基于MPEG-7标准的海上移动目标分类方法研究

发布时间：2017-09-03 00:24

  本文关键词：基于MPEG-7标准的海上移动目标分类方法研究

  更多相关文章： MPEG-7标准 船舶目标分类 形状特征库 模板匹配 人工神经网络

【摘要】：目标分类是智能视频监控领域的重要研究内容,它是实现视频目标行为分析与理解的基础。一般而言,具体的目标分类方法是根据被分类目标的特征决定的,没有一种适用于所有类型目标分类的方法。近年来,关于目标分类方法的研究越来越多,但专门对海上目标分类方法进行的研究还相对较少。对海上视频中的目标进行自动分类,可以提高船上人员对本船周围环境的感知能力,也可以广泛应用于海上安防、海事管理、航道管理和海上搜救等领域。本文将可用于各类多媒体信息标准化描述的MPEG-7标准引入海上视频中船舶目标分类的应用中,提出了基于MPEG-7标准的海上移动目标分类方法。首先,通过对海上各类船舶目标的主要视觉特征进行分析,得知形状特征在各类船舶之间具有明显的可分性,本文利用形状特征对海上船舶目标进行分类。其次,考虑到视频中船舶目标存在平移、缩放以及旋转变换等情况,同时目标并不能达到精确或完整的检测,本文选择对上述变换保持稳定的Hu不变矩和ART系数对船舶目标区域形状特征进行描述。通过对各类船舶目标提取的Hu不变矩和ART系数形状特征值对比分析,本文选取其中最具有可分性的7个特征值组成特征向量。然后,鉴于目前对于目标样本特征文件的存储并没有统一的格式标准,这往往不利于现有特征库的重复利用。本文将提取的船舶目标区域形状特征向量按照MPEG-7标准的统一格式生成特征描述文件,并在此基础上利用各类船舶的模型图像建立海上船舶目标形状特征库。最后,利用KNN模板匹配和BP人工神经网络两种分类方法分别对五类船舶的模型图像和采集的海上视频中检测得到的船舶目标进行分类实验。实验结果表明,在海上船舶目标分类方面两种分类方法均达到了较高的正确识别率。
【关键词】：MPEG-7标准 船舶目标分类 形状特征库 模板匹配 人工神经网络
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TN948.6
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-21
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状12-19
• 1.2.1 图像目标特征提取研究现状13-15
• 1.2.2 目标分类技术研究现状15-18
• 1.2.3 MPEG-7与目标分类18-19
• 1.3 本文的主要研究内容19-20
• 1.4 本章小结20-21
• 第2章 船舶目标特征分析与数学描述21-29
• 2.1 目标特征的选取原则21-22
• 2.2 船舶目标特征分析与选取22-23
• 2.3 船舶目标形状特征的数学描述23-28
• 2.3.1 Hu不变矩形状特征描述23-26
• 2.3.2 ART形状特征描述26-28
• 2.4 本章小结28-29
• 第3章 船舶目标形状特征库的建立29-48
• 3.1 船舶目标形状特征提取29-42
• 3.1.1 同类型船舶目标形状特征提取29-36
• 3.1.2 不同类型船舶目标形状特征提取36-42
• 3.2 基于MPEG-7标准的船舶目标特征库的建立42-47
• 3.2.1 MPEG-7标准的应用42-44
• 3.2.2 建立船舶目标特征库44-47
• 3.3 本章小结47-48
• 第4章 船舶目标分类48-60
• 4.1 目标分类算法的选取48-49
• 4.2 基于KNN模板匹配的船舶目标分类49-50
• 4.3 基于BP人工神经网络的船舶目标分类50-55
• 4.3.1 分类器的构造50-52
• 4.3.2 分类器的训练52-55
• 4.4 船舶目标分类实验55-59
• 4.5 本章小结59-60
• 第5章 总结与展望60-61
• 5.1 本文总结60
• 5.2 研究展望60-61
• 参考文献61-65
• 致谢65-66
• 作者简介66

【相似文献】

中国期刊全文数据库 前10条

1 D.Giuli;M.Gherardelli;M.Fossi;王德纯;;用极化判别进行目标分类和识别[J];现代雷达;1987年02期

2 A. Farina;A. Visconti;陈振邦;;利用多重假设测试法对雷达目标分类[J];国外舰船技术.雷达与对抗;1988年Z1期

3 J.S.陈;E.K.沃尔顿;陈振邦;;两种目标分类技术的比较[J];国外舰船技术.雷达与对抗;1987年04期

4 杜思伟;林家骏;苏永明;;基于条件证据更新的机动目标分类[J];华东理工大学学报(自然科学版);2012年04期

5 郭雷,肖怀铁,付强;基于支持矢量机特征空间距离的多目标分类方法[J];计算机仿真;2005年09期

6 张汉华,王伟,姜卫东,陈曾平,庄钊文;基于时间谱信息的低分辨雷达飞机目标分类[J];系统工程与电子技术;2004年04期

7 王强光;伍铁军;;智能监控系统中的运动目标分类方法研究[J];工业控制计算机;2011年01期

8 林幼权;;球载雷达目标分类与识别技术研究[J];现代雷达;2011年07期

9 寇英信;王琳;全勇;;自组织特征映射网络在目标分类识别中的应用[J];火力与指挥控制;2009年01期

10 刘佶鑫;孙权森;曹国;;压缩感知稀疏识别用于多视角图像目标分类[J];应用科学学报;2013年02期

中国重要会议论文全文数据库 前7条

1 朱靖;王晓博;王国宏;;一种基于高度信息的目标分类方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

2 周维;庄连生;俞能海;;小规模和非平衡数据下的目标分类[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 卢家楣;刘伟;贺雯;;课堂教学的情感目标分类与测评[A];第十一届全国心理学学术会议论文摘要集[C];2007年

4 计科峰;高贵;贾承丽;匡纲要;粟毅;;一种利用方位角信息基于峰值匹配的SAR图像目标分类方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

5 任皓;计科峰;张爱兵;周石琳;;一种利用方位角信息的SAR目标分类方法[A];第七届全国信息获取与处理学术会议论文集[C];2009年

6 王晓静;原达;李道凯;;应用Krawtchouk矩和SVM的运动目标分类技术[A];第五届全国几何设计与计算学术会议论文集[C];2011年

7 丘昌镇;任皓;邹焕新;周石琳;;基于PCA和2D-PCA特征的SAR图像目标分类性能比较[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前2条

1 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

2 王世f^;面向SAR图像目标分类的关键技术研究[D];国防科学技术大学;2008年

中国硕士学位论文全文数据库 前10条

1 万潇婷;与位置无关的室内多静止目标分类方法研究[D];南昌大学;2015年

2 张恒;WSN监测系统中目标分类与多目标定位的研究[D];国防科学技术大学;2013年

3 李玮璐;基于JEM效应的飞机目标分类方法研究[D];西安电子科技大学;2014年

4 赵紫蕙;微多普勒效应在飞机目标分类中的应用研究[D];西安电子科技大学;2014年

5 田星华;窄带雷达车辆目标分类方法及实现[D];西安电子科技大学;2014年

6 蔡利;智能视频监控中运动目标的分类识别研究[D];南京邮电大学;2015年

7 顾婷婷;智能视频监控平台中运动目标分类的研究与实现[D];南京邮电大学;2015年

8 郭倩;基于视觉词包模型的大规模目标分类和检索[D];河南大学;2015年

9 都期望;基于MPEG-7标准的海上移动目标分类方法研究[D];大连海事大学;2016年

10 田彬;视频监控中运动目标分类方法研究[D];山东轻工业学院;2010年

，

本文编号：781781