基于记忆学习的高速运动感知图像的去模糊及目标识别研究
发布时间：2021-07-01 22:13
视觉是人类获取信息的主要手段,机器视觉检测模拟人类视觉对感兴趣目标进行感知识别。随着基于深度学习的视觉感知研究进入新的智能阶段,模拟人类脑智能的视觉识别是研究新方向。记忆学习是人类认知的高级功能,本文将研究模拟人类记忆学习的视觉感知模型完成运动的目标识别。动态目标图像的识别一直是研究的难点,本文将针对感知器高速运动时采集的图像及目标识别进行研究。研究表明图像的清晰是确保深度学习方法进行目标识别成功的关键,因此,图像尤其是动态图像在目标识别前进行去模糊很重要。本文首先从光学感知和图像生成的原理出发,分析运动感知模糊成因,构建高速运动成像模型;接着研究带记忆的深度学习方法识别复杂因素导致的图像模糊类型;再针对实际高速采集的图像进行去模糊;最后研究融合记忆的深度学习模型进行目标识别。具体研究工作依次从以下几个方面展开:1、分析高速成像模糊机理,构建图像感知器的运动成像模型及仿真系统。由于拍摄特定轨迹运动过程中,在曝光时间内感光传感器与被测物影像发生相对运动将导致图像模糊,尤其是在感知器高速运动采集时,这种运动模糊更为明显。因此在图像去模糊前分析模糊的成因是非常有必要的,通过模拟目标运动和相机...
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：146 页
【学位级别】：博士
【部分图文】：
各种模糊类型示例
第1章绪论15SURF主要是把SIFT中的某些运算作了简化。SURF把SIFT中的高斯二阶微分的模板进行了简化，使得卷积平滑操作仅需要转换成加减运算，这样使得SURF算法的鲁棒性好且时间复杂度低。SURF最终成生的特征点特征向量的维度为64维。(a)Harr-like特征(b)LBP特征(c)SIFT特征(d)HOG特征图1.5通常的图像特征算子的计算模式示意图通过这些特征对目标进行识别，然后再结合相应的策略对目标进行定位。由于视角、姿态、遮挡、背景及光线条件的不同，也难以用一种特征算子来提取出图像中目标，而且传统的目标特征提取方法隐藏了算法的生成功能。基于深度学习的目标检测成为目前主流方法，主要可以表示为：图像的深度特征提娶基于深度神经网络的目标识别与定位，其中主要用到的深度神经网络模型是卷积神经网络CNN。主要有以下三大类：基于区域建议的目标检测与识别算法，如R-CNN[133],FastR-CNN[134],FasterR-CNN[135]；基于回归的目标检测与识别算法，如YOLO[136],SSD[137]；基于搜索的目标检测与识别算法，如基于视觉注意的AttentionNet[138]和强化学习算法[139]。这些算法由于网络结构，训练策略及优化函数方面各不相同，优劣很难进行比较，因为不同的特征提取模型，如：VGG16,ResNet,Inception,MobileNet等，不同的图像像素大小，不同的软硬件平台，很难联合进行比较[140-143]。在实
轨道缺陷检测处理系统
【参考文献】：
期刊论文
[1]图像匹配方法研究综述[J]. 贾迪,朱宁丹,杨宁华,吴思,李玉秀,赵明远. 中国图象图形学报. 2019(05)
[2]A Text Sentiment Classification Modeling Method Based on Coordinated CNN-LSTM-Attention Model[J]. ZHANG Yangsen,ZHENG Jia,JIANG Yuru,HUANG Gaijuan,CHEN Ruoyu. Chinese Journal of Electronics. 2019(01)
[3]基于视觉的印刷字符缺陷自动检测方法[J]. 冯秋歌,吴禄慎,王晓辉. 南昌大学学报(工科版). 2018(04)
[4]钢轨表面缺陷检测系统中图像增强预处理方法研究[J]. 岳彪,闵永智,马宏锋,肖本郁. 铁道科学与工程学报. 2018(12)
[5]融合LSTM的DCNN及其图像模糊类型和参数识别[J]. 黄绿娥,吴禄慎,陈华伟. 应用基础与工程科学学报. 2018(05)
[6]基于线结构光传感器的轨道板几何形貌检测方法[J]. 祝祥,邵双运,宋志军. 中国光学. 2018(05)
[7]轨道扣件检测特征提取算法研究[J]. 吴禄慎,万超,张丛. 机械设计与制造. 2018(08)
[8]基于MEMS陀螺仪的电子稳像算法[J]. 赵赛,康宝生,王力. 西北大学学报(自然科学版). 2018(03)
[9]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁. 模式识别与人工智能. 2018(04)
[10]基于非零均值广义高斯模型与全局结构相关性的BRISQUE改进算法[J]. 唐祎玲,江顺亮,徐少平. 计算机辅助设计与图形学学报. 2018(02)
博士论文
[1]基于压缩感知的动目标检测技术及其应用研究[D]. 王敏敏.中国科学院大学(中国科学院上海技术物理研究所) 2018
[2]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[3]轨道静态几何状态三维约束测量技术研究[D]. 王志勇.南昌大学 2018
[4]基于特征共享的高效物体检测[D]. 任少卿.中国科学技术大学 2016
