检索结果-南通市图书馆

基于人脑记忆机制的图像存储和提取建模方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人脑记忆机制的图像存储和提取建模方法研究

作者：高明月中国石油大学(华东)

学位级别：硕士

随着计算机技术和网络多媒体技术的迅猛发展,每时每刻都在产生海量的图像数据。如何对这些图像信息进行高效存储并提取是计算机视觉需要解决的关键技术问题。众所周知,人类的视觉系统每天都会采集到大量的视觉信息,尽管外部世界纷繁复杂... 详细信息

随着计算机技术和网络多媒体技术的迅猛发展,每时每刻都在产生海量的图像数据。如何对这些图像信息进行高效存储并提取是计算机视觉需要解决的关键技术问题。众所周知,人类的视觉系统每天都会采集到大量的视觉信息,尽管外部世界纷繁复杂,人脑仍然能够对其有效存储,并在需要的时候快速提取。因此对人脑记忆机制进行研究,并将其应用到计算机视觉和图像处理,具有重要的学术和应用价值。为此,本文将基于认知心理学及认知神经科学等领域的研究成果对人脑记忆机制进行建模研究,并将其用于视觉图像信息的分类记忆。本文主要工作如下:1、对人脑记忆相关理论及建模方法进行了总结,研究了基于神经生理学的联想记忆模型以及基于贝叶斯脑的自由能最小化理论和受限玻尔兹曼机(Restricted Boltzmann machines,RBM)的概率建模过程;2.提出了一种增量模式联想记忆模型。对神经元的Hebbian学习规则进行改进,采用误差驱动与Hebbian联想学习相结合的Leabra学习框架,并将其用于图像信息的增量存储与快速提取。在四个标准图像库中与另外三种模型进行实验对比,结果表明所提记忆模型具有更好的图像分类性能和更高的时间效率;3.提出基于自由能最小化理论的分类受限玻尔兹曼机记忆模型。将Friston提出的自由能最小化理论引入到受限玻尔兹曼机概率生成模型中用于优化记忆模型参数。该方法不仅考虑使后验估计最大,以确保近似识别密度对实际识别密度有一个好的近似,同时还考虑最大化输入似然函数,使生成模型能更好地模拟输入分布。实验结果表明,所提模型的图像分类性能优于现有的自组织增量神经网络和支持向量机,并且可以实现视觉图像的回忆。

关键词：记忆建模概率生成模型自由能受限玻尔兹曼机图像分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于复杂网络特征的人脑功能连接预测

基于复杂网络特征的人脑功能连接预测

作者：王付良中国石油大学(华东)

学位级别：硕士

人脑结构网络和功能网络的复杂关系一直是神经科学领域的一个焦点。大量的研究表明人脑结构连接和功能连接存在统计相关性,但人们仍很难完全理解人脑结构连接是如何影响并促进功能连接的形成的。为此,研究者们提出了多种计算模型用于研... 详细信息

人脑结构网络和功能网络的复杂关系一直是神经科学领域的一个焦点。大量的研究表明人脑结构连接和功能连接存在统计相关性,但人们仍很难完全理解人脑结构连接是如何影响并促进功能连接的形成的。为此,研究者们提出了多种计算模型用于研究结构网络和功能网络之间的关系。本文主要从网络通信的角度分析,找出影响功能连接的结构网络特征和因素,探索功能连接和结构连接的关系,主要工作如下:1.从网络分析角度研究了人脑结构网络的几个特征,并在两个通信特征——信息搜索性和路径传递性——的基础上,从结构连接中提取一种新的网络特征——路径可达性;2.基于路径可达性建立功能连接的线性预测模型,并与其他网络特征的线性模型和神经集群模型进行对比,本文在三个数据库上的实验结果表明,基于路径可达性的线性模型的预测效果要明显优于其他模型;3.在多个通信特征的基础上,提出一种多特征融合的非线性预测模型,并与单网络特征非线性模型和神经集群模型进行对比。结果表明,基于多特征的非线性预测模型要优于任何一种单网络特征非线性模型和神经集群模型。

关键词：人脑连接人脑结构网络人脑功能网络神经集群模型复杂网络特征

基于深度学习和人类记忆机制的运动目标跟踪方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和人类记忆机制的运动目标跟踪方法研究

作者：刘昱池中国石油大学(华东)

学位级别：硕士

运动目标跟踪技术在智能监控、人机交互、虚拟现实和军事等领域有着极其重要的应用价值。然而,在光照变化、目标遮挡等复杂场景下,运动目标跟踪仍然是一个具有挑战性的课题。众所周知,人类能很容易地将特定目标从复杂场景中分离出来,并... 详细信息

