导读:本文包含了动态纹理模型论文开题报告文献综述及选题提纲参考文献,主要关键词:动态纹理,分类,分割,连续隐马尔可夫模型
动态纹理模型论文文献综述
李娜[1](2017)在《基于连续隐马尔可夫模型的动态纹理分析》一文中研究指出纹理是物体表现出的视觉特性。动态纹理是在时空域中具有一定运动规律的纹理模式。随着人工智能和机器视觉领域的发展,动态纹理分析也成为基础研究的热门领域。其中,动态纹理分类和动态纹理分割作为分析的主要研究手段,在医学检验、工业生产、军事探测、智能交通等诸多领域中发挥着重要的应用价值。连续隐马尔可夫模型(CHMM)由两部分构成:描述隐状态转移的马尔可夫链和描述观测值概率分布的随机过程。连续隐马尔可夫模型描述动态纹理时,离散形式的隐状态描述动态纹理的“运动属性”,服从混合高斯分布的观测值向量描述“外观属性”,因此采用CHMM模型描述动态纹理是合理的。基于以上理论基础,本文主要研究基于连续隐马尔可夫模型的动态纹理分类方法和动态纹理分割方法,本文的主要工作如下:1.提出一种基于CHMM的动态纹理分类方案。首先利用动态纹理灰度值序列,分别提取16邻域和24邻域的灰度值特征作为观测值向量,建立连续隐马尔可夫模型。该模型的原理是,不同时刻下动态纹理的灰度值强度看作模型的混合高斯分布的输出,灰度值强度随时间的变化看作模型隐状态转移的结果。然后在动态纹理的连续隐马尔可夫模型描述基础上,利用极大似然准则进行分类,通过与离散隐马尔可夫模型的描述方法进行对比,分析所提方案的分类性能。2.提出一种基于CHMM谱聚类方法的动态纹理分割方案。首先给出数值下溢情况下的CHMM模型KL散度的计算方法,并用于CHMM谱聚类的动态纹理分割方案。具体方案为,首先将动态纹理进行空间分块,并对全部子块分别建立CHMM模型,分别利用结合数值下溢问题的KL散度、互匹配值、BP距离叁种相似度测量方法对CHMM模型进行谱聚类,得到动态纹理的初始分割结果。然后利用k-means聚类算法得到连通区域的代表性CHMM模型,采用似然准则的判定标准对动态纹理的进行像素级分割,利用分割正确率的指标,分析所提方案的分割性能。(本文来源于《哈尔滨工程大学》期刊2017-04-01)
乔玉龙,陈立秋[2](2016)在《基于小波域尺度间上下文关系模型的动态纹理分割》一文中研究指出针对目前对动态纹理图像序列分割过程中没有充分利用图像序列间关系的问题,在此将尺度间上下文关系模型引入到动态纹理分割中。尺度间上下文关系模型可以充分利用小波域中同尺度各子带间以及相邻尺度子带间存在较强的依赖关系,用于提高动态纹理的刻画能力,达到较好的分割结果。文中利用MATLAB对动态纹理进行仿真分析。根据实验仿真结果并对其进行定量分析,结果证明该模型的动态纹理分割的误分割率更低,说明本模型提高了动态纹理分割的效果。(本文来源于《应用科技》期刊2016年05期)
宋亚婷,韩冰,高新波[3](2016)在《基于张量动态纹理模型的极光视频分类》一文中研究指出极光事件的形态与行星际磁场及太阳风等空间物理过程密切相关,通过研究极光形态可以得到大量地球磁层和太阳风活动的信息.随着海量极光的产生,如何借助计算机对极光图像序列进行自动分类成为热点.目前极光分类研究大多是基于单幅图像的特征分析,极光视频的建模和分析仍然有待深入研究.因此提出一种基于极光视频动态纹理建模的极光视频事件识别方法.首先对四类极光视频进性普适性动态纹理建模,然后利用矩阵SVD分解对动态纹理模型求解,最后用模型参数间的马丁距离衡量极光序间的差异性,采用最小距离分类器和SVM分类器实现四类典型形态的极光序列的自动分类识别.为进一步提高模型紧凑度,引入张量分解,建立张量动态纹理模型.不同于动态纹理模型只关注序列帧间的重复相关性,张量动态纹理模型同时分析序列帧间的重复相关性和图像帧内各个部分间的重复相关性,从时间和空间维度上同时进行分解,减少模型冗余的同时提高了分类准确率.在中国北极黄河站的ASI图像数据库上进行了算法验证,实验结果表明本文提出模型具有较高的分类准确率,同时该模型能充分表征极光序列帧间的重复相关性和动态变化特性.(本文来源于《南京大学学报(自然科学)》期刊2016年01期)
