孟蜀锴[1]2004年在《细胞神经网络在视频运动对象分割中的应用研究》文中认为研究细胞神经网络(CNN)用于视频运动对象分割的原因在于其并行高速的特点和适于图象处理的网络结构。目前已有的CNN芯片的整体运算速度都已达到了Tera级(10~(12)),即兆兆级,其对于提高视频处理的速度和实时性是不言而喻的。因此,有必要研究CNN在视频运动分割中的应用及其相关算法。 本文讨论了细胞神经网络用于视频运动分割研究的意义,介绍了现有的视频分割算法以及细胞神经网络在该研究领域的发展动态。根据CNN网络结构特点和数理模型,详细分析了CNN的动态范围和稳定性,并介绍了图象处理中CNN输入与输出的量化方法及基本思想。针对背景相对静止的视频序列,提出了基于CNN差分图象合并的视频分割算法,并构建了与该算法相关的五个CNN模板。针对视频序列中的运动场估算,提出了较为完善的基于CNN的光流场算法,构建了视频序列在空间与时间上差分算法的CNN模板,并讨论分析了速度场在CNN系统中的8比特量化方法。针对背景相对运动是视频序列,提出了基于光流场阈值的CNN视频分割算法。 本文的主要研究贡献有: 1.提出基于CNN差分图象合并的视频分割算法。本算法是针对背景静上的视频序列的运动分割,算法的原理属于变化区域检测法。与即有同类算法相比,由于本算法直接面向灰度图象,可获得更多的运动信息,进而使运动对象分割具有更好的精确性和语义性。 2.构建了五个用于图象处理的标准CNN模板。为了实现基于CNN差分图象合并的视频分割算法,构建了五个标准CNN模板,分别是负片模板、标量加合模板、边缘检测模板、膨胀模板与目标分割模板。这五个模板不仅可用于该算法,也可用于其他CNN图象处理中,使CNN用于图象
孙现召[2]2008年在《基于细胞神经网络的移动目标识别》文中研究表明细胞神经网络自提出以来,因它处理数据的高效特性,应用得到不断地推广,目前在图像和信号处理、模式识别、人工智能、生物视觉、高级脑功能、偏微分方程求解和超混沌同步等方面得到广泛发展;在移动目标识别这一图像处理领域得到广泛研究和应用的原因在于其并行、高速的特点和适合于图像处理的独特网络结构。目前,国外己有的CNN(Cellular Neural Network)芯片的整体运算速度已经达到了T级(1012),这对于提高视频处理的速度和实时性是不言而喻的。因此,有必要研究细胞神经网络在视频序列图像中目标分割和追踪的应用及其相关算法。本文对常用的视频序列图像分割算法进行了比较和研究,采用并改进图像差分法提取移动目标。这种方法原理相对比较简单,易于实现,能够很好的设计细胞神经网络模板。首先利用相邻两帧源图像的差分图,能快速检测出目标的运动范围,通过连续叁帧序列图像差分相与运算,检测出中间帧运动目标的形状轮廓。这种方法速度快,而且目标物体形状轮廓精确,有利于进一步的处理工作。移动目标的识别是本文的一个难点和重点,目前国外的相关研究中,细胞神经网络大多用在图像的初级处理上,识别过程用其它方法实现,如基于DSP算法。本文通过研究传统的Hausdorff距离以及目前国外很多针对移动目标的跟踪算法,设计出了基于非线性Hausdorff距离的模板匹配算法,并根据激发式自动波原理设计出具体的细胞神经网络应用方法,用于实现目标的匹配。该方法计算简单,在视频序列移动目标识别上可以取得很好的效果。从实验的结果看,本文提出的算法采用更简洁的模板设计实现了视频图像运动目标的分割,能够准确地实现目标的匹配。但是本文算法适用于背景静止的情形,对于背景移动情形下如何提取目标并实现物体配准,需要在将来的工作中加以改进。
卢珊萍[3]2008年在《细胞神经网络的应用及其算法的硬件实现》文中研究表明CNN是基于局域互连的神经网络,是一种易于超大规模集成电路(VLSI)技术实现的并行微处理器单元,特别适用于在视觉图像处理与识别领域的应用,是近年来人工神经网络研究领域的一个热点。本文主要研究的是细胞神经网络(CNN)模板的设计,CNN算法在图像处理的应用以及CNN算法的硬件设计。针对图像的边缘检测进行CNN的模板设计,并用设计的模板进行计算机仿真。同时用FPGA构造的细胞神经网络对图像进行实时处理。本文在理论和实践两个方面研究和探讨了系统实现过程中所涉及的关键算法和技术。论文包括以下内容:(1)介绍了细胞神经网络的研究和应用现状。对细胞神经网络的原理和结构进行了研究。阐述了CNN的动态机制,分析了CNN的稳定性。(2)对细胞神经网络的模板进行设计。