

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、復(fù)旦大學(xué)碩士學(xué)位論文目錄目錄目錄……,......................................................................................................................................……i摘要..............................................................
2、..............................................……,........................……lAbstract.....................……,..........................................................................................................……11第一
3、章緒論.............................................................................................................................……31.1研究背景和意義.................……,................……,........................................
4、..................……31.2研究內(nèi)容和方法................……,.…,.....................................................……,.................……61.2.1研究問題描述........……,.……,............................................................……,.…
5、,,.,…,61.2.2研究方法回顧..........……,..........................................................................……,……71.3主要設(shè)計(jì)難點(diǎn)....................................................................................................
6、........……81.4本文的組織結(jié)構(gòu)..........................................................................................……,..…,……10第二章物體檢測識(shí)別綜述...............……,......……,.,..........................................................
7、.....……n2.1圖像特征提取與特征選擇......................................……,......................................……,.1幾2.1.1基于顏色通道的直方圖特征........................................................................……112.1.2基于局部點(diǎn)的特征.......
8、.................................................................................……132.2物體識(shí)別方法綜述.............................……,...............................................................……212.2.1基于統(tǒng)計(jì)的方法與基于物體部件的識(shí)別框架.
9、...........................................……222.2.2基于特征匹配的物體識(shí)別分類方法.............……,...............................……,……292.3物體識(shí)別性能評估標(biāo)準(zhǔn).......................................……,............................................
10、.……312.4物體識(shí)別數(shù)據(jù)庫簡介....................................................……,.…,..............................……312.4.1數(shù)字手寫體(MNIST)數(shù)據(jù)庫.....................................................................……312.4.2Caltech101數(shù)據(jù)庫
11、.........................................................................................……312.4.3Microsoftobjectrecognitiond。ta匕ase數(shù)據(jù)庫..…,...............................……,..……322.4.4PALvisualobjectoasses數(shù)據(jù)庫............
12、..................................................……322.5本章小結(jié)...............................................……,............................................................……33第三章結(jié)合識(shí)別與分割的關(guān)當(dāng)獷式物體檢測方法.........……,............
13、....................................……343.1算法動(dòng)機(jī)...................................................……,................……,.................................……353.2預(yù)處理.........................................................
14、.............................................................……3633圖像特征提取和特征選擇.........……、....................................................……、…、、.、..…363.3.1邊緣信息特征.........................……,..........................
15、...............……,................……373.3.2直方圖區(qū)間模糊化處理…,............................................................................……383.3.3特征選擇............................……,.............................................
16、........................……383.4關(guān)節(jié)式物體模型...........……,......……,.........................................................……,.......……393.4.1條件隨機(jī)場.…,二,.…,二,....................................................................
17、.............……393.4.2樹結(jié)構(gòu)模型..............................……,...............................................................……403.5白頂向下的假設(shè)估計(jì).............................……,.,...............................................
18、.........……413.5.1迭代分析算法.....................……,,...............................................................……,二413.5.2新穎的推理分析過程..............................……,..............................................……423.5.3
19、回溯過程....................……,.............................................................................……443.5.4泛化能力............................……,.,..............……,....................……,...................……453.6利用分類
20、器進(jìn)行假設(shè)驗(yàn)證........……,.............……,..................................……,...........……463.7關(guān)節(jié)式物體姿勢估計(jì)..................……,............……,.................................................……473.8試驗(yàn)結(jié)果......……,二,...............
