計算機視覺技術(shù)就是通過計算機快速準確獲取目標的位置、速度和加速度等目標運動狀態(tài)參數(shù),基于這些信息可以進一步對目標進行分析�；谔卣髌ヅ涞拇_定性視覺目標跟蹤算法以其較高的實時性、較高的精確度,具有較好的應(yīng)用前景良好。但是在一些復(fù)雜的跟蹤場景的應(yīng)用中,此類方法因受多種因素影響易于丟失目標。因此,該類視覺目標跟蹤算法還有許多的缺陷需要改進。針對跟蹤微小型目標容易失敗的問題,以熒光顯微鏡下的神經(jīng)絲蛋白影像為實驗對象。利用HSV顏色空間所得顏色直方圖建立目標模型,結(jié)合預(yù)測點對目標特征點加權(quán)。通過在目標顏色概率模型中引入核函數(shù),利用核密度梯度來進行目標搜索,最終在每幀圖像中獲取目標的具體位置。鑒于神經(jīng)絲蛋白的特殊性,本章還對比分析了其他兩種概率預(yù)測類算法的跟蹤效果。實驗結(jié)果表明,此方法能夠快速穩(wěn)定跟蹤神經(jīng)絲蛋白,為神經(jīng)絲蛋白質(zhì)的醫(yī)學(xué)研究提供了新的途徑。針對傳統(tǒng)camshift算法的目標建模及匹配易受干擾像素影響的問題,對目標建模和匹配做了相應(yīng)改進。改進的目標建模方法通過分塊選取目標中最為明顯的顏色特征,使得目標與背景的區(qū)分更加明顯。此外在跟蹤過程中的目標匹配環(huán)節(jié),基于傳統(tǒng)模型的跟蹤方法需要逐個查閱... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

計算機視覺在交通領(lǐng)域的應(yīng)用[53]

圖 1-1 計算機視覺在交通領(lǐng)域的應(yīng)用[53]能交通領(lǐng)域應(yīng)用[53]。主要包括市域交通、高速公路和軌道交通。智含的關(guān)鍵技術(shù)，主要包括交通信息的采集、處理、通信技術(shù)、城市制技術(shù)、空間信息技術(shù)、智能汽車與車輛主動安全等。計算機視覺處理，是通過攝影設(shè)備獲取場景的視覺影像，并利用計算機程序創(chuàng)或半自動化的視覺信息轉(zhuǎn)化和分析系統(tǒng)，并輸出準確及時的視覺信類似于人的視覺功能。這項技術(shù)在工業(yè)領(lǐng)域有著應(yīng)用廣泛，并獲得。勞動力成本耗費巨大且效率極為低下一直是人工處理交通問題這缺點，而融合計算機視覺技術(shù)的智能交通系統(tǒng)的發(fā)展將顯著地提高約勞動力成本。因此，計算機視覺技術(shù)在智能交通領(lǐng)域的應(yīng)用成為門趨勢。

新疆大學(xué)碩士研究生學(xué)位論文圖像醫(yī)療領(lǐng)域應(yīng)用[51]。今天醫(yī)院用的大部分的檢查設(shè)備涉及圖像處理，包含超聲波、核磁共振、X 光、CT 等設(shè)備。即使是做常規(guī)的化學(xué)檢測，比如驗血，也需要獲得樣本的顯微鏡成像。更重要的是，當(dāng)今的許多前沿的醫(yī)學(xué)研究都要依賴電子成像設(shè)備，而后續(xù)的醫(yī)學(xué)圖像分析更加離不開計算機的輔助。傳統(tǒng)的人工分析熒光顯微鏡影像的方法費時費力、工作效率低下，還可能由于人精神不集中疲勞等主觀因素而產(chǎn)生人為誤差。因此，引入計算機視覺技術(shù)來創(chuàng)建一種高效穩(wěn)定的醫(yī)學(xué)圖像分析、處理方法是非常必要的。不僅能降低人的勞動強度，還能為醫(yī)學(xué)研究提供可靠的數(shù)據(jù)來源。


本文編號：2988390