人機交互活動在人類日常生活中變得愈加重要,手勢識別一直是人機交互領(lǐng)域的重要研究領(lǐng)域,也是近年來的研究熱點。隨著人機交互和計算機視覺的發(fā)展,手勢識別的研究也取得了較大發(fā)展。計算機視覺的發(fā)展,使得問題轉(zhuǎn)化為對圖像處理的研究,通過圖像處理技術(shù)來研究手勢識別算法。手勢識別技術(shù)使用手勢代替各種按鍵,用戶可以直接地使用簡單的手勢來控制電子設(shè)備。旨將手勢作為一種更自然、更加快速高效的交互手段。圖像采集設(shè)備所采集到的圖像信息,由于包含手勢以外的環(huán)境信息,手勢識別算法需將手勢信息從圖像中分割出來,在基于計算機對圖像中的手勢進行識別時,手部區(qū)域的檢測和分割是準(zhǔn)確識別的前提。進而將提取到的手勢圖像特征輸入到網(wǎng)絡(luò)中訓(xùn)練和識別,計算該手勢和所有類別的匹配度,取最大值所對應(yīng)的手勢類別為識別結(jié)果,得到手勢識別結(jié)果后將其表示的含義反饋給系統(tǒng),并使之作出響應(yīng),進而完成整個手勢識別過程。因此,本文旨在研究如何設(shè)計更加有效的手勢分割和識別算法。自生成神經(jīng)網(wǎng)絡(luò)是一類自組織神經(jīng)網(wǎng)絡(luò),具有學(xué)習(xí)自主性高、無需人為調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù)的優(yōu)勢。針對手勢交互的特點,利用自生成神經(jīng)網(wǎng)絡(luò)的優(yōu)勢,本文采用智能尋優(yōu)算法對自生成神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,將... 

【文章來源】：太原理工大學(xué)山西省 211工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 課題來源及主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)綜述
    2.1 圖像分割
        2.1.1 區(qū)域分割
        2.1.2 其它方法
    2.2 聚類方法
        2.2.1 常用算法
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.3 深度學(xué)習(xí)
        2.2.4 智能優(yōu)化算法
    2.3 神經(jīng)網(wǎng)絡(luò)與優(yōu)化算法結(jié)合的案例
    2.4 稀疏表示的圖像去噪
        2.4.1 字典的生成
        2.4.2 稀疏分解(編碼)
        2.4.3 優(yōu)化問題
    2.5 本章總結(jié)
第三章 基于PSO-SGNT網(wǎng)絡(luò)結(jié)構(gòu)手勢分割
    3.1 使用區(qū)域生長法對圖像粗分割
    3.2 自生成神經(jīng)網(wǎng)絡(luò)
        3.2.1 自生成神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)存在的問題
        3.2.2 自生成神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
    3.3 粒子群優(yōu)化算法
    3.4 方法描述
    3.5 基于模擬退火算法的稀疏表示圖像去噪
    3.6 本章總結(jié)
第四章 基于PSO-SGNT網(wǎng)絡(luò)結(jié)構(gòu)的手勢識別
    4.1 手勢特征提取
        4.1.1 Hu矩提取手勢特征
        4.1.2 多層次特征提取
        4.1.3 卷積神經(jīng)網(wǎng)絡(luò)的改進分析
    4.2 優(yōu)化卷積神經(jīng)網(wǎng)絡(luò)的特征提取方法
        4.2.1 拉普拉斯金字塔圖像調(diào)整
        4.2.2 嵌入式特征的選擇
        4.2.3 提取特征方法描述
    4.3 PSO-SGNF手勢識別
    4.4 本章總結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來工作和展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機森林的密碼體制分層識別方案[J]. 黃良韜,趙志誠,趙亞群.  計算機學(xué)報. 2018(02)
[2]基于區(qū)域生長的圖像分割研究進展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學(xué)工程. 2017(03)
[3]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學(xué)報. 2017(06)
[4]圖像分割方法綜述研究[J]. 周莉莉,姜楓.  計算機應(yīng)用研究. 2017(07)
[5]人車交互技術(shù)中的手勢檢測及識別方法[J]. 雷蕾,趙涓涓,史曜華.  太原理工大學(xué)學(xué)報. 2016(06)
[6]基于內(nèi)容的圖像分割方法綜述[J]. 姜楓,顧慶,郝慧珍,李娜,郭延文,陳道蓄.  軟件學(xué)報. 2017(01)
[7]基于多尺度的區(qū)域生長的圖像分割算法[J]. 肖明堯,李雄飛,張小利,張劉.  吉林大學(xué)學(xué)報(工學(xué)版). 2017(05)
[8]模板匹配的三維手勢識別算法[J]. 劉杰,黃進,韓冬奇,田豐,戴國忠,王宏安.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2016(08)
[9]基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的孤立性肺結(jié)節(jié)分類算法[J]. 胡強,郝曉燕,雷蕾.  計算機科學(xué). 2016(S1)
[10]基于大規(guī)模變量分解的多目標(biāo)粒子群優(yōu)化算法研究[J]. 邱飛岳,莫雷平,江波,王麗萍.  計算機學(xué)報. 2016(12)

碩士論文
[1]基于改進量子粒子群的WSN網(wǎng)絡(luò)覆蓋優(yōu)化研究[D]. 許國燕.蘭州交通大學(xué) 2016
[2]基于PET-CT的孤立性肺結(jié)節(jié)分割及分類方法的研究[D]. 紀(jì)國華.太原理工大學(xué) 2016
[3]基于決策樹算法和關(guān)聯(lián)規(guī)則分析方法的學(xué)生就業(yè)數(shù)據(jù)分析[D]. 張光榮.陜西師范大學(xué) 2014
[4]雙目視覺立體匹配算法研究[D]. 賀亮.東華理工大學(xué) 2012
[5]白細(xì)胞圖像語義識別分類的研究[D]. 廖甜甜.南昌航空大學(xué) 2010
[6]數(shù)據(jù)挖掘中判定樹算法的研究與優(yōu)化[D]. 丁悅.上海師范大學(xué) 2008



本文編號：3436168