检索结果-南通市图书馆

黎曼流形上非线性mean shift算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

黎曼流形上非线性Mean Shift算法研究

作者：曹楠天津大学

学位级别：硕士

在计算机视觉中，数据聚类问题作为各种实际应用的研究基础，无论是在图像处理领域的图像分割、图像检索的特征聚类阶段，还是在模式识别领域的目标追踪、人脸识别处理过程中，都起着至关重要的作用。聚类结果的好坏，直接影响整个实验... 详细信息

在计算机视觉中，数据聚类问题作为各种实际应用的研究基础，无论是在图像处理领域的图像分割、图像检索的特征聚类阶段，还是在模式识别领域的目标追踪、人脸识别处理过程中，都起着至关重要的作用。聚类结果的好坏，直接影响整个实验过程是否能够顺利进行。作为广泛应用的非参数聚类方法，mean shift首先被推广到黎曼流形的李群空间中，随后，又实现了mean shift在非李群的黎曼流形空间中的应用，自此，mean shift在各种特定流形中的应用逐渐发展起来，受到了研究人员的重视。为了探寻更一般的算法形式，2006年，Raghav提出了非线性mean shift的概念，并给出了黎曼流形上mean shift算法的通用迭代形式。在讨论了算法的理论性质的同时，证明了算法的收敛性。全文工作概括起来，主要包括以下三个方面：首先，在传统mean shift算法的理论基础上，针对其在数据聚类分析和图像分割中的应用，分析说明了不同核函数、核半径和阈值的选择对聚类分析和图像分割结果的影响。通过仿真实验，验证了在相同的核半径（或核带宽）及阈值的情况下，使用不同的核函数，聚类分析和图像分割的结果是不相同的。在使用同一核函数并设定相同阈值的情况下，核半径（或核带宽）的大小也会影响mean shift聚类分析和图像分割的效果。当核函数和核半径（或核带宽）相同时，对比分析不同合并阈值下图像分割结果的差异。其次，在计算机视觉研究中，通常会遇到复杂参数空间变量的聚类问题。此时，参数变量分布在流形空间中，而不是欧氏空间。为了解决实际应用中流形空间中变量的处理问题，通过查找文献，综述了常用的流形空间，李群、Grassmann流形、本质流形的概念和相关性质。最后，针对传统mean shift只能处理欧氏空间数据的局限性，介绍了黎曼流形上的非线性mean shift算法。在此基础上，补充证明了该改进算法的收敛性，提出了迭代点列的收敛条件，为算法的推广和应用提供理论保证。

关键词：黎曼流形 mean shift 算法李群 Grassmann流形本质流形收敛性

基于mean shift的目标跟踪算法研究

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Mean Shift的目标跟踪算法研究

作者：王睿武汉大学

学位级别：硕士

在互联网日益发达,智能设备越发普及的21世纪,目标跟踪技术作为计算机视觉中的重要领域,其重要性也越来越凸显。目标跟踪技术无论在民用领域还是军事领域,都得到了越来越广泛的应用。研究人员在该领域也进行了不懈的探索,提出了许多目... 详细信息

在互联网日益发达,智能设备越发普及的21世纪,目标跟踪技术作为计算机视觉中的重要领域,其重要性也越来越凸显。目标跟踪技术无论在民用领域还是军事领域,都得到了越来越广泛的应用。研究人员在该领域也进行了不懈的探索,提出了许多目标跟踪算法。不过在实际的应用中,还存在着许多问题,例如在光照变化,环境复杂,目标发生形变,目标被遮挡等许多情况下,目标跟踪算法的效果还不尽如人意。本文在mean shift算法框架的基础上,对目标跟踪算法进行了研究,针对跟踪过程中的颜色干扰、目标速度过快、遮挡等问题在算法上进行了改进,主要工作如下:(1)在mean shift算法的框架下,颜色特征是对目标建模时最常使用的特征,而当背景颜色与目标颜色相似的时候,会导致跟踪发生漂移。本文在mean shift算法的框架下引入了背景区分权值函数,通过分别计算外景区域与内景区域的颜色分布概率,通过一定的机制给不同区间的颜色特征赋予不同的权值,目标本身的颜色区间会得到更大的权值,而不属于目标的颜色特征则会被抑制,从而有效的将目标从背景中区分开来。(2)由于meanshift算法的本质是一种区域相似度对比的算法,跟踪目标的原理是在局部区间内搜寻概率密度最大的方向,当被跟踪目标运动速度过快导致相邻两帧图像没有重叠区域的时候,跟踪窗口会丢失目标。将卡尔曼滤波的方法引入到mean shift算法中,可以实现对目标运动轨迹的预测,有效解决了快速运动目标跟丢的问题。(3)在目标受遮挡的情况下,将目标模板分块进行分步跟踪。引入非对称核函数,使得远离遮挡区域的像素得到更高的权值,在此基础上使用meanshift算法得到目标初步的位置,再通过分割子块对目标进行更精确的定位。实验结果表明,本文提出的算法在解决上述问题时效果良好,鲁棒性与实时性都得到了较好的保证。

