

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、動態(tài)紋理識別是計算機視覺領域的核心問題之一,廣泛地應用于軍事和民事領域中。本文利用混沌特征向量對動態(tài)紋理進行描述,實現(xiàn)了動態(tài)紋理的準確識別。在對識別算法的研究中,本文設計了優(yōu)化算法來提高識別效果。為了更好的描述動態(tài)紋理,本文研究了將低層特征通過深度學習得到高層特征的算法,并將動態(tài)紋理識別方法應用于智能交通流的分類。論文的主要工作和創(chuàng)新點有:
1.針對動態(tài)紋理的建模問題,本文提出了用像素時間序列作為描述動態(tài)紋理的基本特征方法。該
2、方法將像素時間序列看作一個整體特征向量,可以得到更多的時間信息。實驗結果表明,像素時間序列對動態(tài)紋理具有一定的描述能力。
2.針對像素時間序列中存在的自相似性,本文提出了用混沌特征來描述像素時間序列的方法。不同于以往用于計算機視覺領域的混沌特征向量。在動態(tài)紋理中,分形特性相當重要。本文提出的混沌特征向量是描述動態(tài)紋理的局部特征,經過詞袋模型表示之后,能夠較好的表示動態(tài)紋理,取得較高的識別率。通過實驗表明,本文選擇的混沌特征在識
3、別效果上優(yōu)于其它特征。
3.針對詞袋法出現(xiàn)的量化問題,提出了基于內容的動態(tài)紋理識別方法。該方法首先對每個像素時間序列提取混沌特征向量,然后對每幅視頻分割,得到前景和背景。接著通過地球移動距離(earth mover’s distance,EMD)來比較兩幅視頻之間的相似性,來實現(xiàn)動態(tài)紋理識別。該算法可以用于交通視頻流識別。
4.針對常規(guī)的識別算法中,沒有考慮特征之間的關系,本文提出了多任務學習方法來獲取訓練特征之間的
4、關系,并用alternating direction method of multipliers(ADMM)優(yōu)化算法來得到更高的識別率。本文給出的多任務學習模型,能夠很好的獲取多任務(特征)之間的共性信息和個性信息。同時ADMM算法可以很好的保證這個優(yōu)化問題能夠快速準確的求解。
5.針對直方圖特征的描述性不足,本文采用了深度學習方法,通過對大量數(shù)據(jù)的學習,得到更具有描述性的特征。本章提出的算法框架,通過將詞袋法得到的直方圖特征
溫馨提示
- 1. 本站所有資源如無特殊說明,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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于幾何特征向量的三維人臉識別研究.pdf
- 人臉識別中的特征向量優(yōu)化算法研究.pdf
- 基于特征向量的時態(tài)XML索引研究.pdf
- 基于動態(tài)紋理特征的人臉表情識別研究
- 基于特征向量的語義角色標注研究.pdf
- 基于特征向量的音樂情感分析的研究.pdf
- 基于擴展統(tǒng)計地形特征的動態(tài)紋理識別研究.pdf
- 基于多重特征向量的興趣模型及其應用.pdf
- 特征向量在快速星圖識別中的應用研究.pdf
- 圖的特征向量的組合結構.pdf
- 基于特征向量統(tǒng)計的極化SAR地物分類.pdf
- 基于LBP-WLD多統(tǒng)計特征的動態(tài)紋理識別.pdf
- 基于特征向量的名詞短語指代消解研究.pdf
- 醫(yī)學圖像模式識別中特征向量提取方法的研究.pdf
- 基于NSCT和支持向量機的紋理特征識別方法研究.pdf
- 基于特征向量的人物關系抽取方法研究.pdf
- 圖的主特征向量及其應用.pdf
- 基于全局信息的圖結點特征向量學習算法.pdf
- 基于特征向量的實體間語義關系抽取研究.pdf
- 基于特征向量的個性化推薦算法研究.pdf
評論
0/150
提交評論