赵赶超[4](2015)在《基于小波域HMT模型的动态纹理分割方法研究》一文中研究指出纹理分析是图像处理领域的基础性研究课题。动态纹理是纹理的一种类别,它作为纹理分析研究的重要内容,近年来已成为计算机视觉和数字图像处理领域的研究热点,在军事、工业、医学、智能交通、气象遥感、公共安全等领域有着广泛的应用价值。多尺度分析方法也即多分辨率分析,是近年新兴起的一种信号分析技术,其可从不同尺度的角度描述景物,利用不同尺度分析问题、解决问题,更加有效地提取图像或视频特征并进行分析,为信号分析提供了一个全新的视角研究课题。小波变换作为多尺度分析的主要基础方法,其具有良好的时频分析特性,它能通过变换以充分突出问题某些方面的特性。马尔可夫理论作为描述局部统计分布的强有力工具,能有效地与小波域空时变换特性相结合,推动了小波域模型的发展,对准确刻画信号非平稳特性起着至关重要的作用。小波域隐马尔可夫(HMT)模型充分利用小波系数尺度间和尺度内的相关性,在纹理分析等方面表现出了出色的性能。基于以上理论基础,本文主要研究基于小波域隐马尔可夫模型的动态纹理分割算法,主要工作如下:1.提出叁维小波域LMM-HMT模型。将HMT模型推广到叁维空时域,改进已有的EM算法以进行参数估计,并改进分割过程以适应叁维动态纹理的处理。在训练及粗分割阶段,结合纹理图像自身小波系数的分布规律,利用拉普拉斯分布尖峰厚尾的分布特性,对纹理图像的小波系数分布进行匹配,提出LMM-HMT模型及与之相对应的参数估计算法公式。在多尺度融合阶段,提出基于26邻域背景向量的多尺度融合方法。利用动态纹理帧间相互依赖关系,建立一个基于叁帧纹理图像的26邻域背景向量模型。在像素级分割阶段,再次使用混合拉普拉斯分布模型,并给出参数估计算法,提高其最终分割效果。2.提出叁维小波域HMT-3S模型。通过连接叁维小波域七个细节子带的小波系数,建立叁维小波域上的HMT-3S模型,并提出对应的模型参数训练方法、似然函数计算及多尺度融合算法。将以上对基于小波域HMT模型的动态纹理分割的改进算法应用到HMT-3S模型中,与HMT模型进行对比,使分割效果得到进一步提升。(本文来源于《哈尔滨工程大学》期刊2015-12-01)
陈立秋[5](2015)在《基于尺度间上下文关系模型的动态纹理分割》一文中研究指出动态纹理是由空间重复且随时间变化的一系列的图像序列组成,并且在空时域上具有某种自相似性。动态纹理分析在很多领域表现出潜在的应用前景,动态纹理分割作为动态纹理研究的关键问题之一,得到越来越多的关注,促使动态纹理的研究成为了一个热点问题。动态纹理分割就是将自然纹理的图像序列分割成互不相迭的若干区域,并且不同的区域有不同的纹理,同一区域内纹理表现出均匀一致性。尺度间上下文关系可以充分利用不同尺度间标号之间的关系刻画动态纹理表现出的“运动”和“外观”特征。因此,本文提出基于尺度间上下文关系模型的方法进行动态纹理分割。本文的主要工作如下:1.提出了基于小波域马尔可夫链的上下文关系的动态纹理分割算法。对动态纹理进行小波变换后同一帧图像尺度内各子带间以及相邻尺度子带间存在较强的依赖关系,这种关系可以用于提高动态纹理的刻画能力。本算法的标记场模型采用尺度间因果马尔可夫随机场模型和尺度内的非因果马尔可夫随机场模型,特征场建模采用高斯马尔可夫随机场模型进行建模,通过邻域交互参数矩阵考虑了每一小波系数向量与同一尺度上相邻小波系数向量之间的作用关系。实验结果表明该算法可以很好的实现动态纹理分割。2.提出了基于马尔可夫随机场能量的上下文关系的动态纹理分割算法。根据空时邻域系统和多尺度随机场模型确定标记场的邻域系统和能量函数。利用高斯分布描述观测场,形成基于多尺度随机场模型的马尔可夫随机场的动态纹理分割方法,运用最大后验准则分割动态纹理。最后,将仿真结果与现有模型算法的仿真结果进行对比,得到本方法具有更好的分割结果。(本文来源于《哈尔滨工程大学》期刊2015-12-01)
