版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、為了獲取視頻運(yùn)動(dòng)目標(biāo)信息,提升目標(biāo)提取的精度和效率,本文首先,采用中值濾波、三幀間差分、閾值法和形態(tài)學(xué)閉運(yùn)算對(duì)視頻圖像序列處理,得到封閉的運(yùn)動(dòng)目標(biāo)信息及其粗二值分割圖像;然后,采用目標(biāo)輪廓外圍頂點(diǎn)坐標(biāo)投影的方式,在原始幀圖像和二值化圖像上提取包含完整目標(biāo)信息的圖像塊;最后,應(yīng)用時(shí)空聯(lián)合馬爾科夫隨機(jī)場(chǎng)和時(shí)空聯(lián)合條件隨機(jī)場(chǎng)分別對(duì)目標(biāo)區(qū)域塊建模,實(shí)現(xiàn)目標(biāo)快速、準(zhǔn)確提取。上述方案不僅實(shí)現(xiàn)隨機(jī)場(chǎng)僅對(duì)包含目標(biāo)的區(qū)域塊建模分割,還可同時(shí)利用前面獲取的
2、運(yùn)動(dòng)目標(biāo)信息,及其初始分割情況,很大程度上提高了分割速率及準(zhǔn)確性。采用時(shí)空聯(lián)合的馬爾科夫隨機(jī)場(chǎng)和時(shí)空聯(lián)合的條件隨機(jī)場(chǎng)建模,可同時(shí)參考時(shí)間域和空間域的鄰域信息。尤其時(shí)空聯(lián)合的條件隨機(jī)場(chǎng)不但充分利用時(shí)空域的局部聯(lián)系,還可以觀察時(shí)空域所有圖像的數(shù)據(jù)特征,提高二值分割的精確度。并且本文還針對(duì)時(shí)空域的條件隨機(jī)場(chǎng)選用三種特征函數(shù),分別為時(shí)空鄰域?qū)Ρ榷忍卣?、時(shí)空域中央周圍直方圖特征和顏色空間分布特征,充分發(fā)揮條件隨機(jī)場(chǎng)的優(yōu)勢(shì)。
為了獲取更好
3、的隨機(jī)場(chǎng)模型參數(shù),本文分別對(duì)分布估計(jì)算法、差分進(jìn)化算法和單純形法作出改進(jìn),并基于改進(jìn)后的三種算法提出了一種混合算法,稱作分層主導(dǎo)優(yōu)化算法。它綜合發(fā)揮了分布估計(jì)算法的全局探索性能,差分進(jìn)化算法的相對(duì)局部尋優(yōu)能力和單純形法的局部快速優(yōu)化的特點(diǎn),實(shí)現(xiàn)了各算法的優(yōu)勢(shì)互補(bǔ),從而避免單一算法易陷入局部早熟的弊端。本文還選用Spherical、Rosenbrock、Griewank和Ackley's函數(shù),驗(yàn)證了分層主導(dǎo)優(yōu)化算法的優(yōu)越性能,其大幅度提高
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于條件隨機(jī)場(chǎng)模型的視頻目標(biāo)分割算法研究.pdf
- 基于Markov隨機(jī)場(chǎng)的視頻異常挖掘研究.pdf
- 基于條件隨機(jī)場(chǎng)的科研論文信息分層抽取研究.pdf
- 基于條件隨機(jī)場(chǎng)的目標(biāo)跟蹤的研究.pdf
- 基于分層代表幀提取的視頻摘要研究.pdf
- 基于條件隨機(jī)場(chǎng)的目標(biāo)檢測(cè)方法研究.pdf
- 基于隨機(jī)優(yōu)化方法解隨機(jī)多目標(biāo)優(yōu)化問(wèn)題.pdf
- 基于慢鏡頭的網(wǎng)球視頻目標(biāo)提取.pdf
- 基于深度遞歸分層條件隨機(jī)場(chǎng)模型的人體行為識(shí)別.pdf
- 基于條件隨機(jī)場(chǎng)的元數(shù)據(jù)自動(dòng)提取技術(shù)研究.pdf
- 基于馬爾可夫隨機(jī)場(chǎng)的運(yùn)動(dòng)目標(biāo)分割算法研究.pdf
- 基于馬爾可夫隨機(jī)場(chǎng)的運(yùn)動(dòng)目標(biāo)檢測(cè)方法研究.pdf
- 基于隨機(jī)有限集的視頻目標(biāo)跟蹤算法研究.pdf
- 基于霍夫變換和條件隨機(jī)場(chǎng)模型的目標(biāo)檢測(cè).pdf
- 基于DWT的視頻運(yùn)動(dòng)目標(biāo)提取方法研究.pdf
- 基于線狀特征提取的機(jī)場(chǎng)目標(biāo)識(shí)別技術(shù).pdf
- 基于視頻序列的目標(biāo)跟蹤算法優(yōu)化.pdf
- 基于機(jī)場(chǎng)視頻監(jiān)控的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究.pdf
- 基于樹型條件隨機(jī)場(chǎng)的特定域事件提取方法研究.pdf
- 基于先驗(yàn)知識(shí)的馬爾可夫隨機(jī)場(chǎng)指紋方向場(chǎng)提取算法.pdf
評(píng)論
0/150
提交評(píng)論