基于神经网络的静态手势识别算法研究
发布时间：2021-06-22 05:56
手势是人们日常生活中最自然直观的交流方式,手势中含有丰富的信息,通过手势可以表达出一些自然语言和书面语言难以表述的意思。现在,人机交互中所使用的设备无论在性能上,还是在运算能力上都有了很大的提升,因此基于手势的人机交互技术的研究逐渐成为研究的热点。静态手势可视为动态手势的瞬态,所以研究静态手势识别具有重要意义,有助于后续的动态手势识别的研究。本文重点针对静态手势识别所需要的技术做了详细的研究,主要的研究内容如下:（1）针对噪声对采集到的手势图像造成的干扰,首先研究了中值滤波和均值滤波的去噪原理,实验结果表明,两种算法在去噪时会造成图像不清晰,同时会使得边缘等细节信息丢失。针对上述问题,本文采用“自适应中值滤波+FNLM”相结合的混合去噪算法,经过实验验证该算法在去噪的同时可以保护图像边缘等细节信息不变。（2）针对手势的分割,深入研究了基于肤色和基于边缘的两种分割方法,实验发现RGB和HSV颜色空间对于肤色的聚类效果并不是很好,会把背景色作为肤色分割,而YCbCr空间的效果要好于前两种颜色空间,因此更适合用于肤色分割。另外,通过对几种边缘检测算子的研究,发现Canny算子定位精确,存在的...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图１－１本文手势识别流程图??１．４论文结构及章节安排??
如有的图像外轮廓线较长，这时选择方的或者圆的窗口较合适，而有的图像有尖顶角状，这时适??合选择十字形的窗口［２３］。??图２－２中我们分别用高斯和椒盐两种噪声对原手势图像加噪，加椒盐噪声的比例是０．０２，高??－８－??
（ｃ）滤除高斯噪声ＰＳＮＲ＝３７．１３３９?（ｄ）滤除椒盐噪声ＰＳＮＲ＝３２．?１１０４??图２－１均值滤波处理图??（２）中值滤波法??中值滤波法使用的是非线性的去噪方式，它的特点是通过把某像素点的邻域像素值进行排序，??然后求得它们的中值，使用该值取代该点的像素值［２２１。图像／〇ｃ，ｙ）大小为《＞＜？中值滤波器的定??义为：??ｙ）?＝?ｗｅｄ｛／（ｉ，?ｙ）｝?＝?ｍｅＪｊ（／?＋?ｋ，?ｊ＋?／），（ｋ，ｌ）?＾?ｓ，?（ｚ，?ｊ）ｃｎｘｎ）?（２－４）??Ｓ??其中，（Ｘ，乂）是图像中各点的灰度值，是去噪后各点的灰度值，ｓ是滤波窗口。??中值滤波对于椒盐噪声能进行很好地抑制，使得边缘等图像的细节信息获得有效地保护，但??缺点是对于含较多点线的图像去噪效果不好。??滤波时可供选择的窗口可以是线形、十字形、菱形等多种，窗口的选择是滤波的关键，选择??哪一种滤波窗口需要根据滤波图像的具体内容和滤波要求
【参考文献】：
期刊论文
[1]改进的非局部均值滤波算法[J]. 郭贝贝,易三莉,贺建峰,苗莹,邵党国. 计算机工程. 2016(07)
[2]融合Hu矩与BoF-SURF支持向量机的手势识别[J]. 隋云衡,郭元术. 计算机应用研究. 2014(03)
[3]快速非局部均值滤波图像去噪[J]. 张丽果. 信号处理. 2013(08)
[4]基于SIFT算子的图像匹配算法研究[J]. 白廷柱,侯喜报. 北京理工大学学报. 2013(06)
[5]一种基于PCA的组合特征提取文本分类方法[J]. 李建林. 计算机应用研究. 2013(08)
[6]主成分分析法（PCA）在SIFT匹配算法中的应用[J]. 马莉,韩燮. 电视技术. 2012(01)
[7]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
[8]基于改进RCE和RBF神经网络的静态手势识别[J]. 谭昶,肖南峰. 计算机工程与应用. 2011(07)
[9]一种改进的SIFT特征匹配算法[J]. 于丽莉,戴青. 计算机工程. 2011(02)
[10]HSV空间中彩色图像分割研究[J]. 张国权,李战明,李向伟,魏伟一. 计算机工程与应用. 2010(26)
博士论文
[1]RGB颜色空间及其应用研究[D]. 黄国祥.中南大学 2002
硕士论文
[1]非局部均值去噪算法研究[D]. 蔡斌.中国科学技术大学 2015
[2]基于神经网络方法的手势行为识别技术研究[D]. 周龙.电子科技大学 2015
[3]基于神经网络的手势识别研究[D]. 冯桐.北京理工大学 2015
[4]基于SIFT降维和BP网络的人脸识别方法的研究[D]. 冯博.河南大学 2014
[5]基于SIFT算法的人脸识别研究[D]. 维妮拉·艾尔肯.华北电力大学 2014
[6]基于BP神经网络的手势识别研究[D]. 李歌.燕山大学 2013
[7]图像边缘检测技术在人脸中的研究与实现[D]. 李洋.电子科技大学 2013
[8]基于SIFT算法的人脸识别研究[D]. 闫家梅.江苏科技大学 2013
[9]基于SIFT算法的车牌识别系统研究[D]. 郭金芝.西安电子科技大学 2012
[10]图像边缘检测技术的研究[D]. 潘夏英.西安科技大学 2011
本文编号：3242265
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
图１－１本文手势识别流程图??１．４论文结构及章节安排??