宋亚婷[6](2015)在《基于动态纹理模型的极光影像分类算法研究》一文中研究指出极光形态与行星际磁场及太阳风等空间物理过程密切相关,通过研究极光形态可以获得大量地球磁层和太阳风活动的信息。由于不同的极光形态对应不同的物理发生机制,因此极光影像数据的分类是极光科学研究中的一个关键问题。随着海量极光影像的产生,如何借助计算机实现对极光图像序列的自动分类识别成为研究热点。基于此,本论文对极光影像分类算法展开详细的分析与研究。针对极光图像的特征提取和分类,本文提出了基于显着图优选训练样本的卷积自动编码网络(S-CAE)。算法先对图像进行显着性分析,根据其显着图提取训练样本并对自动编码器(AE)网络进行训练,用得到的特征作为卷积滤波器构建卷积网络,提取极光图像深度特征,最后将提取到的特征训练softmax分类器实现分类。该方法避免了训练大型神经网络耗时耗力、对计算硬件要求高等问题。实验结果表明该模型对于单帧极光图像具有较好的特征提取能力,能够获得较好的分类结果。极光序列对极光影像的分析更具实际意义,因此本文提出一种基于动态纹理模型的极光序列分类算法,并利用奇异值分解对模型参数进行求解,最后利用模型参数的马丁距离来衡量图像序列的差异性,实现极光序列的自动分类识别。为了进一步提高模型紧凑度和计算效率,将张量分解引入模型求解,提高了分类准确率。实验结果表明动态纹理模型能够有效地描述极光序列的动态特征,从而获取较高的分类准确率。极光是一个连续发生的过程,单纯考虑其静态特性和动态特性都是不全面的。因此,本文进一步对极光动态纹理模型进行改进,用单帧图像特征代替原始的像素阵列作为动态纹理模型的输入,综合考虑了极光序列的静态特征和动态特征,对极光序列进行全面的分析和研究。实验结果也表明基于特征序列的动态纹理模型具有较强的极光特征表征能力,能够进一步提高极光序列分类准确率。(本文来源于《西安电子科技大学》期刊2015-12-01)
蒋行国,李志丰,张龙[7](2015)在《压缩感知与动态纹理模型的视频信号分类》一文中研究指出针对视频数据的动态纹理特性,提出结合视频压缩感知技术,首先通过压缩采样技术对视频数据进行采样,得到少量的采样数据;然后建立线性动态系统模型,通过少量的压缩采样数据直接估计出模型参数;最后通过计算模型间的马氏距离实现动态纹理视频数据的分类。实验结果表明,提出的压缩感知参数估计方法在20%的低采样率情况下,对交通视频数据的分类正确率达到87%以上。(本文来源于《电子技术应用》期刊2015年05期)
汪彩霞,魏雪云,王彪[8](2015)在《基于堆栈降噪自动编码模型的动态纹理分类方法》一文中研究指出针对以往动态场景分类中需要手动提取动态特征描述符以及特征维数过高的问题,提出利用深度学习网络模型进行动态纹理特征的提取。首先利用慢特征分析法(SFA)预先学习每个视频序列的动态特征,将该特征作为深度学习网络模型的输入数据进行学习,进一步得到信号的高级表示,深度网络模型选用堆栈降噪自动编码模型,最后用SVM分类法对其进行分类。实验证明该方法所提取的特征维数低,并且能够有效地表示动态纹理。(本文来源于《现代电子技术》期刊2015年06期)
翁立祥[9](2015)在《基于隐马尔可夫模型的动态纹理分类》一文中研究指出动态纹理是复杂动态物体的视频序列,展现出在时间域上的某些稳定性质,可以为各式各样的视频处理任务提供至关重要的视觉线索。而动态纹理分类是就是利用动态纹理属性识别出区域或者对象的类型,它是动态纹理分析中一项非常重要的环节。尽管对这方面的探索已经做出了很多努力,但是动态纹理分类仍然是一个有趣且充满挑战性的研究领域。传统研究方法中,动态纹理常被认为是线性动态系统的输出。虽然这类方法可以结合动态纹理的运动和外观属性,但是线性动态系统中的状态变量和观测变量都是连续的并且服从高斯分布,这与动态纹理的实际表现不符。隐马尔可夫模型与线性动态系统有着完全相同的结构,然而模型中状态变量是离散的,且观测变量可以服从任意分布,更适合进行动态纹理描述。所以,本文的主要工作内容如下:1.将经典隐马尔可夫模型理论的比例因子方法推广到高阶隐马尔可夫模型,重点解决高阶模型在参数重估过程中的数值下溢问题。同时简单讨论了模型解码问题,根据一阶和叁阶Viterbi算法理论给出了一般意义上的适用于高阶隐马尔可夫模型的Viterbi算法。2.提出一种基于极大似然准则的动态纹理分类方案。首先将动态纹理视频中像素强度序列用隐马尔可夫模型来建模,其中动态纹理的外观信息由观测变量编码,随着时间变动的动态属性由隐状态来表示。该模型依据的原理是拥有任意激发概率分布的观测值和高阶隐马尔可夫模型中隐状态的高阶依懒性可以产生对动态纹理更好的表示。然后利用极大似然分类准则判断待分类样本的所属类别,通过与基于线性动态系统的方法作对比,分析所提方案具有的分类性能。3.提出一种基于相似性测距的动态纹理分类方案。借鉴“系统包”模型的思想,在使用隐马尔可夫模型对动态纹理建模之后,通过K-均值和K-中心聚类算法得到代表性模型,并定义出不同序列之间的相似性,然后提取表征动态纹理的特征向量,分别利用K近邻分类器和支持向量机分类器对测试样本进行分类,最后通过仿真实验验证该方案的分类效果。(本文来源于《哈尔滨工程大学》期刊2015-01-01)