运动目标跟踪技术在智能监控、人机交互、虚拟现实和军事等领域有着极其重要的应用价值。然而,在光照变化、目标遮挡等复杂场景下,运动目标跟踪仍然是一个具有挑战性的课题。众所周知,人类能很容易地将特定目标从复杂场景中分离出来,并对其进行分类和识别,这与人类拥有一套完善的视觉感知、学习和记忆机制密切相关。为此,本文将深度学习和人类记忆机制的引入目标跟踪,以解决运动目标遮挡、场景突变以及目标姿态变化等问题。论文主要工作如下:(1)提出了一种基于深度特征和颜色特征的自适应粒子滤波的运动目标跟踪算法。该方法利用了卷积神经网络(Convolutional Neural Network,CNN)能够很好的处理复杂场景问题的优势,同时结合颜色特征提高了目标特征描述精度,增强了目标跟踪算法在处理严重遮挡和外观变化时的鲁棒性。(2)将基于稀疏表示的分类(Sparse Representation based Classification,SRC)算法引入到运动目标跟踪,通过提取目标的深度特征和颜色特征对运动目标进行建模,然后将模型进行稀疏表示,最后嵌入粒子滤波实现目标跟踪。实验结果表明了所提算法的可靠性和目标跟踪的鲁棒性。(3)将基于协同表示的分类(Collaborative Representation based Classification,CRC)算法与人类记忆机制相结合,并嵌入粒子滤波框架,提出了一种基于人类记忆机制和协同表示的目标跟踪算法。算法降低了粒子的计算量,解决了复杂场景下单一特征的目标跟踪缺乏稳定性的问题,增强了算法对场景突变等情况的适应能力。

关键词：运动目标跟踪人类记忆机制深度学习稀疏表示协同表示粒子滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非参数化背景建模方法研究

非参数化背景建模方法研究

作者：张琳中国石油大学

学位级别：硕士

背景建模是运动目标检测和跟踪的基础部分,在智能监控、机器人视觉、视频会议等领域有着广泛的应用。参数化的混合高斯背景模型可对存在渐变及重复性运动的场景进行建模,被认为是最好的背景模型之一。然而,它不能解决场景中存在的突变,... 详细信息

背景建模是运动目标检测和跟踪的基础部分,在智能监控、机器人视觉、视频会议等领域有着广泛的应用。参数化的混合高斯背景模型可对存在渐变及重复性运动的场景进行建模,被认为是最好的背景模型之一。然而,它不能解决场景中存在的突变,存在阴影、噪声时容易导致误检或漏检现象。同时,该方法要求事先知道背景先验概率与观测下的条件概率的值,但在一些复杂的应用场景中,这些概率函数的形式是未知的。而非参数化背景建模方法,它不需要预先假定模型的密度分布形式,直接通过数据估计未知密度函数,避免了模型形式假定和优化等问题。本文通过对非参数化背景建模的深入研究,取得以下成果: 1.深入分析研究了目前常用的几种自适应动态背景建模方法,并对其优点和存在的问题进行了总结和比较。 2.深入研究了混合高斯背景建模方法,并提出了一种具有阴影减除的混合高斯背景建模,该方法以混合高斯背景建模方法为基础,嵌入了基于HSV颜色特征的阴影检测,去除了噪声和阴影的干扰,在一定程度上提高了对运动目标检测的鲁棒性。 3.深入研究了非参数化核密度估计背景建模方法,通过对高斯核函数及其窗宽的研究,实现了高斯核密度估计背景模型的建立和更新,它能够适应环境、天气和光照的变化,准确的检测出室内或室外运动目标。同时将该方法和参数化的混合高斯背景建模进行了比较。实验结果表明非参数化方法噪声少,并且目标比较清晰,连通性较好。

关键词：背景建模目标检测和跟踪混合高斯背景建模高斯核密度估计背景建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非负矩阵分解的图像识别方法研究

基于非负矩阵分解的图像识别方法研究

作者：王博阳中国石油大学(华东)

学位级别：硕士

随着计算机技术和互联网技术的迅速发展,每天都会产生大量的图像和视频信息,因此,如何有效的组织,处理,检索和应用这些图像信息是目前人工智能领域研究的重点。而图像识别技术作为模式识别与图像处理的主要研究内容,在许多领域具有重要... 详细信息

