基于粒子群优化算法和自生成神经网络的手势识别研究
发布时间：2021-10-14 12:35
人机交互活动在人类日常生活中变得愈加重要,手势识别一直是人机交互领域的重要研究领域,也是近年来的研究热点。随着人机交互和计算机视觉的发展,手势识别的研究也取得了较大发展。计算机视觉的发展,使得问题转化为对图像处理的研究,通过图像处理技术来研究手势识别算法。手势识别技术使用手势代替各种按键,用户可以直接地使用简单的手势来控制电子设备。旨将手势作为一种更自然、更加快速高效的交互手段。图像采集设备所采集到的图像信息,由于包含手势以外的环境信息,手势识别算法需将手势信息从图像中分割出来,在基于计算机对图像中的手势进行识别时,手部区域的检测和分割是准确识别的前提。进而将提取到的手势图像特征输入到网络中训练和识别,计算该手势和所有类别的匹配度,取最大值所对应的手势类别为识别结果,得到手势识别结果后将其表示的含义反馈给系统,并使之作出响应,进而完成整个手势识别过程。因此,本文旨在研究如何设计更加有效的手势分割和识别算法。自生成神经网络是一类自组织神经网络,具有学习自主性高、无需人为调整网络结构与参数的优势。针对手势交互的特点,利用自生成神经网络的优势,本文采用智能寻优算法对自生成神经网络进行优化,将...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 课题来源及主要研究内容
1.4 论文的组织结构
第二章 相关技术综述
2.1 图像分割
2.1.1 区域分割
2.1.2 其它方法
2.2 聚类方法
2.2.1 常用算法
2.2.2 人工神经网络
2.2.3 深度学习
2.2.4 智能优化算法
2.3 神经网络与优化算法结合的案例
2.4 稀疏表示的图像去噪
2.4.1 字典的生成
2.4.2 稀疏分解(编码)
2.4.3 优化问题
2.5 本章总结
第三章 基于PSO-SGNT网络结构手势分割
3.1 使用区域生长法对图像粗分割
3.2 自生成神经网络
3.2.1 自生成神经网络结构存在的问题
3.2.2 自生成神经网络结构优化
3.3 粒子群优化算法
3.4 方法描述
3.5 基于模拟退火算法的稀疏表示图像去噪
3.6 本章总结
第四章 基于PSO-SGNT网络结构的手势识别
4.1 手势特征提取
4.1.1 Hu矩提取手势特征
4.1.2 多层次特征提取
4.1.3 卷积神经网络的改进分析
4.2 优化卷积神经网络的特征提取方法
4.2.1 拉普拉斯金字塔图像调整
4.2.2 嵌入式特征的选择
4.2.3 提取特征方法描述
4.3 PSO-SGNF手势识别
4.4 本章总结
第五章 总结与展望
5.1 工作总结
5.2 未来工作和展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]基于随机森林的密码体制分层识别方案[J]. 黄良韬,赵志诚,赵亚群. 计算机学报. 2018(02)
[2]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[4]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[5]人车交互技术中的手势检测及识别方法[J]. 雷蕾,赵涓涓,史曜华. 太原理工大学学报. 2016(06)
[6]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[7]基于多尺度的区域生长的图像分割算法[J]. 肖明尧,李雄飞,张小利,张刘. 吉林大学学报(工学版). 2017(05)
[8]模板匹配的三维手势识别算法[J]. 刘杰,黄进,韩冬奇,田丰,戴国忠,王宏安. 计算机辅助设计与图形学学报. 2016(08)
[9]基于遗传算法和BP神经网络的孤立性肺结节分类算法[J]. 胡强,郝晓燕,雷蕾. 计算机科学. 2016(S1)
[10]基于大规模变量分解的多目标粒子群优化算法研究[J]. 邱飞岳,莫雷平,江波,王丽萍. 计算机学报. 2016(12)
硕士论文
[1]基于改进量子粒子群的WSN网络覆盖优化研究[D]. 许国燕.兰州交通大学 2016
