基于视觉的水面上移动目标检测及统计算法研究
发布时间：2022-01-06 03:34
在移动目标检测算法研究中,研究者都想得到被检测目标的全部信息,但是由于各种外界以及目标自身一些固有因素的影响,检测结果与最理想的结果总是有一些差距,这样的结果常常会影响到人们对图像以及视频的精确处理和分析。论文就水面上移动目标的检测及统计方法展开了相关研究,着重研究了水面上移动目标的检测算法建模,以及移动目标的数量统计方法。论文首先介绍了移动目标检测及统计的研究背景、意义及现状,对一些主流方法进行了简单的介绍与对比分析,并讨论了现今目标检测算法所面临的问题与挑战。本论文主要对于移动目标检测及统计算法进行了研究,其主要研究内容以及具体创新点如下:提出了基于稀疏模型的水面上移动目标检测算法,采用稀疏表示理论来训练出一个动态水面背景字典,再通过字典就可以方便重构出背景图像块。如果已知一幅图像,又能够估计出它的背景图像,那么就能够更精确的得到移动目标。提出了基于区间背景模型的移动目标检测算法,该算法首先从一段无移动目标的视频中,学习出视频序列中每个坐标点上背景值的变化范围,并将其组成区间背景模型。在移动目标检测时,按逐点扫描进行检测,将当前像素的值与背景模型的值进行比较,如果像素点的值在背景模...
【文章来源】：南昌工程学院江西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
结果图STD算法
第二章基于稀疏模型的水面上移动目标检测算法13从表中可以看出本章算法比DGS算法快很多,并且与STD算法的处理速度差不多。主要原因是：DGS算法的复杂度非常高，该算法在背景模型的构建过程中要花费大量的时间，所以算法整体耗时比较多。而STD算法虽然在背景模型构建中花了相比本章算法背景构建阶段较多的时间，但是在移动目标检测过程中以其快速准确的特点弥补了该算法整体的帧处理时间，所以能够与本章算法的实时性相差无几。而本章算法只是在字典训练时需要消耗一些时间，在重建背景时，消耗的时间非常少。2）主观视觉效果比较和分析为验证本章算法在主观视觉方面的效果，在这里选取ducks视频中的第229帧和第366帧图片作为测试图，且分别与STD、DGS算法进行比较，来说明本章算法的可行性。具体如图2.1、图2.2所示。原图STD算法结果图DGS算法结果图本章算法结果图图2.1ducks视频第229帧各算法结果对比图Figure2.1comparisonoftheresultsofeachalgorithminframe229ofducksvideo
第二章基于稀疏模型的水面上移动目标检测算法13从表中可以看出本章算法比DGS算法快很多,并且与STD算法的处理速度差不多。主要原因是：DGS算法的复杂度非常高，该算法在背景模型的构建过程中要花费大量的时间，所以算法整体耗时比较多。而STD算法虽然在背景模型构建中花了相比本章算法背景构建阶段较多的时间，但是在移动目标检测过程中以其快速准确的特点弥补了该算法整体的帧处理时间，所以能够与本章算法的实时性相差无几。而本章算法只是在字典训练时需要消耗一些时间，在重建背景时，消耗的时间非常少。2）主观视觉效果比较和分析为验证本章算法在主观视觉方面的效果，在这里选取ducks视频中的第229帧和第366帧图片作为测试图，且分别与STD、DGS算法进行比较，来说明本章算法的可行性。具体如图2.1、图2.2所示。原图STD算法结果图DGS算法结果图本章算法结果图图2.1ducks视频第229帧各算法结果对比图Figure2.1comparisonoftheresultsofeachalgorithminframe229ofducksvideo
【参考文献】：
期刊论文
[1]Otsu阈值分割法特点及其应用分析[J]. 袁小翠,黄志开,马永力,刘宝玲. 南昌工程学院学报. 2019(01)
[2]空谱联合的高光谱遥感图像稀疏解混综述与展望[J]. 张绍泉,李军,邓承志,汪胜前. 南昌工程学院学报. 2018(06)
[3]一种多特征融合的运动目标检测算法[J]. 张松,杜宇人. 扬州大学学报(自然科学版). 2018(04)
[4]融合五帧差分和codebook模型的运动目标检测[J]. 李春敏,邬春学,熊乃学. 电子科技. 2018(11)
[5]复杂动态背景下的运动目标检测[J]. 王思明,韩乐乐. 光电工程. 2018(10)
[6]基于边缘对比差分算法的运动目标检测[J]. 刘小静,薛峰. 计算机工程. 2018(10)
[7]视频图像中的人脸检测算法研究[J]. 吴秀,吴薇. 物联网技术. 2018(09)
[8]基于改进ViBe算法与三帧差法的运动检测算法[J]. 杨依忠,张强,汪鹏飞. 合肥工业大学学报(自然科学版). 2018(08)
[9]复杂场景下的运动目标识别算法[J]. 宫法明,李翛然,马玉辉. 计算机系统应用. 2018(08)
[10]复杂背景下的视频前景检测方法研究[J]. 陈震,张紫涵,曾希萌. 数学的实践与认识. 2018(15)
硕士论文
[1]基于视频图像的运动目标与阴影检测算法研究[D]. 王玮.华东交通大学 2018
[2]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[3]红外弱小运动目标的检测算法研究[D]. 杨丹.西安理工大学 2018
