首页> 中文学位 >基于过分割的感兴趣对象识别与自然轮廓抽取
【6h】

基于过分割的感兴趣对象识别与自然轮廓抽取

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本论文的组织结构

第2章 基于特征匹配的物体识别与定位研究

2.1 引言

2.2 关键点检测与提取研究

2.2.1 目标物体图像模板库

2.2.2 关键点检测方法研究

2.2.3 实验及结果分析

2.3 具有旋转不变性的特征点描述子研究

2.3.1 SIFT描述子

2.3.2 DAISY描述子

2.4 基于FAST和DAISY的物体识别与定位方法

2.5 实验及结果分析

2.6 本章小结

第3章 过分割质量评估算法研究

3.1 引言

3.2 基于优度法的分割算法评估研究

3.2.1 区域一致性

3.2.2 区域相异性

3.2.3 形状参数

3.3 基于偏差法的分割算法质量评估

3.3.1 快速生成理想分割图方法研究

3.3.2 基于实时边界信息的偏差法

3.4 基于实时边界信息的分割质量综合评估方法

3.4.1 综合评价分割质量的方法

3.4.2 四种过分割算法的质量评估分析

3.4.3 实验结果分析

3.5 本章小结

第4章 基于过分割的物体轮廓提取方法研究

4.1 引言

4.2 传统的物体轮廓提取算法研究

4.3 融合过分割与边界闭合圈的物体自然轮廓抽取方法

4.3.1 EGIS图像分割算法研究

4.3.2 基于物体位置信息的分割块提取

4.3.3 基于边界闭合圈的物体轮廓提取

4.4 实验及结果分析

4.5 本章小结

第5章 总结与展望

5.1 总结

5.2 展望

致谢

参考文献

攻读学位期间参加的科研项目和成果

展开▼

摘要

视频中基于物体轮廓的跟踪是计算机视觉领域的一项重要而有价值的基础研究,而目标物体的识别与轮廓抽取是轮廓跟踪的一项关键技术。为了提高跟踪的精度,本文设计了一种基于过分割的感兴趣对象识别与自然轮廓抽取系统。主要研究内容和解决问题如下:
  1.由于场景中存在很多物体,通过建立了目标物体的模板库,在实施过程中可以有针对性的查找视频图像序列中的目标物体,提高了目标识别的精度和效率;
  2.本文提出一种结合强鲁棒性关键点检测器FAST(Features from Accelerated SegmentTest)[18]和旋转不变性的局部描述子DAISY[25]的物体识别方法,提高了特征匹配在不同场景和光照条件影响下的识别与定位精度;
  3.本文引入过分割算法抽取物体自然轮廓。提出了一种融合优度法(Goodness method)和偏差法(Discrepancy method)[40]优点的过分割质量评估方法,并利用实时边界检测算法生成的理想分割图取代了手工勾画的理想分割图,通过该方法选择出最接近物体自然边界的过分割算法;
  4.研究了通过超像素聚类得到边界闭合圈的算法,并提出基于EGIS(EfficientGraph-based Image Segmentation)[46]过分割算法的物体自然轮廓抽取方法,该方法可以精确抽取出物体的自然轮廓。
  本文基于过分割对感兴趣对象的识别与自然轮廓抽取的研究,提高了物体识别与自然轮廓抽取的精度,在航空航天、智能监控系统和跟踪系统领域中有着极其广泛的应用前景。并在此过程中提出过分割质量评估方法,为研究学者在分割算法选择应用上提供了依据和标准。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号