[2]基于PET-CT的孤立性肺结节分割及分类方法的研究[D]. 纪国华.太原理工大学 2016
[3]基于决策树算法和关联规则分析方法的学生就业数据分析[D]. 张光荣.陕西师范大学 2014
[4]双目视觉立体匹配算法研究[D]. 贺亮.东华理工大学 2012
[5]白细胞图像语义识别分类的研究[D]. 廖甜甜.南昌航空大学 2010
[6]数据挖掘中判定树算法的研究与优化[D]. 丁悦.上海师范大学 2008
本文编号：3436168
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 课题来源及主要研究内容
1.4 论文的组织结构
第二章 相关技术综述
2.1 图像分割
2.1.1 区域分割
2.1.2 其它方法
2.2 聚类方法
2.2.1 常用算法
2.2.2 人工神经网络
2.2.3 深度学习
2.2.4 智能优化算法
2.3 神经网络与优化算法结合的案例
2.4 稀疏表示的图像去噪
2.4.1 字典的生成
2.4.2 稀疏分解(编码)
2.4.3 优化问题
2.5 本章总结
第三章 基于PSO-SGNT网络结构手势分割
3.1 使用区域生长法对图像粗分割
3.2 自生成神经网络
3.2.1 自生成神经网络结构存在的问题
3.2.2 自生成神经网络结构优化
3.3 粒子群优化算法
3.4 方法描述
3.5 基于模拟退火算法的稀疏表示图像去噪
3.6 本章总结
第四章 基于PSO-SGNT网络结构的手势识别
4.1 手势特征提取
4.1.1 Hu矩提取手势特征
4.1.2 多层次特征提取
4.1.3 卷积神经网络的改进分析
4.2 优化卷积神经网络的特征提取方法
4.2.1 拉普拉斯金字塔图像调整
4.2.2 嵌入式特征的选择
4.2.3 提取特征方法描述
4.3 PSO-SGNF手势识别
4.4 本章总结
第五章 总结与展望
5.1 工作总结
5.2 未来工作和展望
参考文献
致谢
攻读学位期间发表的学术论文目录
【参考文献】：
期刊论文
[1]基于随机森林的密码体制分层识别方案[J]. 黄良韬,赵志诚,赵亚群. 计算机学报. 2018(02)
[2]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[3]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[4]图像分割方法综述研究[J]. 周莉莉,姜枫. 计算机应用研究. 2017(07)
[5]人车交互技术中的手势检测及识别方法[J]. 雷蕾,赵涓涓,史曜华. 太原理工大学学报. 2016(06)
[6]基于内容的图像分割方法综述[J]. 姜枫,顾庆,郝慧珍,李娜,郭延文,陈道蓄. 软件学报. 2017(01)
[7]基于多尺度的区域生长的图像分割算法[J]. 肖明尧,李雄飞,张小利,张刘. 吉林大学学报(工学版). 2017(05)
[8]模板匹配的三维手势识别算法[J]. 刘杰,黄进,韩冬奇,田丰,戴国忠,王宏安. 计算机辅助设计与图形学学报. 2016(08)
[9]基于遗传算法和BP神经网络的孤立性肺结节分类算法[J]. 胡强,郝晓燕,雷蕾. 计算机科学. 2016(S1)
[10]基于大规模变量分解的多目标粒子群优化算法研究[J]. 邱飞岳,莫雷平,江波,王丽萍. 计算机学报. 2016(12)
硕士论文
[1]基于改进量子粒子群的WSN网络覆盖优化研究[D]. 许国燕.兰州交通大学 2016
[2]基于PET-CT的孤立性肺结节分割及分类方法的研究[D]. 纪国华.太原理工大学 2016
[3]基于决策树算法和关联规则分析方法的学生就业数据分析[D]. 张光荣.陕西师范大学 2014
[4]双目视觉立体匹配算法研究[D]. 贺亮.东华理工大学 2012
[5]白细胞图像语义识别分类的研究[D]. 廖甜甜.南昌航空大学 2010
[6]数据挖掘中判定树算法的研究与优化[D]. 丁悦.上海师范大学 2008
本文编号：3436168
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3436168.html
