检索结果-内蒙古大学图书馆

作者：庞明明太原理工大学

学位级别：硕士

乳腺癌是全球女性发病率且死亡率较高的疾病之一。有证据表明,提高疾病疗效、降低死亡率的关键是尽早对乳腺患者进行诊断和治疗。乳腺钼靶X线影像简单便捷、费用低并能够明确病变组织的部位和范围,所以将其作为乳腺癌检查的首选方式。... 详细信息

乳腺癌是全球女性发病率且死亡率较高的疾病之一。有证据表明,提高疾病疗效、降低死亡率的关键是尽早对乳腺患者进行诊断和治疗。乳腺钼靶X线影像简单便捷、费用低并能够明确病变组织的部位和范围,所以将其作为乳腺癌检查的首选方式。但乳腺钼靶X线影像存在分辨率低、乳腺结构与病变位置易出现影像重叠等问题,因此将乳腺肿块区域精确分割存在一定的难度。为此国内外学者对乳腺图像分割进行了深入研究,提出了众多的分割方法,但由于乳腺图像固有的缺陷,其分割精度依旧有待提高。为了准确分割出肿块区域,本文将mean shift聚类算法应用于乳腺钼靶X线图像分割。由于mean shift算法是一种无监督的统计学分类算法,不需要预先指定聚类数目,更不依赖于先验知识,故其广泛应用于图像分割、目标追踪等领域。本文针对mean shift算法存在迭代时间长、时间复杂度高的问题,提出将其与简单线性迭代聚类(Simple Linear Iterative Cluster,SLIC)算法相融合、与融合模糊局部二值模式和Canny边缘的FLBP-Canny(Fuzzy Local Binary Pattern-Canny)算法相结合,对乳腺钼靶X线图像进行肿块分割。(1)针对mean shift算法迭代次数多、时间复杂度高的问题,提出基于SLIC的mean shift(SLIC-MS)算法。鉴于SLIC算法对噪声十分敏感,首先采用各向异性扩散和伽马校正算法来消除噪声、增强图像对比度。然后运用SLIC算法将图像预分割为均衡的超像素块,计算其均值作为mean shift聚类算法的样本点,逐步迭代计算mean shift向量。最后根据聚类密度获取阈值,利用阈值算法分割聚类图像。实验表明,基于SLIC-MS算法的时间复杂度有所降低,一定程度上可以增强实用性。(2)为了提高乳腺钼靶X线图像的分割精度,本文提出一种FLBP-Canny算法。该方法先采用mean shift算法对图像进行滤波处理,然后运用FLBP-Canny算法提取乳腺肿块边缘进行图像分割。实验表明,该算法的分割精度达到90.26%,更有利于乳腺钼靶X线图像分割。

关键词：乳腺钼靶X线图像肿块分割 mean shift算法 SLIC FLBP-Canny

来源：评论

学校读者我要写书评

暂无评论

基于自适应核带宽度mean shift算法的单木识别研究

引用

森林工程 2024年第2期40卷 92-101,126页

作者：马秀陈伟徐雁南张舒王国宏南京林业大学林学院南京210037 国家林业和草原局华东调查规划院杭州310019 杭州兆圆科技有限公司杭州310020 黟县宏村林业工作站安徽黄山245531

为提高多树种森林中单木识别的精度,利用机载激光雷达点云数据作为研究对象,提出一种基于自适应核带宽度mean shift算法的单木识别方法。该方法先采用直方图分析法分离树冠点云和冠层下点云,再采用基于二维增量网格投影的区域生长法,估... 详细信息

为提高多树种森林中单木识别的精度,利用机载激光雷达点云数据作为研究对象,提出一种基于自适应核带宽度mean shift算法的单木识别方法。该方法先采用直方图分析法分离树冠点云和冠层下点云,再采用基于二维增量网格投影的区域生长法,估算单木冠幅有效半径,然后以单木冠幅有效半径作为自适应核带宽度,对树冠点云进行自适应mean shift聚类分析,得到树冠点簇,最后采用包络盒方法根据树冠点簇和树干点云的空间关系识别单木。试验结果表明,检测树与实际树的位置、树冠形态近似一致,单木召回率达到86.1%,准确率达到91.5%,高于2个对比试验的结果。研究证明设置的自适应核带宽度能够自动调整以反映局部树冠的实际大小,在多树种森林的单木识别中表现良好。

