基于子空间聚类的运动分割方法研究-软件工程专业论文.docxVIP

万方数据 万方数据 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集 体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均 已在文中以明确方式标明。本声明的法律责任由本人承担。 学位论文作者： 日期： 年 月 日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。 根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门 或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学 可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、缩印 或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文 或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。 保密论文在解密后应遵守此规定。 学位论文作者： 日期： 年 月 日 摘要 摘要 摘要 运动分割是视频序列场景分析和理解的基础，是计算机视觉、模式识别等领 域的重要研究内容，广泛应用于自动导航，治安监控，智能交通等等。近些年来， 随着人类世界信息量急剧膨胀，高维数据的不断涌入，运动分割的研究方法也在 不断完善和不断适应新环境，传统的运动分割方法面对高维数据，噪声干扰，相 机移动等问题大都存在这样那样的问题，很难达到理想的分割效果。这样的背景 下，基于子空间聚类的运动分割方法迅速上位，成为处理运动分割问题最有效的 方法之一。相比传统运动分割方法，该类方法有很多优势，尤其是基于谱聚类的 低秩表示子空间聚类和稀疏表示子空间聚类，它们兼容高维数据，而且对于噪声 干扰、相机移动等问题具有很好的鲁棒性。基于子空间聚类的运动分割方法首先 根据相关的优化算法找到一个测度数据点两两之间相似程度的相似度矩阵，它描 述为同一子空间内的数据点保持较大相似性测度，不同子空间里的数据点保持较 小相似性测度。然后基于所找的相似度矩阵，构建一个相似度图，数据点对应图 结点，数据点之间的相似性测度对应边权重。最后利用相关的谱聚类方法，将这 个相似度图里的节点聚类到不同子空间来实现簇的划分并最终完成运动分割。 本文提出一种新的基于一致性稀疏子空间聚类的运动分割方法。稀疏子空间 聚类通过寻求数据点关于其他数据点的稀疏表示来提取高维数据中的低维子结 构，没有考虑不同特征点隶属同一子空间的可能性，忽略了特征点间的运动一致 性信息。本文针对这一问题，基于视频中跟踪点运动的一致程度，定义―一致性 度量模型‖，该模型在求解数据的稀疏表示之前准确度量了数据点隶属于同一子 空间的可能性；根据这一模型本文又提出一种采用子空间聚类处理运动分割问题 的算法：一致性稀疏子空间聚类算法（Consistency Sparse Subspace Clustering， CSSC）。CSSC 算法将运动的一致程度引入到稀疏优化模型的目标函数中，得 到带有一致性约束的稀疏优化模型，采用交替方向乘子法求解新模型，在最小化 约束下，新模型更有利于分离出稀疏表示系数中的大系数，特征点轨迹更有利于 被隶属于同一运动物体的其他特征点轨迹线性表示，从而得到更优的稀疏表示。 实验结果表明，本文所提模型能够得到更优的稀疏表示，一致性约束的引入，能 在一定程度上把一部分误划分的特征点拉回到跟它运动比较一致的那部分特征 点所属的簇，使得 CSSC 算法能够正确识别从属于背景运动的大量特征点。相比 同类其他算法，本文所提算法取得更高的聚类精度和更好的分割结果，尤其是对 于背景运动中特征点的划分更为准确。 关键词：运动分割；子空间聚类；稀疏表示；一致性；交替方向乘子法 I Abs Abstract Abstract Motion segmentation is the basis of the analysis and understanding of the scene video sequences. In the fields of computer vision and pattern recognition, motion segmentation is an important research content. It is widely used in automatic navigation, security monitoring, intelligent transportation, and so on. In recent years, with the swelling of the amount of information in the human world, and the arrival of the hi