通过将粒子群算法设计出的细胞神经网络模板应用于图像的边缘检测中,取得了较好的效果。并与遗传算法进行对比,粒子群算法,具有更好的收敛性与精确度。(3)针对背景相对静止的视频序列,设计了一种基于细胞神经网络的视频运动对象分割算法,完成了基于Matlab7.0实验软件平台的程序设计,通过分析实验结果进一步改进算法,即在视频预处理过程中,采用CNN算法构成的形态学重构对图像滤波,实验结果表明,本算法具有较好的分割性能和应用优势。(4)讨论了基于CNN算法的硬件FPGA实现设计思路,使用Verilog HDL语言对CNN算法进行描述,将边缘检测的模板值作为硬件模板值的输入信号,通过在Quartus II环境下进行算法验证,实现了CNN算法的边缘检测的硬件实现,并给出了仿真结果,结果证明硬件实现是切实可行的。
陈明星[4]2013年在《基于细胞神经网络的交通视频压缩算法研究》文中提出随着平安城市建设的推广，越来越多的城市道路增设了交通视频监控，其监控设备也呈现高清、超高清发展趋势，这直接导致视频信息数据量的倍增，严重加剧视频存储设备和网络传输带宽的负荷，既增加了设备成本，又使视频通信的实时性受到影响。因此，针对剧增的实时高清视频数据，有效快速的交通视频压缩算法成为必不可少且尤为迫切的研究课题。现有的交通视频压缩技术主要根据视频帧内与帧间的相关性建立压缩方案，众多学者对视频背景的建立、视频对象的运动估计与运动补偿技术等视频压缩关键技术进行了大量研究及改进，但这些压缩算法仍存在复杂度高、压缩效率低、硬件开销大等缺点。针对这一问题，本文充分利用细胞神经网络硬件实现复杂度低、适合用大规模集成电路实现、具有并行计算能力等优点，开展了基于细胞神经网络的交通视频压缩技术研究。通过对细胞神经网络理论和应用的深入分析，针对交通视频的数据量大、实时性要求高的特点，本文的主要创新点是提出了一种基于细胞神经网络的交通视频压缩算法，该算法囊括了交通视频的预处理和后处理，使得细胞神经网络在视频处理的优越性得到全面展现。本文的主要工作如下：1.针对现有背景估计算法需要帧的数量较多，所需时间较长的情况，提出基于细胞神经网络的背景建立算法。通过细胞神经网络去除帧图像内的运动目标，得到无运动目标的背景图像，将这些背景图像迭加，从而较快地得到完备的背景图像。2.针对视频图像背景一般为局部变化、但现有背景更新算法是对整个背景都进行更新的问题，提出基于细胞神经网络的背景区域更新算法。利用块匹配的思想，使用细胞神经网络搜索、标记并替换背景变化区域，以较少的运算量完成背景更新。3.针对交通视频背景不用给予过多关注的情况，提出基于细胞神经网络的帧内预测压缩方法，实现背景与运动目标不同比率压缩。按照内星模型设计细胞神经网络实现运动目标无损压缩，保留运动目标的细节成分；设计细胞神经网络模板分解出背景图像的低频信息，利用差分图像对背景进行高比率压缩。4.设计了基于细胞神经网络的交通视频压缩仿真系统。同条件下的仿真实验结果表明，本系统相对于H.264/AVC和MPEG-4ASP系统，节省了平均码率；视频的压缩比虽并无明显提高，但节省了压缩时间。
蒋文艳[5]2007年在《一种基于CNN的视频运动对象分割的研究》文中认为视频对象分割在许多计算机视觉领域都能发挥作用，如视频编码、视频制作和编辑、视频检索、视频监控等，有很广阔的应用前景。视频分割必须面临的重要问题之一是如何解决因处理大数据量运算造成的实时性问题。CNN细胞神经网络适于图像处理的特性及其芯片高速运算的能力能为解决这个问题提供有力的帮助。如今视频数据量日益膨胀，视频处理的实时性要求越来越高，采用CNN的相关算法和硬件是解决这些问题的有效方案，基于CNN的视频分割算法的研究具有广泛的应用前景。目前在美国和欧洲的一些权威研究机构，正在致力于采用CNN对视频分割进行研究，这是一种较新的方法，是神经网络在应用方面的前沿领域。本文讨论了细胞神经网络用于视频运动分割研究的意义，介绍了现有的视频分割算法以及细胞神经网络在该研究领域的发展动态。并介绍了图象处理中CNN输入与输出的量化方法及基本思想。针对背景相对静止的视频序列，提出了一种基于细胞神经网络的视频运动对象分割算法，完成了基于Matlab7.0实验软件平台的程序设计和开发，并通过分析实验结果进一步改进算法，最后的实验结果表明，本算法具有较好的分割性能和应用优势。