关键词：目标跟踪 mean shift 卡尔曼滤波图像分割

基于增量带宽mean shift算法与多线程技术的神经干细胞追踪方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于增量带宽Mean Shift算法与多线程技术的神经干细胞追踪方法

作者：党洪亮哈尔滨工程大学

学位级别：硕士

神经元干细胞是中枢神经系统中保持分裂和分化潜能的细胞,对它的研究和应用已成为近年来脑科学研究的一个重要领域。要进行干细胞研究,首先就要有效的定位待研究的细胞位置,研究细胞的运动情况,了解细胞的运动特性及规律,即细胞运动分... 详细信息

神经元干细胞是中枢神经系统中保持分裂和分化潜能的细胞,对它的研究和应用已成为近年来脑科学研究的一个重要领域。要进行干细胞研究,首先就要有效的定位待研究的细胞位置,研究细胞的运动情况,了解细胞的运动特性及规律,即细胞运动分析。目前,细胞运动分析已经成为是细胞研究中重要的组成部分之一。本文采用图像处理法,进行细胞运动研究。以共焦显微镜成像方式获取的体外培养的神经干细胞序列图像作为图像源,运用改进的基于增量带宽的mean shift算法作为追踪方法,并且在本文的最后一章探讨了应用多线程处理技术与基于增量带宽的mean shift算法相结合的方法对细胞进行并行追踪。文章对细胞追踪方法主要做了如下阐述：首先,由于传统方法是采用人机交互的方式,逐个选定目标细胞,这使得每次只能追踪一个细胞,不利于细胞的全自动追踪。针对这种情况,文章中提出以Otsu阈值法对图像进行预处理并获取二值图像,然后提取细胞轮廓线,进而确定细胞质心。该方法可以一次确定所有细胞的质心,为细胞的全自动追踪奠定了基础。其次,改进了经典mean shift追踪算法。对于mean shift算法的应用来说,带宽h是一个至关重要的参数,它决定了参与mean shift迭代的样本数量。应用经典mean shift算法进行细胞追踪时,一般依据目标细胞初始大小采用固定的带宽。但是在细胞分布较密集的情况下,如果采用固定带宽的mean shift算法,容易造成目标丢失。本文针对细胞尺寸较小的实际情况,提出增量带宽的思想,即将原始带宽h选取得较小,在迭代过程中,根据收敛的情况,对带宽适当增加△h,直到达到最佳收敛。针对不同的目标细胞,迭代收敛所需的带宽是不同的。增量带宽方法也可以被认为是一种自适应带宽方法。最后,结合多线程计算技术,采用VC++与Matlab混合编程的方法,实现了单处理器平台上多细胞的并行追踪,并取得了比较好的结果。

关键词：细胞跟踪 mean shift 多线程增量带宽

基于mean shift的红外图像序列的目标跟踪方法研究

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Mean Shift的红外图像序列的目标跟踪方法研究

作者：刘建东南大学

学位级别：硕士

红外成像技术通过获取外界的红外辐射进行工作,具有作用距离远、易于隐蔽、可昼夜工作等优点。随着红外成像技术的快速发展,其在军事及民用领域的应用也越来越广泛,包括：红外精确制导、视频监控、侦查与安检、搜索与跟踪等诸多方面。... 详细信息

