【摘 要】
：
为实现强杂波背景下视频的鲁棒跟踪,在常用非线性系统模型的基础上引入柯西高斯混合噪声模型,充分考虑了非高斯噪声前后时刻的状态相关性,并以权重条件最小方差为标准,推导了非高斯相关噪声的最优建议分布函数,在粒子滤波框架内实现了非高斯相关噪声模型时系统状态的准确估计。在新算法的框架内采用多特征自适应融合的方法,实现了强噪声背景下视频目标的鲁棒跟踪。实验结果表明,本文方法扩展了粒子滤波的适用范围,有效提升了
论文部分内容阅读
为实现强杂波背景下视频的鲁棒跟踪,在常用非线性系统模型的基础上引入柯西高斯混合噪声模型,充分考虑了非高斯噪声前后时刻的状态相关性,并以权重条件最小方差为标准,推导了非高斯相关噪声的最优建议分布函数,在粒子滤波框架内实现了非高斯相关噪声模型时系统状态的准确估计。在新算法的框架内采用多特征自适应融合的方法,实现了强噪声背景下视频目标的鲁棒跟踪。实验结果表明,本文方法扩展了粒子滤波的适用范围,有效提升了强噪声环境下视频目标跟踪的精度和稳定性。
其他文献
目的:探讨高分辨率锥束显微CT断层重建中引入并行计算的必要性及其加速效果。方法:在具有并行计算功能的GPU显卡(NVIDIA QUADRO K5000显卡,显存4G)中为投影图像和重建体数据分配显存空间,每一个像素分配一个线程进行投影图像的各种校正和滤波,再给每个体素分配一线程进行反投影重建,在显存中实现全部断层重建。程序使用C++面向对象方法实现,内核函数用CUDA实现。结果:重建体数据大小是2
计算机断层成像(CT)需要对物体进行360°扫描,由于几何限制及X射线在纵向的高吸收率,使得其在大构件尤其是板状构件的检测方面具有局限性,在这些情况下,计算机分层成像(CL)提供了一种有效的方法。本文首先总结近年来国内外关于CL的研究成果,然后系统地阐述CL成像的原理、重建算法以及应用,最后在成像质量方面比较CL和CT。
针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法。实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面
在分析IHS变换时发现,IHS变换中亮度分量的计算是从红绿蓝三种颜色中平均提取三分之一作为总亮度,而人眼对绿色最敏感(占60%)、其次是红色(占30%)、再者是蓝色(占10%),故本文对亮度分量的计算公式做了修改。在此基础上,提出了一种改进的IHS变换和小波变换相结合的图像融合方法。首先对多光谱图像进行改进的IHS变换,然后利用小波变换分别对I分量和全色高分辨率图像做小波分解,并对小波低频系数基于
近些年来,随着3D立体显示技术的快速发展,相关硬件设备的逐步普及,市场对3D视频的编辑需求也在逐步上升。3D立体图文编辑作为3D视频编辑的重要组成部分,从最初的简单图文叠加,到目前虚拟三维场景与实际视频场景的完美融合,3D立体图文渲染技术结合智能交互技术,在多媒体交互展示方面也有着广泛的应用。
人脸识别已成为模式识别、图像处理等领域的重要课题。本文对人脸识别技术的现状、应用进行了综述,重点介绍了人脸识别的方法,指出了目前存在的问题及今后的研究发展方向。
为解决场景模型在快速光照变化下失效的问题,提出了一种新的前景目标分割方法。该方法共包括三个步骤。首先,利用全局光照函数建立高斯混合模型;其次,提取当前帧中的纹理、ZNCC及轮廓特征;最后,将提取到的特征分两阶段与高斯混合模型进行融合(第一阶段:融合纹理及ZNCC特征;第二阶段:融合轮廓特征),得到最终的场景分割结果。实验结果表明:该算法具有较好的鲁棒性,并且相较于基于全局光照建模的方法具有更高的精
提出了基于空间虚拟墙的行人越界异常行为自动识别方法。基于人头刚体不变性及其个体类Haar特征的差异性,融合级联分类器与粒子滤波动态跟踪链,实现视频场景下的人头目标跟踪与定位。进而基于人体身高不变性,建立基于行人头顶的三维平面方程及其视频监控场景下的空间虚拟墙,从而将行人跨越二维场景警戒线问题,转化为行人穿越三维空间虚拟警戒墙,实现行人是否越界的有效判断。通过在不同视频场景的实验验证与对比,结果表明
针对低分辨率深度图像上采样容易导致边缘模糊问题,提出了一种基于图像边缘特征的深度上采样算法。一方面,利用相同低分辨率深度和彩色图像的相关性系数,自适应调节深度图像边缘上采样过程中深度和彩色的权重;另一方面,结合上采样值和低分辨率深度图像中邻近像素值,对低分辨率深度图像的不连续区域进行求精操作以进一步减少边缘模糊现象。实验结果表明,本文算法的性能优于近年文献中提出的算法。本算法上采样深度图像的平均坏
基于稀疏运动矢量场,提出一种动态背景下的运动目标区域检测方法。根据运动矢量场特性分析进行全局运动参数估计和全局运动补偿,实现动态场景中的背景校正;利用最大树数据结构,基于运动矢量补偿误差分级表示视频帧中运动基本一致的连通区域,进行运动区域初始分类;根据运动目标在空间上的连通性和运动一致性的特点,选择区域相似性度量准则,进行区域合并和滤波,将具有相似运动的连通区域合并,实现运动目标区域检测。将检测出