导读:本文包含了空间直方图论文开题报告文献综述及选题提纲参考文献，主要关键词:计算机视觉,智能视频分析,运动检测,背景建模
空间直方图论文文献综述
金静,党建武,王阳萍,翟凤文[1]（2019）在《区域颜色属性空间直方图背景建模》一文中研究指出目的为了能在光照变化、动态背景干扰这一类复杂场景中实时、准确地分割出运动前景,针对传统的基于颜色特征和基于像素的方法的不足,提出一种在颜色属性空间进行区域直方图建模的运动目标检测方法。方法首先将RGB颜色空间映射到更为稳健的低维颜色属性空间,以颜色属性为特征在像素的局部范围内建立直方图,同时记录直方图每一个分区中像素的空间信息,使用K个空间直方图构成每个像素的背景模型,每个直方图根据其匹配度赋予不同的权重。降维的颜色属性提高了模型的鲁棒性和检测的时效性,空间直方图引入的位置信息提高了背景模型的准确性。然后通过学习率αb和αω来控制各模型直方图及其权重的更新,以提高模型的适应性。在标准测试数据集的所有视频序列中进行了实验,通过分析综合性能指标(F1)及平均假阳性(FN)曲线,确定了算法中涉及参数的合理取值范围。结果对实验结果定性和定量的分析表明,本文方法能够得到良好的前景检测效果,尤其在多模态场景和光线变化的复杂场景中能显着提高检测性能。各类场景的平均综合性能指标(average F1)相比性能突出的方法 ViBe、LOBSTER(local binary similarity segmenter)和DECOLOR(detecting contiguous outliers in the low-rank representation)分别提高了0. 65%、3. 86%和3. 9%,并通过GPU并行加速实现运动目标的实时检测。结论在复杂视频环境下的运动目标检测中,相比已有方法,本文方法能够更为准确地分割出运动前景,是一种实时、有效的检测方法,具有一定的实用价值。(本文来源于《中国图象图形学报》期刊2019年05期）
张宇阳[2]（2019）在《基于相似背景与HSV空间颜色直方图的目标跟踪》一文中研究指出针对相关滤波器的存在边界效应问题,提出了一种基于相似背景与HSV空间颜色直方图的目标跟踪算法。通过最佳伙伴相似原理(Best-Buddies Similarity),在真实背景中选取与目标相似度较高的相似背景作为负样本训练相关滤波器,降低边界效应。并将HSV空间颜色直方图与贝叶斯分类器结合对目标进行颜色跟踪,利用颜色直方图信息提高复杂背景下目标跟踪的成功率。在OTB-50和OTB-100中挑选16个视频进行实验,与当前主流的6种跟踪算法对比,本文算法的成功率得分0.593,准确率得分0.467,优于6种主流的目标跟踪算法,能够有效提高目标跟踪的成功率和准确率,并且具有较好的实时性。(本文来源于《电光与控制》期刊2019年04期）
冯棐,吴小俊,徐天阳[3]（2018）在《基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法》一文中研究指出为了增强相关滤波算法(CF)在目标遮挡或背景干扰情况下跟踪的鲁棒性,提出基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法.首先,针对CF使用的模板单一无法应对不同时期相邻帧目标表现的差异,提出利用随机更新策略学习多个目标模板,应对不同时期的目标变化.然后,针对不同的更新模板得到多个候选目标,利用子空间学习上一帧的表示系数,综合判断候选目标的准确性.同时,因为CF与子空间表示均利用模板判断跟踪结果,对背景杂乱等情况判断容易造成偏差,所以引入颜色直方图,利用统计特征作为独立的判断依据,增强算法对候选目标判断结果的准确性.在标准视频集上的实验表明,文中算法具备一定的抗遮挡及抗背景干扰能力.(本文来源于《模式识别与人工智能》期刊2018年07期）
尹明锋,朱建良,薄煜明,赵高鹏,吴盘龙[4]（2018）在《基于改进的空间直方图相似性度量的粒子滤波视觉跟踪（英文）》一文中研究指出空间直方图是直方图的一种推广,其增加了对更高阶空间信息的描述,提高了对目标的鉴别能力,而选择合适的空间直方图之间的相似性度量方法尤其重要。提出了一种基于目标背景区域相关度CTLB和JSD距离的空间直方图相似性度量,CTLB衡量了空间直方图每一个量化区间贡献值,减少了背景信息的干扰。将每一个量化区间看作为归属像素组成的高斯分布并应用JSD方法计算空间直方图的空间相似度,提高了度量方法的鉴别能力。最后,将该度量方法应用到了粒子滤波跟踪器中并和现有算法进行了比较。实验中两组测试序列跟踪误差均值分别是3.47像素和4.36像素,证明所提出的相似度度量方法优于现有方法,且跟踪结果更稳定、更鲁棒。(本文来源于《中国惯性技术学报》期刊2018年03期）