红外成像技术通过获取外界的红外辐射进行工作,具有作用距离远、易于隐蔽、可昼夜工作等优点。随着红外成像技术的快速发展,其在军事及民用领域的应用也越来越广泛,包括：红外精确制导、视频监控、侦查与安检、搜索与跟踪等诸多方面。基于红外成像的目标跟踪,作为其中的一项重要技术,发挥着重要的作用。不同于一般的光学图像,红外图像信噪比低,噪声信号复杂,目标与背景的反差小。这些特点使得在红外序列图像中进行稳健的目标跟踪的难度大大提高。本文以红外目标跟踪为研究背景,对基于mean shift的红外目标跟踪方法进行深入研究。mean shift跟踪算法是动态目标跟踪中常用的算法之一,可以很好地解决视频序列中相邻两帧图像的运动目标匹配问题,且不需要先验知识,具有快速和有效的特点。mean shift跟踪算法首先基于颜色直方图对目标进行建模,然后以巴氏系数为标准比较目标和候选目标间的相似度,最后通过迭代计算得到所跟踪目标的最优位置。由于红外图像噪声干扰强,目标不能清晰的同背景区分开来,传统的mean shift跟踪方法虽然能很好地应用于可见光的跟踪,但在红外跟踪时效果会很差,针对这种情况,本文提出了能适用于红外图像序列的mean shift I跟踪算法。为了提高目标模型的表征能力,本文主要从两个方面进行了改进：一是在建立目标模型时,利用目标区域周围像素的灰度直方图定义背景加权系数,并将该系数引入到目标灰度直方图的计算中,通过这种方式降低背景像素对后续跟踪定位的影响,提高了目标跟踪的准确性;二是把不受光照和背景颜色影响的纹理信息加入特征空间,利用LBP (Local Binary Pattern)算子进行提取,选取LBP8,1中五种纹理模式来表示目标纹理,然后将得到的纹理信息与灰度信息相结合,通过直方图的方式共同去描述目标模型,使得目标表示更精确。实验结果表明,本文提出的改进算法可以在红外图像序列中获得稳健的跟踪效果。针对红外跟踪过程中目标尺度不断变化的情况,传统的mean shift跟踪算法保持核函数带宽恒定不变,这会导致目标的跟偏甚至丢失。本文通过计算跟踪窗口内的协方差矩阵,然后借助主成分分析方法来确定跟踪目标的方向和尺寸大小,实现核函数带宽的自适应调整。实验表明,这种方法能准确地获取红外图像序列中目标的尺度变化情况。

关键词：红外目标跟踪核密度估计 mean shift 背景加权纹理特征尺度自适应协方差矩阵

基于mean shift的快速目标跟踪的研究

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Mean Shift的快速目标跟踪的研究

作者：韩猛哈尔滨工程大学

学位级别：硕士

目标跟踪是计算机视觉领域非常活跃的一个课题,有着十分广泛的应用,例如视频电话会议、机器人导航以及模拟现实等等。运动目标追踪算法的性能直接影响着目标追踪的准确性和鲁棒性。目前在已有的目标追踪算法中,基于目标特征或运动信息... 详细信息

目标跟踪是计算机视觉领域非常活跃的一个课题,有着十分广泛的应用,例如视频电话会议、机器人导航以及模拟现实等等。运动目标追踪算法的性能直接影响着目标追踪的准确性和鲁棒性。目前在已有的目标追踪算法中,基于目标特征或运动信息的追踪算法居多,虽然能够达到目标追踪的目的,但是需要处理大量的数据,运算较为复杂,很难实现实时追踪,在快速运动目标的追踪中更甚,例如足球运动。针对上述目前的研究现状,本文以前人的研究工作为基础,对无参密度估计理论进行研究,并对基于mean shift算法的目标追踪算法进行深入探讨,期望对此算法在快速运动目标跟踪中经常遇到的实时及遮挡问题进行改进。本文对基于mean shift算法的各类目标追踪算法及其优缺点和适用场景进行了深刻总结。对统计学中的无参密度估计理论进行了深入研究,对现有无参数密度估计的各类方法及适用条件进行了总结,在此基础上,还对基于无参数密度估计理论的一个统计迭代方法一mean shift算法进行了深入探讨。本文还对mean shift算法的收敛性进行了研究,并做了严谨地证明。本文对基于mean shift的运动目标追踪踪算法进行了详细的讨论,并在传统目标追踪算法的基础上对几种运动墓标跟踪方案进行探讨:mean shift目标跟踪算法与Kalman运动预测相结合进行有效跟踪的方案;mean shift目标跟踪算法与质心跟踪算法相结合的方案。仿真实现了将Kalman运动预测和质心算法与mean shift目标跟踪算法相结合进行运动目标的有效跟踪。跟踪结果表明,此改进跟踪算法改善了 mean shift目标跟踪算法对快速运动目标的局限性及遮挡问题,具有较好的鲁棒性。

关键词：目标跟踪无参密度估计 mean shift Bhattacharyya相似系数

基于mean shift的视频监控运动目标的跟踪算法研究与实现

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Mean Shift的视频监控运动目标的跟踪算法研究与实现

