Математическое моделирование выделения признаков видеоизображения в реальном масштабе времени

Математическое моделирование выделения признаков видеоизображения в реальном масштабе времени

Автор: Гнеушев, Александр Николаевич

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2005

Место защиты: Москва

Количество страниц: 107 с. ил.

Артикул: 2830728

Автор: Гнеушев, Александр Николаевич

Стоимость: 250 руб.

Математическое моделирование выделения признаков видеоизображения в реальном масштабе времени  Математическое моделирование выделения признаков видеоизображения в реальном масштабе времени 

Оглавление
ВВЕДЕНИЕ
ГЛАВА 1. ОСНОВНЫЕ ПОДХОДЫ К ОПИСАНИЮ ИЗОБРАЖЕНИЯ ОБЪЕКТОВ В СИСТЕМАХ ИСКУССТВЕННОГО ЗРЕНИЯ
1.1 Построение признакового пространства на основе
МОДЕЛЕЙ ИЗОБРАЖЕНИЯ.
1.2 Описание изображения объекта на основе контурных признаков.
1.3 Описание изображения объекта на основе текстурных признаков.
Выводы к Главе 1.
ГЛАВА 2. ВЫДЕЛЕНИЕ КОНТУРНЫХ ПРИЗНАКОВ ИЗОБРАЖЕНИЯ С ИСПОЛЬЗОВАНИЕМ ГРАДИЕНТНОГО ПОДХОДА.
2.1 Принципы построения градиентного фильтра для выделения контурных признаков.
2.2 Модель перепада интенсивности для адаптивной настройки градиентного фильтра
2.3 Результаты адаптивной градиентной фильтрации
Выводы к Главе 2.
ГЛАВА 3. КОНТУРНАЯ МОДЕЛЬ ДЛЯ ОЦЕНКИ СКОРОСТИ ДВИЖУЩИХСЯ ОБЪЕКТОВ.
3.1 Постановка задачи оценивания скорости объектов
3.2 Модель перспективного преобразования систем координат.
3.3 Выделение контурных признаков объектов.
3.4 Локализация объектов и начальная оценка параметров.
3.5 Контурная модель объекта.
3.6 Модель слежения и уточнения оценки параметров
3.7 Система оценки скорости движения автомобилей.
Выводы к Главе 3.
ГЛАВА 4. ТЕКСТУРНОГЕОМЕТРИЧЕСКАЯ МОДЕЛЬ ИЗОБРАЖЕНИЯ ОБЪЕКТОВ
4.1 Представление изображения в базисе функций Габора.
4.2 Построение вмодели объекта путем обучения
4.3 Оценка параметров объекта путем оптимизации С модели
Выводы к Главе 4.
ГЛАВА 5. ИЕРАРХИЧЕСКОЕ ОПИСАНИЕ ОБЪЕКТА НА ОСНОВЕ ТЕКСТУРНОГЕОМЕТРИЧЕСКОЙ МОДЕЛИ
5.1 Использование вЧЧ модели для иерархического описания изображения объекта
5.2 Система для оценки характеристик лица и слежения.
Выводы к Главе 5.
ВЫВОДЫ К ДИССЕРТАЦИИ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


В результате проведенных исследований предложена модель перепада интенсивности (кромки) на изображении для определения диапазона параметров градиентного фильтра (градиент функции Гаусса) с целью его настройки на наилучшее выделение контурных признаков объектов. Данная модель позволяет теоретически оценить параметр, определяющий характерную ширину градиентных фильтров, таких как фильтр Саппу. На основе выделения контурных признаков, реализована контурная модель динамического объекта для оценки скорости его движения. Предложена модификация текстурной модели на основе оптимизационного построения базиса функций Габора с помощью обучения на заданный класс объектов. Разработай метод, позволяющий эффективно оценивать параметры аффинной деформации текстурной модели путем нелинейной оптимизации с учетом всех образов из обучающей выборки. Используется норма, увеличивающая устойчивость к неравномерной освещенности объекта на изображении. К новым результатам также можно отнести использование данной текстурной модели в системе иерархического описания сложных объектов (таких как лицо человека) для локализации его элементов, слежения за ними в режиме реального времени. Разработанный градиентный метод на основе модели перепада интенсивности (кромки) может быть применен в задачах выделения контуров различных объектов на начальном этапе предобработки с целью их дальнейшей сегментации. Комплекс программ для оценки скорости движения объектов может быть использован как составная часть системы мониторинга дорог в режиме реального времени, который предназначен для задач сбора статистики по скоростям транспортного потока. Деформируемая текстурная модель и основанные на ее использовании методы оценки параметров могут быть применены для устойчивого слежения за объектом со сложной структурой, оценки его ориентации и положения на изображении. Разработанные методы и алгоритмы иерархического выделения элементов объекта могут быть применены при работе с базами данных фотографий лиц. Также подход будет полезен в системах идентификации и верификации в задачах ограничения доступа, основанных на распознавании лица пользователя. Представленные в диссертационной работе методы построения моделей и выделения признаков, их алгоритмическая реализация изложены в 4 научных публикациях [2,3,4,5] и доложены на третьей научно-практической конференции Общества содействия развитию фотограмметрии и дистанционного зондирования "Современные проблемы фотограмметрии и дистанционного зондирования" (Москва, - апреля г. ВЦ РАН “Математические модели сложных систем и междисциплинарные исследования” (Москва, - октября г. Вычислительного Центра РАН и кафедры интеллектуальных систем МФТИ. Диссертация состоит из введения, пяти глав, заключения, списка использованных источников и приложения. Содержание работы изложено на 7 страницах. Список использованных источников включает 0 наименований. Во введении обосновывается тема диссертации, ее актуальность, сформулированы цель и задачи исследования, изложены полученные результаты и их практическая значимость. В первой главе представлен обзор состояния методов распознавания изображений и подходы к построению моделей изображения объектов, на основе выделения их признаков. Описаны различные признаки изображений, применяемые при построении моделей. Рассмотрено основное отличие разработанных в этой работе методов от существующих аналогов. Во второй главе рассмотрены основные принципы построения градиентного фильтра с использованием функции Гаусса для выделения контурных признаков объектов на изображении. Предлагается модель двустороннего перепада интенсивности (кромки) для адаптивной настройки градиентного фильтра с целью оптимального выделения контурных признаков. Приведены примеры обработки экспериментальных данных. В третьей главе рассматривается задача построения контурной модели изображения объектов для анализа их движения, в частности для задачи оценивания по последовательности кадров, полученных со стационарной монокулярной видеокамеры, линейной скорости объектов с учетом их перспективной проекции на изображение.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.226, запросов: 244