韩婷[5]（2018）在《基于空间直方图和KCF表示的多模融合跟踪算法研究》一文中研究指出目标跟踪可应用于视觉监控、人机交互、车辆导航等领域。已有许多目标跟踪方法被研究出来,可以将它们分为两大类:单模跟踪和多模跟踪。所谓单模跟踪是指对来源于一个视频源的目标对象进行跟踪,其主流方法有核密度估计、模式分类、稀疏表示和子空间分析等。多模跟踪是通过利用不同模态的数据联合来完成跟踪,其中包括多传感器融合的方法,多光谱融合的方法以及多特征融合的方法。以上叁种多模态跟踪方法各有各的特点,却很少有方法将它们结合在一起,本文提出了一个统一的框架来解决这个问题,利用多模态数据完成对统一目标对象的跟踪。所提出的框架允许这个模态可以是原始的像素或者其它从单个图像或者不同光谱图像提取出来的特征,而且这些模态可以任意增加或者删除。基于空间直方图和核相关滤波(Kernelized Correlation Filters,KCF)的理论,本文提出了以下两种统一的多模态融合跟踪框架方法:1)基于空间直方图表示的多模融合跟踪算法。该方法首先以二阶直方图为目标表示模型,为每个模态的候选目标建立空间直方图;然后,利用Bhattacharyya系数和Mahalanobis距离分别计算每个候选目标与其目标模型之间的特征相似度和空间相似度,并将它们进行加权融合来构建目标函数;接着,依据泰勒展开和梯度最小化方法推导出多模态目标的联合位移公式;最后,运用均值漂移程序完成多模目标的自动快速搜索。2)基于KCF的多模融合跟踪算法。首先,通过循环移位采样方式为各模态目标图像产生大量样本,并提取各模态样本的特征,为各模态目标建立表观模型;然后,运用岭回归函数对各模态目标的外观模型进行训练,得到各模态目标滤波模板;接着,用各模态滤波模板对其相应的待检测帧中的各个候选样本进行相似度检测,得到各模态目标的最大响应值;最后,根据各模态目标的最大响应值的大小为其目标对应的位置分配权重,并通过加权平均的方式得到最终的目标位置。通过多组图像序列进行测试,结果表明,基于空间直方图表示的多模融合跟踪有较好的鲁棒性,而基于KCF的多模融合跟踪方法更好的目标和背景区分度。这两种多模融合跟踪方法在处理目标交汇、光照变化和目标遮挡等情况时,取得了较好的效果。(本文来源于《广西师范大学》期刊2018-06-01）
宣旭峰,王美丽,张建锋[6]（2018）在《基于HSV彩色空间与直方图信息的植物叶脉FFCM算法提取》一文中研究指出为满足植物分类和识别对植物叶片叶脉信息的需要,提出了基于HSV彩色空间与直方图信息FFCM聚类算法相结合的植物叶片叶脉提取方法。该算法可以简述为以下四个步骤:a)将植物叶片图像由RGB转换到HSV彩色空间;b)使用FFCM聚类算法实现叶片图像像素点的聚类,通过比较叶脉和叶肉像素值的均值大小对植物叶片进行颜色的分类,通过对自定义偏移量值的判定对图片进行受光度的分类;c)针对不同类别的植物叶片,分别进行去除部分叶肉的处理;d)使用FFCM算法再次聚类,在最终的聚类结果中提取叶脉像素点。实验结果表明,该方法既能有效处理和区分绿色和枯黄的叶片图像,也能很好地处理和区分受光均匀和受光不均匀的叶片图像,可以应用于植物的分类与识别。(本文来源于《计算机应用研究》期刊2018年09期）
张凯兵,章爱群,李春生[7]（2016）在《基于HSV空间颜色直方图的油菜叶片缺素诊断》一文中研究指出为实现快速而准确的油菜缺素诊断,根据不同缺素导致叶片颜色的变化,提出一种基于HSV颜色空间的非均匀直方图量化和组合多个支撑向量机分类器的智能化油菜缺素分析与诊断方法。采用霍格兰配方配制营养液,并使用山崎配方无土栽培技术,模拟正常、缺氮、缺磷、缺钾、缺硼5类营养状况下的油菜生长条件,栽培了一批甘蓝型双低油菜新品种阳光2009,采集幼苗期5类油菜叶片图像建立缺素数据库。首先使用主动轮廓模型分割油菜叶片区域,然后提取分割后的油菜叶片区域的HSV颜色直方图特征,并采用非均匀量化表征不同缺素油菜叶片图像的颜色差异,最后利用一对多方案训练多个支持向量机(support vector machine,SVM)分类器实现不同缺素油菜叶片图像的分类识别。缺素分类试验结果表明,该方法能较准确地判别常见油菜的缺素类型,对5种缺素的总体识别率达到93%,为数字化和智能化的油菜营养分析与诊断提供了一条有效途径。(本文来源于《农业工程学报》期刊2016年19期）