如有的图像外轮廓线较长，这时选择方的或者圆的窗口较合适，而有的图像有尖顶角状，这时适??合选择十字形的窗口［２３］。??图２－２中我们分别用高斯和椒盐两种噪声对原手势图像加噪，加椒盐噪声的比例是０．０２，高??－８－??
（ｃ）滤除高斯噪声ＰＳＮＲ＝３７．１３３９?（ｄ）滤除椒盐噪声ＰＳＮＲ＝３２．?１１０４??图２－１均值滤波处理图??（２）中值滤波法??中值滤波法使用的是非线性的去噪方式，它的特点是通过把某像素点的邻域像素值进行排序，??然后求得它们的中值，使用该值取代该点的像素值［２２１。图像／〇ｃ，ｙ）大小为《＞＜？中值滤波器的定??义为：??ｙ）?＝?ｗｅｄ｛／（ｉ，?ｙ）｝?＝?ｍｅＪｊ（／?＋?ｋ，?ｊ＋?／），（ｋ，ｌ）?＾?ｓ，?（ｚ，?ｊ）ｃｎｘｎ）?（２－４）??Ｓ??其中，（Ｘ，乂）是图像中各点的灰度值，是去噪后各点的灰度值，ｓ是滤波窗口。??中值滤波对于椒盐噪声能进行很好地抑制，使得边缘等图像的细节信息获得有效地保护，但??缺点是对于含较多点线的图像去噪效果不好。??滤波时可供选择的窗口可以是线形、十字形、菱形等多种，窗口的选择是滤波的关键，选择??哪一种滤波窗口需要根据滤波图像的具体内容和滤波要求
【参考文献】：
期刊论文
[1]改进的非局部均值滤波算法[J]. 郭贝贝,易三莉,贺建峰,苗莹,邵党国. 计算机工程. 2016(07)
[2]融合Hu矩与BoF-SURF支持向量机的手势识别[J]. 隋云衡,郭元术. 计算机应用研究. 2014(03)
[3]快速非局部均值滤波图像去噪[J]. 张丽果. 信号处理. 2013(08)
[4]基于SIFT算子的图像匹配算法研究[J]. 白廷柱,侯喜报. 北京理工大学学报. 2013(06)
[5]一种基于PCA的组合特征提取文本分类方法[J]. 李建林. 计算机应用研究. 2013(08)
[6]主成分分析法（PCA）在SIFT匹配算法中的应用[J]. 马莉,韩燮. 电视技术. 2012(01)
[7]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
[8]基于改进RCE和RBF神经网络的静态手势识别[J]. 谭昶,肖南峰. 计算机工程与应用. 2011(07)
[9]一种改进的SIFT特征匹配算法[J]. 于丽莉,戴青. 计算机工程. 2011(02)
[10]HSV空间中彩色图像分割研究[J]. 张国权,李战明,李向伟,魏伟一. 计算机工程与应用. 2010(26)
博士论文
[1]RGB颜色空间及其应用研究[D]. 黄国祥.中南大学 2002
硕士论文
[1]非局部均值去噪算法研究[D]. 蔡斌.中国科学技术大学 2015
[2]基于神经网络方法的手势行为识别技术研究[D]. 周龙.电子科技大学 2015
[3]基于神经网络的手势识别研究[D]. 冯桐.北京理工大学 2015
[4]基于SIFT降维和BP网络的人脸识别方法的研究[D]. 冯博.河南大学 2014
[5]基于SIFT算法的人脸识别研究[D]. 维妮拉·艾尔肯.华北电力大学 2014
[6]基于BP神经网络的手势识别研究[D]. 李歌.燕山大学 2013
[7]图像边缘检测技术在人脸中的研究与实现[D]. 李洋.电子科技大学 2013
[8]基于SIFT算法的人脸识别研究[D]. 闫家梅.江苏科技大学 2013
[9]基于SIFT算法的车牌识别系统研究[D]. 郭金芝.西安电子科技大学 2012
[10]图像边缘检测技术的研究[D]. 潘夏英.西安科技大学 2011
本文编号：3242265
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3242265.html
