学位论文 > 优秀研究生学位论文题录展示

基于主颜色谱及空间分布熵的目标匹配技术研究

作 者: 孙前锋
导 师: 胡栋
学 校: 南京邮电大学
专 业: 信号与信息处理
关键词: 目标匹配 Kmeans聚类 主颜色谱 空间分布熵
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 14次
引 用: 0次
阅 读: 论文下载
 

内容摘要


由于智能交通、医疗、安防等各个领域的迫切需求,智能监控中的多摄像机协同关键技术越来越受到人们的关注,其主要包括目标检测和定位、目标匹配、目标交接和目标行为分析等技术。目标匹配技术作为实现多摄像机协同的桥梁近年来亦成为智能监控领域研究的热点和难点。本文主要对目标匹配方法做了研究,首先介绍了常用的目标匹配方法,然后深入分析了基于颜色特征的目标匹配方法,针对相关方法中存在计算量大、未考虑颜色空间分布信息、目标匹配不够准确等问题,本文主要从以下几个方面进行了研究:(1)提出了一种基于二级中心优化和M-Kmeans融合的目标主颜色谱描述算法。即在用Kmeans聚类算法对目标的颜色进行聚类以降低计算复杂度时,先用二级中心优化算法确定聚类初始中心点,然后用M-Kmeans算法进行聚类过程中的类成员调整。研究及实验结果表明,融合算法不仅提高了目标主颜色谱描述的准确性,而且降低了聚类结果对初始中心点的敏感性,提高了聚类结果的稳定性。(2)提出了主颜色谱空间分布熵技术。即对于目标的主颜色谱,依据其对应像素在不同划分区域的分布比例,应用香农熵公式计算主颜色谱分量的熵以表示其空间分部信息。实验结果表明,通过主颜色谱空间分布熵能够很好地区分目标主颜色谱直方图相似但颜色空间分布不同的目标。(3)基于前两点研究结果,提出了MCS-SDE(Major Color Spectrum and Spatial Distribution Entropy)目标匹配方法。即用主颜色谱进行颜色相似度计算的同时,用该谱分量的空间分布熵相似度模型进行加权,以此计算目标的匹配度。并在最后讨论了基于MCS-SDE目标匹配的多帧联合匹配方法。实验结果表明,新的目标匹配方法与文献[11]的方法比较,提高了匹配对与非匹配对的区分度,匹配判定阈值更易确定,提高了目标匹配的准确性和鲁棒性。本文最后对所研究的内容进行了总结,并对本课题可继续深入研究的方向进行了展望。