[5]产品表面缺陷视觉检测数据处理关键技术研究[D]. 袁小翠.南昌大学 2015
[6]运动模糊图像全变分复原理论及关键技术研究[D]. 石明珠.北京理工大学 2014
[7]运动模糊图像恢复算法的研究与实现[D]. 刘微.中国科学院研究生院（长春光学精密机械与物理研究所） 2006
硕士论文
[1]基于深度学习的高铁接触网悬挂目标检测图像处理研究[D]. 狄亚柳.西南交通大学 2018
[2]基于机器视觉的人体运动目标智能监控系统设计与研究[D]. 黄绿娥.北京交通大学 2008
本文编号：3259963
【文章来源】：南昌大学江西省 211工程院校
【文章页数】：146 页
【学位级别】：博士
【部分图文】：
各种模糊类型示例
第1章绪论15SURF主要是把SIFT中的某些运算作了简化。SURF把SIFT中的高斯二阶微分的模板进行了简化，使得卷积平滑操作仅需要转换成加减运算，这样使得SURF算法的鲁棒性好且时间复杂度低。SURF最终成生的特征点特征向量的维度为64维。(a)Harr-like特征(b)LBP特征(c)SIFT特征(d)HOG特征图1.5通常的图像特征算子的计算模式示意图通过这些特征对目标进行识别，然后再结合相应的策略对目标进行定位。由于视角、姿态、遮挡、背景及光线条件的不同，也难以用一种特征算子来提取出图像中目标，而且传统的目标特征提取方法隐藏了算法的生成功能。基于深度学习的目标检测成为目前主流方法，主要可以表示为：图像的深度特征提娶基于深度神经网络的目标识别与定位，其中主要用到的深度神经网络模型是卷积神经网络CNN。主要有以下三大类：基于区域建议的目标检测与识别算法，如R-CNN[133],FastR-CNN[134],FasterR-CNN[135]；基于回归的目标检测与识别算法，如YOLO[136],SSD[137]；基于搜索的目标检测与识别算法，如基于视觉注意的AttentionNet[138]和强化学习算法[139]。这些算法由于网络结构，训练策略及优化函数方面各不相同，优劣很难进行比较，因为不同的特征提取模型，如：VGG16,ResNet,Inception,MobileNet等，不同的图像像素大小，不同的软硬件平台，很难联合进行比较[140-143]。在实
轨道缺陷检测处理系统
【参考文献】：
期刊论文
[1]图像匹配方法研究综述[J]. 贾迪,朱宁丹,杨宁华,吴思,李玉秀,赵明远. 中国图象图形学报. 2019(05)
[2]A Text Sentiment Classification Modeling Method Based on Coordinated CNN-LSTM-Attention Model[J]. ZHANG Yangsen,ZHENG Jia,JIANG Yuru,HUANG Gaijuan,CHEN Ruoyu. Chinese Journal of Electronics. 2019(01)
[3]基于视觉的印刷字符缺陷自动检测方法[J]. 冯秋歌,吴禄慎,王晓辉. 南昌大学学报(工科版). 2018(04)
[4]钢轨表面缺陷检测系统中图像增强预处理方法研究[J]. 岳彪,闵永智,马宏锋,肖本郁. 铁道科学与工程学报. 2018(12)
[5]融合LSTM的DCNN及其图像模糊类型和参数识别[J]. 黄绿娥,吴禄慎,陈华伟. 应用基础与工程科学学报. 2018(05)
[6]基于线结构光传感器的轨道板几何形貌检测方法[J]. 祝祥,邵双运,宋志军. 中国光学. 2018(05)
[7]轨道扣件检测特征提取算法研究[J]. 吴禄慎,万超,张丛. 机械设计与制造. 2018(08)
[8]基于MEMS陀螺仪的电子稳像算法[J]. 赵赛,康宝生,王力. 西北大学学报(自然科学版). 2018(03)
[9]基于深度卷积网络的目标检测综述[J]. 吴帅,徐勇,赵东宁. 模式识别与人工智能. 2018(04)
[10]基于非零均值广义高斯模型与全局结构相关性的BRISQUE改进算法[J]. 唐祎玲,江顺亮,徐少平. 计算机辅助设计与图形学学报. 2018(02)
博士论文
[1]基于压缩感知的动目标检测技术及其应用研究[D]. 王敏敏.中国科学院大学(中国科学院上海技术物理研究所) 2018
[2]基于深度卷积神经网络的图像分类方法研究及应用[D]. 高震宇.中国科学技术大学 2018
[3]轨道静态几何状态三维约束测量技术研究[D]. 王志勇.南昌大学 2018
[4]基于特征共享的高效物体检测[D]. 任少卿.中国科学技术大学 2016
[5]产品表面缺陷视觉检测数据处理关键技术研究[D]. 袁小翠.南昌大学 2015
[6]运动模糊图像全变分复原理论及关键技术研究[D]. 石明珠.北京理工大学 2014
[7]运动模糊图像恢复算法的研究与实现[D]. 刘微.中国科学院研究生院（长春光学精密机械与物理研究所） 2006
硕士论文
[1]基于深度学习的高铁接触网悬挂目标检测图像处理研究[D]. 狄亚柳.西南交通大学 2018
[2]基于机器视觉的人体运动目标智能监控系统设计与研究[D]. 黄绿娥.北京交通大学 2008
本文编号：3259963
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3259963.html
最近更新
教材专著
