无模型自适应控制方法在图像识别中的应用

发布时间：2020-09-30 08:35

　　 随着图像识别技术的发展,对从视频中准确的检测出动态前景目标的需求与日俱增。前景目标的检测对目标跟踪、行为识别等等后续研究具有重要意义。通过提取视频中的背景图像,应用背景减除法,就可以得到视频中的动态前景目标。因此,视频背景图像的准确提取对前景目标检测有着十分重要的作用。但提取出真实的背景图像是比较困难的,因为它会受到自然环境的变化、拍摄设备的检测误差等多方面的干扰。而传统基于模型的背景提取方法往往会受到上述干扰因素的影响而发生模型失真的问题,不能准确的提取背景进而使得检测出的前景目标也难以辨认。无模型自适应控制(Model-Free Adaptive Control,MFAC)方法不需要建立机理模型,仅由系统中变化的数据来得到控制算法,可以很好的避免依赖模型而造成的一切问题,并且根据处理对象的复杂程度有三种结构不同的控制方案可供选择。因此,本文着重进行基于MFAC在图像识别领域中背景图像提取及前景目标检测的应用研究。本文的主要内容如下:首先,理论分析了 MFAC方法用于背景图像提取的可行性,实现了基于单入单出(single input and single output,SISO)紧格式、偏格式和全格式这三种格式的MFAC方法来进行视频背景图像的提取。其背景提取效果和传统基于模型方法的对比表明MFAC方法性能更好,提取的背景更加稳定,抗干扰能力更强。同时,基于MFAC方法提取的背景所检测出的前景目标更准确,并且根据环境复杂程度不同有三种格式可供选择。其次,为了充分利用图像的色彩信息,避免由于将彩色图像进行灰度化处理使得一些关键色彩信息缺失,本文还建立了基于多入多出(multiple input and multiple output,MIMO)MFAC的彩色背景图像提取方法。可直接在RGB三通道上对彩色图像进行处理,有效得到彩色背景图像,同时基于彩色背景相比于灰度背景所检测出的前景目标更清晰。提取出的彩色背景还可为阴影去除的研究提供基础。最后,关于动态背景和阴影去除进行了改进研究。在动态背景中可依据背景动态程度自动的去设置背景前景分离阈值,实现了在动态背景下清晰的检测出前景目标。同时,针对因光照造成的前景目标携带阴影的问题,进行了基于彩色背景图像的阴影去除方法改进,利用阴影与背景图像的颜色差异特性得出了阴影检测的判断方法,可以达到良好的去除阴影的效果。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP273.2
【部分图文】：

图２－１图像采样逡逑Ｆｉ．２－１邋Ｉｍａｅ邋ｓａｍｌｉｎ

图２－２图像灰度化效果逡逑Ｆｉｇ．２－２邋Ｇｒａｙｓｃａｌｅ邋ｅｆｆｅｃｔ邋ｏｆ邋ｉｍａｇｅ逡逑

帧差分法流程

【参考文献】

相关期刊论文 前10条

1 侯忠生;董航瑞;金尚泰;;基于坐标补偿的自动泊车系统无模型自适应控制[J];自动化学报;2015年04期

2 余烨;曹明伟;岳峰;;EVibe:一种改进的Vibe运动目标检测算法[J];仪器仪表学报;2014年04期

3 彭智浩;杨风暴;王志社;陈磊;;基于数学形态学和自动区域生长的红外目标提取[J];红外技术;2014年01期

4 戴夏强;周大可;鹿乐;;基于匹配分布和混合高斯模型的车辆检测算法[J];吉林大学学报(信息科学版);2013年05期

5 王玮;李红波;吴渝;;一种运动目标阴影轮廓的两步检测算法[J];广西师范大学学报(自然科学版);2010年03期

6 侯忠生;许建新;;数据驱动控制理论及方法的回顾和展望[J];自动化学报;2009年06期

7 查成东;王长松;巩宪锋;周家新;;基于自适应背景模型的运动目标检测[J];光电工程;2008年01期

8 朱铮涛;曾江翔;王志萍;;基于卡尔曼滤波的背景估计及其算法实现[J];微计算机信息;2007年28期

9 陈凤东,洪炳昒;基于动态阈值背景差分算法的目标检测方法[J];哈尔滨工业大学学报;2005年07期

10 王晓卫,宁固;一种改进的基于光流的运动目标的检测算法[J];武汉大学学报(信息科学版);2003年03期

相关硕士学位论文 前1条

1 王超;基于彩色视频图像的目标跟踪研究[D];浙江大学;2013年

本文编号：2830619