作者：张洪杰东北大学

学位级别：硕士

在日益追求自动化的今天,人们迫切需要设计一种自动对场景中运动目标进行实时监视的高智能化监控系统,这种系统一般具有运动目标检测和跟踪等自主功能.本文主要就运动目标跟踪这一功能展开研究.目标跟踪可以提供被监控目标的运动轨迹,... 详细信息

在日益追求自动化的今天,人们迫切需要设计一种自动对场景中运动目标进行实时监视的高智能化监控系统,这种系统一般具有运动目标检测和跟踪等自主功能.本文主要就运动目标跟踪这一功能展开研究.目标跟踪可以提供被监控目标的运动轨迹,也为目标的运动分析提供了可靠的数据信息.本文在借鉴相关领域技术的基础上,主要做了下面的工作. 本文首先分析了视频监控中目标跟踪算法的研究现状,阐述了现存目标跟踪算法存在的问题.其次,详细介绍了mean shift理论及其在跟踪算法中的应用.然后,分析其优缺点,提出问题——mean shift跟踪算法对当背景和目标的颜色分布相似时或光照发生变化时,跟踪效果欠佳.针对这一问题,本文提出一种基于颜色与局部二元模式（LBP）纹理特征自适应融合的mean shift跟踪算法,该算法用局部二元模式（LBP）纹理特征来描述目标的形状,弥补了颜色特征的不足.最后针对传统的mean shift跟踪算法不能很好地跟踪快速运动的目标这一问题,提出一种基于GM（1,1）模型的mean shift跟踪算法.该算法首先根据先前的目标真实位置信息,用GM（1,1）模型预测目标的下一位置,将这一位置点作为目标的起始点,然后利用mean shift算法在这点的邻域内寻找目标真实的位置,快速运动目标的跟踪就可以得到很好的解决.

关键词：视频监控运动目标跟踪 mean shift 颜色特征局部二元模式 GM（1，1）模型

基于mean shift无人机高分辨率遥感影像分割方法研究

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Mean Shift无人机高分辨率遥感影像分割方法研究

作者：李勇四川农业大学

学位级别：硕士

随着遥感影像信息获取技术(无人机遥感)的快速发展,如何提高遥感图像信息的提取速度和精度是遥感影像处理领域的重要研究方向。遥感图像分割是遥感影像信息提取过程中最为重要的一项技术。在图像处理邻域,图像分割方法虽然取得了一定的... 详细信息

随着遥感影像信息获取技术(无人机遥感)的快速发展,如何提高遥感图像信息的提取速度和精度是遥感影像处理领域的重要研究方向。遥感图像分割是遥感影像信息提取过程中最为重要的一项技术。在图像处理邻域,图像分割方法虽然取得了一定的成果,但在高分辨遥感影像分割中仍然存在分割精度不高、效率低等不足。本文在前人的研究基础上,将mean shift算法引入到高分辨率遥感影像分割中,通过优化mean shift的核函数和加入LBP纹理特征,提升mean shift算法遥感图像分割的效率和精度,为后期的遥感影像的分类识别提供可靠的分割区域。(1)由于无人机的重量轻对天气状况的依赖性大,受到天气变化飞机姿态不稳定及相机本身畸变的影响,因此需要对获取的原始影像进行预处理。本文利用国际上著名的INPHO软件对无人机获取的原始影像进行畸变差校正、空中三角测量、生成正射影像等处理,为后续的遥感影像的分割提供准确的正射遥感图像实验数据。(2)本文引入mean shift算法于无人机高分辨率遥感影像分割,针对传统mean shift分割算法存在效率低和边界模糊等问题,优化mean shift的核函数并加入了LBP纹理特征,组成了“空间位置、颜色和纹理”特征向量。实验结果表明：通过目视判读比较得出,本文改进mean shift分割算法的分割效果比传统的mean shift分割效果更符合人的视觉感知,效率和精度也得到了很大的提高。(3)本文采用区域面积加权的区域相似度准则和最小对象面积参数准则进行分割后的区域合并,以此来解决改进mean shift分割算法产生的过分割现象。最后将区域合并处理后的结果分别与在遥感影像分割邻域中比较出名的EDISON软件和eCognition软件进行比较,以此验证本文改进的分割方法的分割效果。实验结果表明：通过目视判读比较得出,在改进mean shift算法中加入区域合并方法能得到更好的分割效果且能在一定程度上提高遥感影像分割的精度。对于纹理特征比较突出的地块和道路,改进的mean shift算法分割则能更准确的分割,从分割精度的角度可以得出,本文改进的mean shift算法分割的效果在很多方面已达到eCognition软件分割的效果。

