針對傳統(tǒng)目標(biāo)邊緣識別算法存在的邊緣識別率低、準(zhǔn)確性差的缺陷以及目標(biāo)跟蹤算法在光照變化及復(fù)雜背景干擾情況下不能準(zhǔn)確跟蹤目標(biāo)的問題。在深入分析了經(jīng)典邊緣提取算子、基于細(xì)胞神經(jīng)網(wǎng)絡(luò)圖像邊緣識別算法以及基本Camshift跟蹤算法和多特征融合跟蹤算法原理的基礎(chǔ)上,設(shè)計(jì)了如下的改進(jìn)方法,具體的創(chuàng)新內(nèi)容如下:為了提高目標(biāo)邊緣識別的準(zhǔn)確性,從給定目標(biāo)圖像中提取出更多的紋理細(xì)節(jié)信息,提出了一種基于分?jǐn)?shù)階控制模板的新型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)模型。用憶阻器替代細(xì)胞神經(jīng)網(wǎng)絡(luò)中的狀態(tài)電阻,在細(xì)胞神經(jīng)網(wǎng)絡(luò)整個(gè)信息處理過程中保持憶阻器的記憶特性,利用歷史狀態(tài)信息,提高網(wǎng)絡(luò)的信息處理能力。另外,基于分?jǐn)?shù)階微積分理論,為新型憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了分?jǐn)?shù)階控制模板,在目標(biāo)圖像邊緣提取中提高中高頻信息,保留更多的低頻信息。通過對比實(shí)驗(yàn)驗(yàn)證了所提方法從各種不同圖像中提取的邊緣輪廓信息更加完整、清晰,而且紋理細(xì)節(jié)信息更加豐富,邊緣圖像的平均梯度與信息熵都可以顯著提高。為了提高目標(biāo)跟蹤方法對背景信息、光照變化的抗干擾能力,提出了融合分?jǐn)?shù)階微分邊緣特征信息的改進(jìn)跟蹤方法。將R-L分?jǐn)?shù)階微分邊緣檢測算子與Laplacian邊緣檢測算子進(jìn)行... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同

不同算子邊緣提取效果

MN規(guī)模的細(xì)胞神經(jīng)網(wǎng)絡(luò)Fig.3-1CellularneuralnetworkofNMscale

【參考文獻(xiàn)】：
期刊論文
[1]基于膚色模型與顏色空間的目標(biāo)識別算法[J]. 張杜娟.  國外電子測量技術(shù). 2019(10)
[2]基于高低帽變換的優(yōu)化邊緣檢測算法研究[J]. 張金鳳,劉昕.  西安理工大學(xué)學(xué)報(bào). 2019(03)
[3]基于CNN的相襯顯微圖像序列的癌細(xì)胞多目標(biāo)跟蹤[J]. 胡海根,周莉莉,周乾偉,陳勝勇,張俊康.  計(jì)算機(jī)科學(xué). 2019(05)
[4]基于細(xì)胞神經(jīng)網(wǎng)絡(luò)邊緣檢測的自適應(yīng)研究[J]. 趙顯達(dá),黃歡.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[5]具有感覺記憶的憶阻器模型[J]. 邵楠,張盛兵,邵舒淵.  物理學(xué)報(bào). 2019(01)
[6]基于Prewitt算子的紅外圖像邊緣檢測改進(jìn)算法[J]. 安建堯,李金新,孫雙平.  杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)
[7]基于顏色和邊緣特征自適應(yīng)融合的人臉跟蹤算法[J]. 周平平,萬洪林,劉慧,李天平.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(10)
[8]基于可變形模型的目標(biāo)跟蹤算法[J]. 馬俊凱,羅海波,常錚,惠斌,周曉丹,侯德飛.  紅外與激光工程. 2017(09)
[9]基于改進(jìn)憶阻細(xì)胞神經(jīng)網(wǎng)絡(luò)的彩色圖像邊緣提取[J]. 楊婷,段書凱,王麗丹,董哲康,胡小方.  中國科學(xué):信息科學(xué). 2017(07)
[10]幾個(gè)常見分?jǐn)?shù)階微積分定義的比較[J]. 呂鑫,劉官廳.  內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2017(04)

碩士論文
[1]基于細(xì)胞神經(jīng)網(wǎng)絡(luò)的圖像邊緣提取算法研究[D]. 黃蕾.南京航空航天大學(xué) 2006



本文編號：3078109