标检测算法研究,TP391.41
  19. 基于视频监控的特定目标识别研究,TP391.41
  20. 复杂目标视觉注意模型研究,TP391.41
  21. 基于图像信息的运动目标检测与跟踪算法研究,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