雷小亚[6]2013年在《细胞神经网络在手语视频分割中的应用研究》文中研究指明手语是由手形、手臂运动并辅之以表情、唇动以及其他体势表达思想的视觉语言,是聋哑人进行信息交流的最自然方式。在移动网络带宽有限且手语视频数据量大的情况下,要使聋哑人和正常人一样利用手机进行实时双向视频通话,就必须保证在手语视频可理解性的同时最大化压缩手语视频,为此,研究人员提出了感兴趣区手语视频编码方法。感兴趣区手语视频编码方法的前提条件是快速分割出手语视频中的面部、双手和背景区域。在进行手语视频分割时,面临的主要问题是如何解决因处理大数据量运算所造成的实时性问题。细胞神经网络(Cellular Neural Network, CNN)由于具有高速计算能力,以及与人类视觉系统(Human Visual Systme, HVS)很多的相似性,使得它特别适合图像/视频处理。因此,有必要研究CNN在手语视频分割中的应用及其相关算法。本论文研究了细胞神经网络(Cellular Neural Network, CNN)在快速手语视频分割中的应用,本论文具体工作如下：(1)研究了基于CNN的肤色检测在手语视频分割中的应用。为了减少不同照明条件对肤色检测的影响,在肤色检测之前,采用gray world方法对RGB颜色空间进行了颜色均衡。接着,对YCbCr颜色空间数据处理方法进行了优化。再利用肤色信息在YCbCr颜色空间采用阈值法,进行基于CNN的手语视频分割。相比于同类算法,该方法简单快速,能够适应实时的手语视频分割。(2)研究了基于CNN的运动检测在手语视频分割中的应用。该方法采用差分法对手语视频进行分割,该算法复杂度低,且直接面向灰度图象,能够获得较多的运动信息,从而使运动对象分割具有更好的精确性和语义性。(3)研究了一种基于CNN的将肤色和运动信息结合起来的手语视频分割算法。该方法首先利用肤色信息特征进行基于CNN的肤色检测,检测出手语视频中的肤色区域；然后对肤色检测结果,利用帧差法进行基于CNN的运动检测,获得初始的手势区域。由于提取出的视频对象轮廓容易出现“空洞”和“重影”现象,很难保证其完整性,所以,再对其进行中值滤波。最后采用形态学处理方法,进行空洞填充和边界平滑,最终得到手语视频中人的面部和手部区域。实验表明,该算法能够快速准确地检测出人的面部和手部。
葛晓叶, 乔栋[7]2015年在《基于OTSU的细胞神经网络视频对象分割算法》文中提出结合CNN的特点,提出了一种基于OTSU算法的细胞神经网络视频对象分割算法,通过仿真实验证明了此算法的可行性。本算法是对差分图像合并算法的一种改进,原理简单,易实现,处理速度快且精度高。
康达辉[8]2006年在《基于SOFM的视频对象分割算法的研究》文中提出随着多媒体技术的飞速发展和第二代视频编码的出现,视频运动对象分割在基于内容的视频检索浏览、智能监控以及计算机视觉方面的应用越来越广泛。视频运动对象分割技术已成为图像领域的研究热点之一。但是现今的视频分割技术没有一个通用的分割方案,视频分割技术面临着巨大的挑战。目前较为流行的分割方案大多依赖于视频图像的某一种或几种属性进行分割,并且较多的是在像素块基础上的,需要预先设定门限值,因此分割精度不高,图像边缘也较为粗糙。本文提出的基于自组织特征映射网络视频对象分割方案是综合利用视频图像的空间和时间上的各种属性进行聚类的一种对象分割解决方案。本方案是基于像素点的聚类,分割得到的对象具有较好的边缘效果并且不需要预先设定门限值。由于神经网络具有超强的容错性,使得本方案对于受噪声污染的图像也具有一定的适应性。
参考文献：
[1]. 细胞神经网络在视频运动对象分割中的应用研究[D]. 孟蜀锴. 上海大学. 2004
[2]. 基于细胞神经网络的移动目标识别[D]. 孙现召. 中北大学. 2008
[3]. 细胞神经网络的应用及其算法的硬件实现[D]. 卢珊萍. 南京航空航天大学. 2008
[4]. 基于细胞神经网络的交通视频压缩算法研究[D]. 陈明星. 重庆交通大学. 2013
[5]. 一种基于CNN的视频运动对象分割的研究[D]. 蒋文艳. 广西大学. 2007
[6]. 细胞神经网络在手语视频分割中的应用研究[D]. 雷小亚. 兰州理工大学. 2013
[7]. 基于OTSU的细胞神经网络视频对象分割算法[J]. 葛晓叶, 乔栋. 现代工业经济和信息化. 2015
[8]. 基于SOFM的视频对象分割算法的研究[D]. 康达辉. 吉林大学. 2006
标签：电信技术论文; 自动化技术论文; 神经网络算法论文; 图像分割论文; 自组织神经网络论文; 运动论文; 算法论文;