刘猛[10](2015)在《叁维模型动态纹理映射》一文中研究指出从图片序列中重建叁维模型日益受到重视,然而其侧重点大多数集中于准确恢复叁维模型的物理形状,而给叁维模型贴纹理常常被忽略。但是好的纹理是模型的重要部分,纹理的质量对模型的真实感有非常大的影响。虽然现在已经有一些学者对模型的纹理映射进行深入讨论,然后其所用图片往往来源用于叁维重建的图片序列,即相机内外参数已经求得,非实时的图片。本文研究了如何用对所建模物体的任意图片序列进行纹理映射,并在此基础上开发了动态纹理映射系统,可以将若干个摄像头的视频实时映射到叁维模型上,使得虚拟的叁维模型有动态的真实视频作为纹理,达到真实与虚拟互相融合的效果。本文所要进行纹理贴图的模型可以是由视频或图片序列自动重建出的叁维模型,也可以是用建模工具(如3ds Max)手动创建的模型。纹理映射的先决条件是能准确求得所要映射图片的相机参数。对于自动重建出的叁维模型,本文通过图片点与叁维点的对应关系求得相机参数。对于手工创建的模型,本文创新的采用一种迂回方法,先由图片序列自动重建出叁维模型,然后将重建的叁维模型与手工创建的模型对齐,即得到自动重建模型到手工模型的坐标转换关系。先求相机相对于自动重建模型的姿态,然后由这两个模型的转换关系间接得到相机相对于手工构建模型的姿态。得到若干个所要进行纹理映射的相机的相机参数后,本文通过纹理图像视角方向和面片法向量的夹角、纹理图像相机到叁角面片的距离和投影点到图像边界距离叁个因素来为每个面片选择最佳纹理图片,接着应用纹理融合算法和亮度调整算法来解决边界缝隙问题,最后在静态纹理映射基础上完成动态视频纹理映射,它可用于监控系统中,使多个监控视频实时映射到需要监控的叁维场景上。为了进一步提高视频纹理映射在监控系统中的实用性,本文还实现了增强叁维浏览的功能,比如让用户进行不同视角的切换,对给定图片自动定位到模型中,查看相机位置和对带纹理的模型进行自动播放等。(本文来源于《浙江大学》期刊2015-01-01)
动态纹理模型论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对目前对动态纹理图像序列分割过程中没有充分利用图像序列间关系的问题,在此将尺度间上下文关系模型引入到动态纹理分割中。尺度间上下文关系模型可以充分利用小波域中同尺度各子带间以及相邻尺度子带间存在较强的依赖关系,用于提高动态纹理的刻画能力,达到较好的分割结果。文中利用MATLAB对动态纹理进行仿真分析。根据实验仿真结果并对其进行定量分析,结果证明该模型的动态纹理分割的误分割率更低,说明本模型提高了动态纹理分割的效果。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态纹理模型论文参考文献
[1].李娜.基于连续隐马尔可夫模型的动态纹理分析[D].哈尔滨工程大学.2017
[2].乔玉龙,陈立秋.基于小波域尺度间上下文关系模型的动态纹理分割[J].应用科技.2016
[3].宋亚婷,韩冰,高新波.基于张量动态纹理模型的极光视频分类[J].南京大学学报(自然科学).2016
[4].赵赶超.基于小波域HMT模型的动态纹理分割方法研究[D].哈尔滨工程大学.2015
[5].陈立秋.基于尺度间上下文关系模型的动态纹理分割[D].哈尔滨工程大学.2015
[6].宋亚婷.基于动态纹理模型的极光影像分类算法研究[D].西安电子科技大学.2015
[7].蒋行国,李志丰,张龙.压缩感知与动态纹理模型的视频信号分类[J].电子技术应用.2015
[8].汪彩霞,魏雪云,王彪.基于堆栈降噪自动编码模型的动态纹理分类方法[J].现代电子技术.2015
[9].翁立祥.基于隐马尔可夫模型的动态纹理分类[D].哈尔滨工程大学.2015
[10].刘猛.叁维模型动态纹理映射[D].浙江大学.2015