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),請進行舉報或認領(lǐng)
文檔簡介
1、 本文研究了基于支持矢量機(SVM)的紅外目標(biāo)識別與跟蹤方法,構(gòu)建了一個以數(shù)學(xué)形態(tài)學(xué)和支持矢量機為核心技術(shù)的紅外目標(biāo)跟蹤系統(tǒng),對其中的圖像預(yù)處理、目標(biāo)識別與跟蹤、運動理解等環(huán)節(jié)作了比較深入的方法研究。在圖像預(yù)處理環(huán)節(jié),采用數(shù)學(xué)形態(tài)學(xué)方法對紅外圖像進行濾波去噪、邊緣檢測、目標(biāo)分割等處理;在此基礎(chǔ)上,著重研究了形態(tài)學(xué)結(jié)構(gòu)元素對圖像處理效果的影響,提出了“基于信號尺度直方圖”的結(jié)構(gòu)元素最佳尺度確定方法;分析了形態(tài)學(xué)距離匹配度量MDM在相
2、似目標(biāo)識別中的作用和優(yōu)勢,并闡述了使用MDM的幾項關(guān)鍵技術(shù);對“基于形態(tài)學(xué)的紅外圖像分層解理方法”作了詳細的論述和實驗分析。在目標(biāo)識別、跟蹤與運動理解環(huán)節(jié),研究了用SVM模式分類器進行紅外目標(biāo)識別和用SVM函數(shù)估計器進行目標(biāo)運動理解的過程,論述了動態(tài)背景下的目標(biāo)跟蹤方法,為SVM中關(guān)鍵的樣本組織問題提出了“1+r”和“2”樣本策略,分析了控制SVM最優(yōu)分類面和估計函數(shù)的K(·)、C、σ、ε等參數(shù)的影響方式,并給出了各自的取值原則。實驗表
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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確性、安全性和完整性, 同時也不承擔(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
- 基于SVM的紅外運動目標(biāo)跟蹤方法研究.pdf
- 紅外弱小運動目標(biāo)檢測與跟蹤方法研究.pdf
- 紅外成像地面運動目標(biāo)跟蹤方法研究.pdf
- 基于運動模型的紅外多目標(biāo)跟蹤.pdf
- 智能交通中運動目標(biāo)跟蹤與SVM識別方法研究.pdf
- 基于SVM和均值平移的紅外車輛目標(biāo)跟蹤算法研究.pdf
- 基于紅外圖像的道路識別與運動目標(biāo)跟蹤.pdf
- 紅外圖像序列中運動目標(biāo)的檢測與跟蹤方法研究.pdf
- 基于粒子濾波的紅外目標(biāo)跟蹤方法研究.pdf
- 基于視覺的運動目標(biāo)跟蹤方法研究.pdf
- 基于粒子濾波的紅外弱小目標(biāo)檢測與跟蹤方法研究.pdf
- 基于tMHI的運動目標(biāo)跟蹤方法研究.pdf
- 基于紅外圖像的實時運動小目標(biāo)跟蹤研究.pdf
- 基于紅外視頻序列的行人目標(biāo)檢測與跟蹤方法研究.pdf
- 基于全景視覺的運動目標(biāo)檢測與跟蹤方法研究.pdf
- 基于MCMC的多運動目標(biāo)分割與跟蹤方法研究.pdf
- 運動目標(biāo)跟蹤方法研究.pdf
- 基于核相關(guān)濾波的紅外目標(biāo)跟蹤方法.pdf
- 基于Curvelet變換的運動目標(biāo)跟蹤方法.pdf
- 基于時空切片的運動目標(biāo)檢測與跟蹤方法研究.pdf
評論
0/150
提交評論