基于最优特征选择与支持向量机的钱塘江涌潮检测算法.pdf

水利水电技术 第48卷 2017年第1期 基于最优特征选择与支持 向量机的钱塘江 涌潮检测算法 高 鹏，王瑞荣，王培力 (杭州电子科技大学 生命信息与仪器工程学院，浙江 杭州 310018) 摘 要：以设计一种全新的背景模型算法为 目标，依据图像像素特征之间的差异，使用高斯核函数获 取像素特征的概率密度，统计不同区间的密度估计值，从特征池中选择适合的像素特征组成特征模板 图，以输入视频流中对应位置的像素特征值作为输入量，使用支持 向量机训练固定数 目的像素特征 值，对比分离出前景和背景。该方法应用于钱塘江涌潮检测的结果表 明，F—measure值均在 65％以 上，鲁棒性较强；支持向量机方法选择径向核函数的识别率超过90％，运算速度较高。该方法能减 少水面波动的干扰，具有较高的精度，可为河流动力特征描述提供重要工具。 关键词：最优特征选择；支持 向量机 ；背景建模 ；运动 目标检测；涌潮检测；钱塘江 doi：10．13928／j．cnki．wrahe．2017．01．008 中图分类号 ：TP391．4 文献标识码：A 文章编号：1000．0860(2017)01．0040．06 Optimalfeatureselectionandsupportvectormachines-basedalgorithm fordetection of tidalboreinQiantangjingRiver GAOPeng，WANG Ruirong，WANG Peili (CollegeofLifoInformationScience＆InstrumentEngineering，HangzhouDianziUniversity，Hangzhou 310018，Zhejiang，China) Abstract：Bytakingthedesignofafullynewbackgroundmodelalgorihtmastheobjective，afeaturetemplateiscomposedbythe suitablepixelofatumsselectedfrom therelevantfeaturepoolwiththeprobbailitydensitiesobtainedbyGaussiankernelfunction throughcountinghtedensityestimatedvaluesamongvariousintervals，andthenboht theforegroundandthebackrgoundcanbe separatedthroughthecomparisonwithafixednumberofthepixeleigenvaluestrainedbyhtesupportvectormachinesbytaking htepixeleigenvaluesatthecorrespondingpositionsintheinputvideo—streamsastheinput．Theresultfrom theapplicationofthis mehtodtothedetectionofthetidalboreinQinagtnagjiangRivershowsthatalltheF—measurevaluesareover65％wihtstronger robustnessandhterecognitionrateforselectingradialbasisfunctionwim supportvectormachineisover90％ wiht highercompu- tingspeed，nadthenitcanreducethedisturbancefromthefluctuationofwatersurface tl1ahihg accuracy，thusCnaprovidean importanttoolfordescriptionofthedynamicchraacteristicsofhteriver．