[4]智能视频监控中运动目标检测与跟踪算法研究[D]. 卞强.东北石油大学 2018
[5]动态场景下运动目标检测与识别算法的研究[D]. 黄结龙.暨南大学 2018
[6]复杂背景下的视频运动目标跟踪算法[D]. 郑晓萌.中国科学院大学(中国科学院国家空间科学中心) 2018
[7]复杂背景下的运动目标检测[D]. 李雅婧.西安工业大学 2016
本文编号：3571646
【文章来源】：南昌工程学院江西省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
结果图STD算法
第二章基于稀疏模型的水面上移动目标检测算法13从表中可以看出本章算法比DGS算法快很多,并且与STD算法的处理速度差不多。主要原因是：DGS算法的复杂度非常高，该算法在背景模型的构建过程中要花费大量的时间，所以算法整体耗时比较多。而STD算法虽然在背景模型构建中花了相比本章算法背景构建阶段较多的时间，但是在移动目标检测过程中以其快速准确的特点弥补了该算法整体的帧处理时间，所以能够与本章算法的实时性相差无几。而本章算法只是在字典训练时需要消耗一些时间，在重建背景时，消耗的时间非常少。2）主观视觉效果比较和分析为验证本章算法在主观视觉方面的效果，在这里选取ducks视频中的第229帧和第366帧图片作为测试图，且分别与STD、DGS算法进行比较，来说明本章算法的可行性。具体如图2.1、图2.2所示。原图STD算法结果图DGS算法结果图本章算法结果图图2.1ducks视频第229帧各算法结果对比图Figure2.1comparisonoftheresultsofeachalgorithminframe229ofducksvideo
第二章基于稀疏模型的水面上移动目标检测算法13从表中可以看出本章算法比DGS算法快很多,并且与STD算法的处理速度差不多。主要原因是：DGS算法的复杂度非常高，该算法在背景模型的构建过程中要花费大量的时间，所以算法整体耗时比较多。而STD算法虽然在背景模型构建中花了相比本章算法背景构建阶段较多的时间，但是在移动目标检测过程中以其快速准确的特点弥补了该算法整体的帧处理时间，所以能够与本章算法的实时性相差无几。而本章算法只是在字典训练时需要消耗一些时间，在重建背景时，消耗的时间非常少。2）主观视觉效果比较和分析为验证本章算法在主观视觉方面的效果，在这里选取ducks视频中的第229帧和第366帧图片作为测试图，且分别与STD、DGS算法进行比较，来说明本章算法的可行性。具体如图2.1、图2.2所示。原图STD算法结果图DGS算法结果图本章算法结果图图2.1ducks视频第229帧各算法结果对比图Figure2.1comparisonoftheresultsofeachalgorithminframe229ofducksvideo
【参考文献】：
期刊论文
[1]Otsu阈值分割法特点及其应用分析[J]. 袁小翠,黄志开,马永力,刘宝玲. 南昌工程学院学报. 2019(01)
[2]空谱联合的高光谱遥感图像稀疏解混综述与展望[J]. 张绍泉,李军,邓承志,汪胜前. 南昌工程学院学报. 2018(06)
[3]一种多特征融合的运动目标检测算法[J]. 张松,杜宇人. 扬州大学学报(自然科学版). 2018(04)
[4]融合五帧差分和codebook模型的运动目标检测[J]. 李春敏,邬春学,熊乃学. 电子科技. 2018(11)
[5]复杂动态背景下的运动目标检测[J]. 王思明,韩乐乐. 光电工程. 2018(10)
[6]基于边缘对比差分算法的运动目标检测[J]. 刘小静,薛峰. 计算机工程. 2018(10)
[7]视频图像中的人脸检测算法研究[J]. 吴秀,吴薇. 物联网技术. 2018(09)
[8]基于改进ViBe算法与三帧差法的运动检测算法[J]. 杨依忠,张强,汪鹏飞. 合肥工业大学学报(自然科学版). 2018(08)
[9]复杂场景下的运动目标识别算法[J]. 宫法明,李翛然,马玉辉. 计算机系统应用. 2018(08)
[10]复杂背景下的视频前景检测方法研究[J]. 陈震,张紫涵,曾希萌. 数学的实践与认识. 2018(15)
硕士论文
[1]基于视频图像的运动目标与阴影检测算法研究[D]. 王玮.华东交通大学 2018
[2]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[3]红外弱小运动目标的检测算法研究[D]. 杨丹.西安理工大学 2018
[4]智能视频监控中运动目标检测与跟踪算法研究[D]. 卞强.东北石油大学 2018
[5]动态场景下运动目标检测与识别算法的研究[D]. 黄结龙.暨南大学 2018
[6]复杂背景下的视频运动目标跟踪算法[D]. 郑晓萌.中国科学院大学(中国科学院国家空间科学中心) 2018
[7]复杂背景下的运动目标检测[D]. 李雅婧.西安工业大学 2016
本文编号：3571646
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3571646.html
最近更新
教材专著