全文目录


摘要  4-5
Abstract  5-10
第一章 绪论  10-17
  1.1 课题研究的背景及意义  10-11
  1.2 多摄像机目标跟踪技术及其发展概况  11-14
    1.2.1 多摄像机目标跟踪技术介绍  11-13
    1.2.2 目标跟踪技术的发展现状  13-14
  1.3 本文的主要工作及内容安排  14-17
第二章 多摄像机协同跟踪中的目标匹配技术及分析  17-27
  2.1 多摄像机目标跟踪中的目标匹配技术  17-18
  2.2 常见的目标匹配方法及分析  18-23
    2.2.1 基于区域的目标匹配方法  18-20
    2.2.2 基于特征的目标匹配方法  20-22
    2.2.3 基于模型的目标匹配方法  22-23
    2.2.4 基于轮廓的目标匹配方法  23
  2.3 基于颜色的目标匹配技术及分析  23-26
    2.3.1 基于颜色的目标匹配及其存在的问题  23-25
    2.3.2 解决问题的思路  25-26
  2.4 本章小结  26-27
第三章 基于Kmeans 聚类的主颜色谱描述算法  27-41
  3.1 Kmeans 聚类原理及目标的主颜色谱描述  27-31
    3.1.1 Kmeans 算法基本原理  27-28
    3.1.2 Kmeans 聚类算法在颜色聚类上的应用  28-30
    3.1.3 影响主颜色谱描述准确性的因素分析  30-31
  3.2 基于颜色转换函数的聚类预处理技术  31-33
    3.2.1 目标聚类预处理的必要性  31-32
    3.2.2 基于颜色转换函数的聚类预处理技术  32-33
  3.3 基于二级中心优化的初始中心点选择算法  33-37
    3.3.1 算法原理及分析  33-36
    3.3.2 基于二级中心优化的初始中心点选取算法流程  36-37
  3.4 基于M-Kmeans 的类成员调整算法  37-39
  3.5 基于二级中心优化和M-Kmeans 融合的主颜色谱描述算法  39
  3.6 本章小结  39-41
第四章 主颜色谱空间分布熵技术分析与研究  41-49
  4.1 目标匹配中的颜色空间分布信息  41-43
    4.1.1 考虑颜色空间信息的必要性  41-42
    4.1.2 常用颜色空间分布信息表示方法及分析  42-43
  4.2 基于主颜色谱的空间分布熵技术  43-45
    4.2.1 主颜色谱空间分布熵的引入  43-44
    4.2.2 基于主颜色谱的空间分布熵技术  44-45
  4.3 加权的主颜色谱空间分布熵  45-48
    4.3.1 求熵时的像素比例分量集合相等问题  45-46
    4.3.2 加权的主颜色谱空间分布熵技术  46-48
  4.4 本章小结  48-49
第五章 基于主色谱及其空间分布熵目标匹配技术  49-59
  5.1 常见的基于颜色的目标匹配准则及分析  49-50
  5.2 一种新的目标匹配方法  50-55
    5.2.1 主色谱直方图的相似度计算  51-52
    5.2.2 主颜色谱空间分布熵的相似度模型  52-54
    5.2.3 MCS-SDE 目标匹配方法  54-55
  5.3 基于MCS-SDE 方法的多帧联合目标匹配技术  55-58
    5.3.1 图像序列的多帧联合匹配技术  55-57
    5.3.2 基于MCS-SDE 方法的多帧联合目标匹配总流程  57-58
  5.4 本章小结  58-59
第六章 实验结果与分析  59-75
  6.1 实验条件及概述  59-60
    6.1.1 实验的硬件及软件条件  59
    6.1.2 实验概述  59-60
  6.2 二级中心优化Kmeans 颜色聚类算法与启发式Kmeans 算法的性能比较  60-64
    6.2.1 颜色聚类性能的客观比较与分析  61-62
    6.2.2 颜色聚类性能的主观比较与分析  62-64
  6.3 二级中心优化和M_Kmeans 融合的颜色聚类算法与其他算法的性能比较  64-68
    6.3.1 融合算法与其他算法的聚类误差比较  64-66
    6.3.2 融合算法与其他算法对初始中心点的敏感性比较  66-68
  6.4 主颜色谱空间分布不同时其对应熵值的比较与分析  68-70
  6.5 不同目标匹配方法的比较与分析  70-73
    6.5.1 基于不同颜色聚类算法下主颜色谱直方图相似度的比较  70-72
    6.5.2 不同目标匹配准则的比较与分析  72-73
  6.6 本章小结  73-75
第七章 总结与展望  75-77
  7.1 本文工作总结  75
  7.2 未来工作展望  75-77
参考文献  77-82
致谢  82-83
攻读硕士学位期间发表论文、参加科研项目情况  83

相似论文

  1. 视频监控运动目标检索方法研究,TP391.41
  2. 基于Hadoop平台的Map-Reduce应用研究,TP338.8
  3. 给水处理工艺的模糊优化组合,TU991.2
  4. 连续感知器学习算法的有限收敛性及连续距离转换神经网络,TP183
  5. 基于内容的图像检索技术研究,TP391.3
  6. 智能交通系统中基于视频的车辆检测与跟踪方法研究,U495
  7. 多摄像机视频监控中基于几何约束的目标匹配技术研究,TP391.41
  8. 智能视觉监控中目标跟踪与识别算法研究,TP277
  9. 多尺度矢量地图空间目标匹配方法及其应用研究,P283
  10. 视频交通流背景提取与运动目标跟踪检测技术研究,TP391.41
  11. 脑—机接口中上肢想象动作侧向性识别的关键技术研究,TP334.7
  12. 基于主成分分析的特征融合及其应用,TP391.41
  13. 基于DirectShow的数字视频监控报警系统的研究与设计,TP277
  14. 形态学与小波分析在智能交通车辆检测系统中的应用,TP274.4
  15. 基于栅格模式的地图图形自动综合研究,P208
  16. 基于粒子滤波的视频目标跟踪算法的研究,TP391.41
  17. 非重叠监控摄像机网络中运动目标检测与跟踪,TP391.41
  18. 基于声纳图像多分辨率处理的目标检测与跟踪,TP391.41
  19. 视频监控系统中运动目标检测和跟踪技术的研究与实现,TP277
  20. 基于视频的车辆检测与跟踪技术研究,U495

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