21、..................................................……,...........……,.......……48復(fù)口.大學(xué)耐之士學(xué)位論文摘要摘要計(jì)算機(jī)視覺(comp。tervision)是研究如何使機(jī)器對多維圖像數(shù)據(jù)產(chǎn)生智能感知的科學(xué)。目標(biāo)對象檢測識(shí)別屬于基礎(chǔ)領(lǐng)域研究,對圖像理解至關(guān)重要。有效的目標(biāo)對象檢測識(shí)別算法框架是圖片檢索、醫(yī)學(xué)圖像處理、視頻監(jiān)測、人機(jī)界面交互系統(tǒng)等領(lǐng)域的前提、保障。然而
22、,目標(biāo)對象檢測識(shí)別技術(shù)尚處在初級(jí)階段、前景廣闊,關(guān)節(jié)式物體檢測識(shí)別的通用魯棒性理論和算法框架仍未出現(xiàn)。本文提出簡單的基于可變形模型的迭代關(guān)節(jié)式物體檢測識(shí)別算法框架。該算法對傳統(tǒng)的關(guān)節(jié)式物體模型作出相應(yīng)的改進(jìn),基于改進(jìn)的底層圖像形狀特征尋找局部關(guān)節(jié)式物體匹配,并組織起來產(chǎn)生目標(biāo)對象檢測識(shí)別的假設(shè)結(jié)果。背景雜物干擾信號(hào)是影響目標(biāo)對象檢測識(shí)別性能的關(guān)鍵因素,特征改進(jìn)主要是為避免背景信號(hào)對目標(biāo)對象的形狀特征產(chǎn)生干擾并使得形狀特征對關(guān)節(jié)式物體局部
23、形變有著較好容忍。利用先驗(yàn)概率模型在圖像中尋找關(guān)節(jié)式物體假設(shè)檢測結(jié)果是自頂向下的搜索識(shí)別過程,目標(biāo)對象檢測識(shí)別率較高但精確度卻不理想。為有效提高目標(biāo)對象的檢測識(shí)別精確度,利用分類器對關(guān)節(jié)式物體檢測識(shí)別的假設(shè)結(jié)果作真假辨別,并結(jié)合自底向上局部分割區(qū)域獲取關(guān)節(jié)式物體在圖像中的前景估計(jì)信息。由最終實(shí)驗(yàn)結(jié)果可以看出,利用一該方法所抽取的圖像底層形狀特征可以較好地去除掉背景雜物干擾信號(hào),進(jìn)行目標(biāo)對象檢測識(shí)別,檢測識(shí)別精確度較高。匹配目標(biāo)對象的檢測
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。
最新文檔
- 智能視頻監(jiān)控中物體檢測識(shí)別算法的研究與應(yīng)用.pdf
- 基于形狀識(shí)別的運(yùn)動(dòng)物體檢測.pdf
- AdaBoost學(xué)習(xí)機(jī)制及其在物體檢測和識(shí)別中的應(yīng)用.pdf
- 基于數(shù)字識(shí)別的分布式多運(yùn)動(dòng)物體檢測研究.pdf
- 視覺物體檢測與子類識(shí)別整合計(jì)算研究.pdf
- 基于Matlab的移動(dòng)物體檢測與識(shí)別.pdf
- 動(dòng)態(tài)背景下運(yùn)動(dòng)物體檢測與識(shí)別.pdf
- 視覺顯著性物體檢測方法及應(yīng)用研究.pdf
- 基于卷積網(wǎng)絡(luò)的物體檢測應(yīng)用研究.pdf
- 基于MACF的物體檢測及中心定位.pdf
- 灰度圖像骨架的提取及在物體檢測中的應(yīng)用.pdf
- 基于目標(biāo)表觀和幾何建模的物體檢測研究及應(yīng)用.pdf
- 復(fù)雜場景下基于深度學(xué)習(xí)的物體檢測與識(shí)別算法研究.pdf
- 基于范例度量學(xué)習(xí)的物體檢測.pdf
- 基于特征共享的高效物體檢測.pdf
- 運(yùn)動(dòng)物體檢測與跟蹤研究及系統(tǒng)實(shí)現(xiàn).pdf
- 基于改進(jìn)Hough變換的圓形物體檢測.pdf
- 變電站數(shù)字識(shí)別技術(shù)和運(yùn)動(dòng)物體檢測方法的研究.pdf
- 基于視覺詞匯的物體檢測方法研究.pdf
- 基于物體檢測的場景分類方法研究.pdf
評論
0/150
提交評論