一种基于微小运动的目标识别算法设计.docVIP

一种基于微小运动的目标识别算法设计 张路 张蓓 沈晓舟 韩江宁 沈阳广播电视大学 国网辽宁省电力有限公司管理培训中心 中国联合网络通信有限公司 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 针对计算机技智能识别应用中存在的问题, 研究基于微小运动目标的视频跟踪对策, 分析了智能识别应用的两个主要的功能, 一是基于计算机辅助视觉实现对周边环境的感知判定, 另外一个是对既定目标的跟踪与检测。围绕基于微小运动目标的检测算法进行深入分析和实验, 以理论推导为依据, 对实际应用进行仿真, 最终设计了一种基于微小运动目标的检测过程和算法设计。 关键词： 微小运动目标; 目标识别; 二元树复小波变换; 作者简介：张路 (1961—) , 1986年7月毕业于东北电力大学计算机应用专业, 现任沈阳广播电视大学信息工程学院院长、教授;曾在国内外期刊上发表多篇论文, 并被EI、ISTP收录, 主编《计算机应用基础》等多本教材、著作;现被教育部聘为全国信息技术与教学深度融合大赛评委。 收稿日期：2017-06-29 Received： 2017-06-29 通信领域中研究基于微小运动目标的视频跟踪对策是计算机技术智能识别的一个重要应用, 由于微小运动目标的形状、颜色等信息存在一定的差异, 因此研究不同环境进行图像的分割, 并进行图像的识别有着重要意义。 1 一维二元树复小波变换 一维二元树复小波变换, 滤波器经过变换后分解过程将分为多级, 与实部相对应的是a树小波变换对应复数的小波, 与虚部相对应的是b树复数的小波, 如图1所示。 图1 二元树复小波变换分解过程 ??下载原图 为了更好的建造使之满足二元树复小波的变换, 以实现对希尔伯特变换特征为目的进行设计, 最终满足小波变换需求。因此要综合判断变换特征, 在进行a树低通滤波器h0 (n) 和b树低通滤波器g0 (n) 的设计时围绕实现条件设定来进行。 2 二维二元树复小波变换 二维二元树复小波变换是一维双树复小波推广 其中双树实小波为: 实现方法: 对一个图像, 用实现一个二维可分离小波变换, 实现另一个, 进行一次二维分解后得到2个低频子带和6个高频子带:2个HL, 2个LH, 2个HH;每对子带的和或差构成2个低频系数和6个高频系数。 其中双树复小波为: 实现方法:对一个图像, 用作行变换, 再使用滤波器作列变换得到1个低频子带和3个高频子带;实现另一个, 用作行变换, 再使用滤波器作列变换得到1个低频子带和3个高频子带;每对子带的和或差构成2个低频系数和6个高频系数。 3 微小运动目标图像的2维二元树复小波变换 依据检测结果, 对候选图像区域实现图像灰度处理, 而后进行归一化, 像素为50×50。借助实离散小波变换ψh (t) 、ψg (t) , 对图像行、列分别予以处理, 并获取复小波变换ф (t) =фh (t) +jфg (t) 虚、实部。在尺度方面, 则借助一维二元树复小波完成图像行、列的滤波处理。经过处理后, 最终可以获取到的是六个方向二元树复小波变换簇。而且对于任意尺度和方向, 二元树复小波变换都会相应产生u以 (R (x, y) , I (x, y) ) 作为复系数的子带。在上面的公式里, 复系数为I (x, y) , 实系数则是R (x, y) 。用子带的幅值计算如下式: 与d∈{0, ..., 5}保持对应关系的为不同角度的6个子带, sc∈{0, ..., 2}则是尺度量度, S={Md, sc (x, y) :d∈{0, ..., 5}, sc∈{0, ..., 2}}是二元树复小波变换图像集。把Md, sc (x, y) 隔像素点进行采样, 并获取到特征向量vd, sc, 对其实现归一化。 通过公式 (2) 便可以组成图像的二元树“复小波”特征: 4 微小运动目标识别算法与分类算法的设计与实现 4.1 支持向量机 首先要进行合理的筛选, 必要要满足既定的标准。在具体分类上, 要依据特征进行相应类比规划, 所以要按照不同特征首先完成分离工作, 并进行数据集的建立和训练。如果第c类运动目标的特征库共计有m种, 那么此时要对不同两类之间进行判别, 则需要借助函数d (x) =wx+b实现。在该函数里, b‖w‖代表的是基于原点到分类超平面二者间所形成的俄一个垂直距离, ‖w‖为欧式空间2范数。如果要进行不同两类样本的区分, 则无论是哪个样本都需要满足一定的约束条件。建设有样本x, 那么其相对应的约束条件应该是: 在公式里, yi就是样本xi的类别, 那么: 此时两个不同数据集之间会有间隔, 该间隔应该是: 间隔的最大值应该是: 目标函数应该是