胡正东,陈晓竹,丁宁[8]（2016）在《HSV空间中基于区域边缘直方图的视频目标再识别算法》一文中研究指出视频目标再识别涉及计算机视觉领域的运动目标检测、跟踪、图像处理、特征提取、特征匹配等.现提出一种基于前景检测、彩色区域边缘直方图(REH)的视频目标再识别算法.前景目标检测能有效消除背景像素产生的冗余特征,结合HSV空间中的彩色区域边缘直方图,增强了对目标的特征描述.实验在笔者建立数据集和3Dpes上取得了86.7%和51.5%的识别率,进一步提高了视频目标再识别的准确率.(本文来源于《中国计量大学学报》期刊2016年03期）
程昌秀,胡夏天,宋晓眉,陈驰[9]（2016）在《利用累计AB直方图进行空间选择率估计》一文中研究指出空间选择率估计是空间数据库查询优化的核心问题之一。现有空间直方图方法打破了空间面对象的完整性,难以实现精确拓扑谓词的选择率估计和空间直方图的查询推演。针对以上问题,本文提出了累计环形桶(annular bucket,AB)直方图,简称为累计AB直方图。该方法通过建立容纳空间面对象的"环形桶",保留了空间面对象的整体性,可以实现基于最小外接矩形(minimum bounding rectangle,MBR)顶点位置的精确拓扑关系查询和空间推演。介绍了累计AB直方图的生成方法及其面向空间关系谓词的选择率估算方法,并以土地利用数据为例,检验了累计AB直方图选择率估计的准确性,讨论了该方法的效率和适用范围。(本文来源于《武汉大学学报(信息科学版)》期刊2016年09期）
钱诚[10]（2016）在《基于对比度直方图特征子空间聚类的区域级背景减除方法》一文中研究指出针对区域级背景减除问题,提出一种基于图像块对比度直方图特征的背景减除方法。对于已输入的一段视频,将每一帧视频分割成图像块,并提取对比度直方图特征。在该特征上通过自描述方式将前景作为噪声误差项与背景分离,随后使用稀疏子空间聚类方法构建关于对比度直方图特征的聚类,而对于特征聚类的主成分分析给出了关于背景特征的多个子空间,并以此作为区域级背景模型。在后续输入视频帧中提取对比度直方图特征,将其投影到各子空间中计算重构误差,以此作为前背景的决策依据。实验结果表明,该方法能够有效减除视频中的背景。(本文来源于《软件导刊》期刊2016年07期）
空间直方图论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对相关滤波器的存在边界效应问题,提出了一种基于相似背景与HSV空间颜色直方图的目标跟踪算法。通过最佳伙伴相似原理(Best-Buddies Similarity),在真实背景中选取与目标相似度较高的相似背景作为负样本训练相关滤波器,降低边界效应。并将HSV空间颜色直方图与贝叶斯分类器结合对目标进行颜色跟踪,利用颜色直方图信息提高复杂背景下目标跟踪的成功率。在OTB-50和OTB-100中挑选16个视频进行实验,与当前主流的6种跟踪算法对比,本文算法的成功率得分0.593,准确率得分0.467,优于6种主流的目标跟踪算法,能够有效提高目标跟踪的成功率和准确率,并且具有较好的实时性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
空间直方图论文参考文献
[1].金静,党建武,王阳萍,翟凤文.区域颜色属性空间直方图背景建模[J].中国图象图形学报.2019
[2].张宇阳.基于相似背景与HSV空间颜色直方图的目标跟踪[J].电光与控制.2019
[3].冯棐,吴小俊,徐天阳.基于子空间和直方图的多记忆自适应相关滤波目标跟踪算法[J].模式识别与人工智能.2018
[4].尹明锋,朱建良,薄煜明,赵高鹏,吴盘龙.基于改进的空间直方图相似性度量的粒子滤波视觉跟踪（英文）[J].中国惯性技术学报.2018
[5].韩婷.基于空间直方图和KCF表示的多模融合跟踪算法研究[D].广西师范大学.2018
[6].宣旭峰,王美丽,张建锋.基于HSV彩色空间与直方图信息的植物叶脉FFCM算法提取[J].计算机应用研究.2018
[7].张凯兵,章爱群,李春生.基于HSV空间颜色直方图的油菜叶片缺素诊断[J].农业工程学报.2016
[8].胡正东,陈晓竹,丁宁.HSV空间中基于区域边缘直方图的视频目标再识别算法[J].中国计量大学学报.2016
[9].程昌秀,胡夏天,宋晓眉,陈驰.利用累计AB直方图进行空间选择率估计[J].武汉大学学报(信息科学版).2016
[10].钱诚.基于对比度直方图特征子空间聚类的区域级背景减除方法[J].软件导刊.2016