关键词：无人机遥感 mean shift LBP纹理特征图像分割

基于时空视觉显著性特征的mean shift目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空视觉显著性特征的Mean Shift目标跟踪算法研究

作者：陈晗哈尔滨工程大学

学位级别：硕士

目标跟踪一直以来都是计算机视觉研究的热点问题,在国防军事、智能交通和生活安防等众多领域得到了广泛的应用。近年来,视觉显著性检测技术的研究取得了实质性的进展和突破,该项技术可以使图像处理过程更接近于人类的认知机制。目前,已... 详细信息

目标跟踪一直以来都是计算机视觉研究的热点问题,在国防军事、智能交通和生活安防等众多领域得到了广泛的应用。近年来,视觉显著性检测技术的研究取得了实质性的进展和突破,该项技术可以使图像处理过程更接近于人类的认知机制。目前,已有学者成功地将其引入目标跟踪过程,以提高跟踪算法的鲁棒性和准确率。但是,现有视觉显著性模型对复杂场景的检测效果欠佳,且不具有通用性。为了进一步提升跟踪算法的性能,本文先对目前性能较优的基于直方图对比度的显著性检测模型(HC)进行改进,研究一种适用于目标跟踪任务的时空显著性检测模型,并将该模型引入基于mean shift算法的目标跟踪方法中,提出一种基于时空视觉显著性特征的目标跟踪算法。具体研究内容包括以下两个方面。首先,针对基于直方图对比度的显著性检测模型在处理跟踪问题时不具有针对性,并且忽略了运动信息对显著性的贡献的问题,提出一种适用于目标跟踪任务的时空显著性检测模型。空间域上,通过引入SLIC超像素分割和目标位置先验信息,对HC模型进行改进,得到每帧图像上完整的显著目标;时域上,添加运动特征通道作为视觉注意的引导方式,结合帧差法和光流法检测运动矢量场,利用运动熵和方向一致性特征对运动矢量的显著程度进行分析,进而构建时域显著性模型;最后,采用自适应加权的方式融合时、空域显著图,得到能适应不同情形跟踪任务的时空显著性检测模型。在标准数据集上的实验结果表明,相较于对比模型,本文提出的模型具有更好的鲁棒性,能够有效抑制扰动背景的干扰,并突出显著前景目标。其次,针对基于mean shift的目标跟踪方法在目标与背景颜色相近或目标被遮挡情况下鲁棒性不强的问题,利用本文所提出的时空显著性检测模型对其进行改进,并引入收敛窗口的自适应调整策略以及Kalman滤波位置预测,提出一种基于时空视觉显著性特征的mean shift目标跟踪算法。本文算法能够充分发挥视觉显著性特征在光照变化、姿态变化等干扰环境下的不变性优势,进而提升跟踪的鲁棒性和精确度。实验结果表明,视觉显著性特征能够有效弥补颜色特征的不足,提高跟踪的鲁棒性,并且在颜色混淆以及部分遮挡等复杂环境条件下,本文算法可以实现连续的自适应跟踪,相比于对比算法具有更强的抗遮挡、抗干扰能力。

关键词：目标跟踪显著性检测运动矢量场视觉显著性特征 mean shift

基于ELM与mean shift的抗遮挡目标跟踪算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

郑州大学学报(工学版) 2016年第1期37卷 1-5页

作者：毛晓波郝向东梁静郑州大学电气工程学院

针对目标跟踪过程中发生遮挡时跟踪出现偏差的情况,在传统mean shift跟踪算法的基础上引入极限学习机(extreme learning machine,ELM),提出了基于ELM与mean shift的目标跟踪算法。该算法根据过去3个时刻的目标位置信息,利用ELM预测出目... 详细信息

针对目标跟踪过程中发生遮挡时跟踪出现偏差的情况,在传统mean shift跟踪算法的基础上引入极限学习机(extreme learning machine,ELM),提出了基于ELM与mean shift的目标跟踪算法。该算法根据过去3个时刻的目标位置信息,利用ELM预测出目标当前可能位置,代替目标前一时刻位置作为mean shift迭代起始点,并在邻域范围内进行迭代,得到目标的真实位置.实验结果表明,与现有的改进算法相比,新算法减少了迭代次数和运算时间,同时在遮挡情况下能够准确定位目标位置并进行跟踪,提高了跟踪系统的实时性和鲁棒性.

关键词：目标跟踪遮挡 mean shift ELM