随着计算机技术和互联网技术的迅速发展,每天都会产生大量的图像和视频信息,因此,如何有效的组织,处理,检索和应用这些图像信息是目前人工智能领域研究的重点。而图像识别技术作为模式识别与图像处理的主要研究内容,在许多领域具有重要的应用价值。针对传统的图像识别算法中存在的特征提取算法精度不高的问题,本文基于卷积神经网络和非负矩阵分解网络对图像的特征提取和识别方法进行了研究。论文主要工作如下:1.研究了卷积神经网络的结构、特点及图像特征提取过程,总结了非负矩阵分解算法及其在核空间的扩展。2.提出了基于半非负矩阵分解网络的图像识别方法。在主成分分析网络的基础上用半非负矩阵分解算法代替主成分分析算法构造了新的滤波器组,除此之外,为了在构造过程中减小重构误差,对基矩阵进行2范数正则化。相比于主成分分析网络,该网络在三个人脸数据库和一个标准手写体数据库中明显提高了识别性能。3.提出了基于核半非负矩阵分解网络的图像识别方法。在基于半非负矩阵分解网络的基础上将半非负矩阵分解映射到核空间,进一步获取数据之间的非线性信息。相比于主成分分析网络,该网络在三个人脸数据库和一个标准手写体数据库中明显提高了识别性能。

关键词：图像识别卷积神经网络主成分分析网络非负矩阵分解核方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自适应背景建模与运动目标检测方法研究

自适应背景建模与运动目标检测方法研究

作者：谷川中国石油大学（华东）

学位级别：硕士

背景差分法能够直接获得视频中的运动目标信息，物理意义也相对明确，因此背景差分法已成为一种重要的运动目标检测手段，在很多领域得到了广泛应用。但由于场景的复杂性，图像提取设备的多样性，算法的不完善性，背景差分法还不足以应... 详细信息

背景差分法能够直接获得视频中的运动目标信息，物理意义也相对明确，因此背景差分法已成为一种重要的运动目标检测手段，在很多领域得到了广泛应用。但由于场景的复杂性，图像提取设备的多样性，算法的不完善性，背景差分法还不足以应对所有状况，其中就包括了鬼影和静止运动目标的检测以及光照突变的消除等问题。论文着重从这几方面问题入手，对背景差分法进行改进。本文所做的工作主要有以下几个方面： 1.总结了当前应对鬼影、静止运动目标以及光照变化的主要方法，分析了目前应用最为广泛的几种运动目标检测及背景建模方法。 2.分析了“鬼影”和“静止运动目标”产生的原因，及处于不同运动阶段的运动目标在前景检测结果中的表现。在双向背景建模思想的基础上，提出了一种结合边缘信息的双向背景建模及运动目标检测算法。该算法首先将背景建模与前景检测过程分为正向与反向两部分。之后通过分析、比较两次差分结果与当前输入图像对应区域的边缘相似度，判别鬼影、静止前景与运动前景。通过本文算法与混合高斯建模的实验结果比较，可看出该方法能够比较有效的消除鬼影并检测静止运动目标。 3.研究了一种针对室外阳光光照场景的光照变化模型，并在该模型的基础上，通过对比度差值模型和亮度比值模型来消除光照突变干扰。同时，为了提高算法运行效率并加快算法对光照突变的适应能力，在原算法基础上增加了光照突变预判和光照突变像素的背景模型更新环节，使算法更为完善。在光照突变条件下，实验结果表明该方法可以比较好的适应光照的突变，较为准确的检测出室内外运动目标。

关键词：背景建模运动目标检测鬼影静止运动目标光照变化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人机交互中人脸识别方法研究

人机交互中人脸识别方法研究

作者：方娟中国石油大学

学位级别：硕士

在人机交互中,如何能够进一步提高人机交互中的身份验证——人脸识别的性能一直是待解决的关键问题。针对这一关键问题,本文主要对人脸识别方法进行了研究,具体如下: 1.对基于特征子空间的人脸特征提取方法进行了研究,分别介绍了PCA、K... 详细信息

在人机交互中,如何能够进一步提高人机交互中的身份验证——人脸识别的性能一直是待解决的关键问题。针对这一关键问题,本文主要对人脸识别方法进行了研究,具体如下: 1.对基于特征子空间的人脸特征提取方法进行了研究,分别介绍了PCA、KPCA、2DPCA、DLDA、KDDA、2DLDA、Fast ICA、KICA等八种方法,对每种方法的原理、步骤及优缺点均作了详细的分析。 2.提出了一种新的二维线性判决分析方法,在对人脸原始图像进行光照补偿后,先对其进行奇异值扰动及小波变换,再采用2DLDA方法进行人脸的特征提取,并对提取的特征进行PCA降维,最后用支持向量机进行分类。将此方法应用于ORL人脸数据库,并与其他的识别方法进行了比较。实验结果表明,利用此方法,可以用更少的特征维数得到更优的识别性能。 3.实现了人机交互中的简单背景下的单人脸实时识别系统。采用YCbCr肤色模型进行人脸的检测与定位,图像预处理选择灰度变换、对数变换光照补偿法及对人脸区域内的人脸面部图像的尺寸缩放,选用二维LDA的特征提取方法和最近邻分类器进行识别,最终实现一个对320×240视频图像的实时人脸识别系统。实验结果表明,其识别率可达90%以上。

关键词：人脸识别人机交互线性判决分析小波变换支持向量机