欢迎来到天天文库
浏览记录
ID:37071760
大小:1.51 MB
页数:70页
时间:2019-05-16
《基于混合模型的动态纹理分类》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、分类号:密级:UDC:编号:工学硕士学位论文基于混合模型的动态纹理分类硕士研究生:刘秋飞指导教师:乔玉龙教授学科、专业:电子科学与技术论文主审人:陈春雨副教授哈尔滨工程大学2018年03月分类号:密级:UDC:编号:工学硕士学位论文基于混合模型的动态纹理分类硕士研究生:刘秋飞指导教师:乔玉龙教授学位级别:工学硕士学科、专业:电子科学与技术所在单位:信息与通信工程学院论文提交日期:2017年12月论文答辩日期:2018年03月学位授予单位:哈尔滨工程大学ClassifiedIndex:U.D.C:ADissertationfortheDegreeofM.EngMixing
2、ModelsBasedDynamicTextureClassificationCandidate:LiuQiufeiSupervisor:Prof.QiaoYulongAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:ElectronicScienceandTechnologyDateofSubmission:December,2017DateofOralExamination:March,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重
3、声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者(签字):日期:年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定,即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或
4、全部内容编入有关数据库进行检索,可采用影印、缩印或扫描等复制手段保存和汇编本学位论文,可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文(□在授予学位后即可□在授予学位12个月后□解密后)由哈尔滨工程大学送交有关部门进行保存、汇编等。作者(签字):导师(签字):日期:年月日年月日基于混合模型的动态纹理分类摘要动态纹理又被称作时间纹理,它是一种具有空间重复性与时间变化性,且可在时间上形成具有某种平稳特性的图像序列的视觉模式。随着科学技术的发展,人们获取动态纹理序列的效率
5、越来越高、方式越来越多。因此面对海量的动态纹理数据,动态纹理分析的研究日益受到人们的关注。动态纹理分类是动态纹理分析研究中十分重要的研究内容,它在军事、医学、交通等领域都有着十分广泛的应用前景。小波变换是纹理分类中常用到的方法,复小波变换能够有效弥补传统实小波变换的缺陷,如平移敏感性、缺乏方向选择性、缺少相位信息等,因此本文主要研究复小波变换域内的动态纹理分类。本文归纳了当前动态纹理分类领域内的热门研究方法与前沿研究方法,分析了动态纹理分类的过程。在此基础上,本文提出了复小波变换域内基于混合模型的动态纹理分类方法,主要内容概括如下:一、提出基于动态纹理相对相位信息分布特
6、性的动态纹理分类方法。动态纹理复系数高频细节子带的相位信息分布近似为平均分布,无法提供动态纹理分类所需的有效信息。针对动态纹理复系数高频细节子带的相对相位信息,提出混合VonMises模型与混合WrappedCauchy模型以及各自基于EM算法的模型参数估计方法。将动态纹理所有高频细节子带所对应的混合模型参数进行整合,得到能够描述该动态纹理相对相位分布特性的动态纹理特征向量。通过变分法与匹配法对混合模型间KL距离进行估计,以实现动态纹理间的相似性测距。UCLA与DynTex++动态纹理基准库上的实验结果证明了所提方法的有效性。二、提出混合Gumbel分布模型及基于期望最
7、大化算法(EM)的模型参数估计方法。对动态纹理复系数高频细节子带进行分块划分,计算各个子块幅值的中值。使用混合Gumbel分布模型及基于EM算法的模型参数估计方法对每个复系数高频细节子带的中值数据进行建模分析,得到的模型参数即为该子带的特征向量。将动态纹理所有高频细节子带所对应的特征向量进行整合,得到能够描述该动态纹理幅值中值分布特性的动态纹理特征向量。为实现动态纹理间的相似度测距,使用变分法与匹配法对混合模型间的Kullback-Leibler(KL)距离进行估计。在UCLA与DynTex++动态纹理基准库上的实验结果证明了所提方法相较
此文档下载收益归作者所有