关键词：激光雷达单木识别 mean shift算法核带宽度自适应

来源：评论

学校读者我要写书评

暂无评论

mean shift算法在目标跟踪领域的应用研究

引用

计算机科学与应用 2020年第7期10卷 1391-1399页

作者：叶鸿源胡改玲姜凌奇冀泓江西安交通大学机械学院陕西西安

目标跟踪物在运动过程不断移动以及在运动过程中被遮挡的问题一直是研究的一个焦点和重点问题。本文通过阐述mean shift算法原理,研究了mean shift算法对目标物的快速跟踪过程。并通过两组实验分别对运动目标物及在遮挡条件下运动目标... 详细信息

目标跟踪物在运动过程不断移动以及在运动过程中被遮挡的问题一直是研究的一个焦点和重点问题。本文通过阐述mean shift算法原理,研究了mean shift算法对目标物的快速跟踪过程。并通过两组实验分别对运动目标物及在遮挡条件下运动目标物进行跟踪。第一组实验中,选取移动的物体篮球为目标物,并通过mean shift算法,不断迭代跟踪新的篮球位置,实现对篮球的跟踪。第二个实验中,选取移动的人为目标物,目标物在移动过程中被其他人遮挡,通过将颜色灰度特征应用到mean shift算法中,减少了其他物体对目标物跟踪的干扰,从而实现不断跟踪新目标。实验结果证明,mean shift算法能够快速、有效地实现目标跟踪。

关键词：目标跟踪目标遮挡 mean shift算法

来源：评论

学校读者我要写书评

暂无评论

mean shift算法在全景视觉中的应用与研究

Mean shift算法在全景视觉中的应用与研究

引用

中国计量协会冶金分会2010年会

作者：武娜李小坚北方工业大学机电工程学院

目标跟踪是计算机视觉研究中的经典问题,是指计算机或其它设备根据某种算法对目标进行跟踪和定位,并根据目标的位置和动向采取相应的策略。近些年来,目标跟踪被广泛应用于视频监控、视频编码以及军事工程等各种领域。本文首先对mean sh... 详细信息

目标跟踪是计算机视觉研究中的经典问题,是指计算机或其它设备根据某种算法对目标进行跟踪和定位,并根据目标的位置和动向采取相应的策略。近些年来,目标跟踪被广泛应用于视频监控、视频编码以及军事工程等各种领域。本文首先对mean shift算法做了简单介绍,随后介绍了算法的基本形式及基于核函数的扩展形式,最后将改进的算法应用于足球机器人的单目视觉与全景视觉中,并对实验结果进行了分析。

关键词： mean shift算法足球机器人全景视觉

来源：评论

学校读者我要写书评

暂无评论

mean shift算法优化带宽的自动搜索

Mean Shift算法优化带宽的自动搜索

引用

2008仿真科学与技术青年学术论坛

作者：盛捷张瑜王智灵朱明清陈宗海中国科学技术大学自动化系合肥 230027

mean shift算法是一种非参数估计方法，能够快速收敛到概率密度函数的模态，在图像处理领域已得到了广泛的应用。算法的带宽参数的选取会直接影响到收敛速度和收敛结果，而手动调试参数需花费大量的时间和资源。为解决这一问题，本文提... 详细信息

mean shift算法是一种非参数估计方法，能够快速收敛到概率密度函数的模态，在图像处理领域已得到了广泛的应用。算法的带宽参数的选取会直接影响到收敛速度和收敛结果，而手动调试参数需花费大量的时间和资源。为解决这一问题，本文提出一种mean shift算法优化带宽自动搜索策略，采用mean shift算法对图像特征空间内的样本点进行聚类分析，以图像结构特征信息作为分割效果的评判准则，自动寻取优化带宽参数。实验结果表明，本文提出的方法可以实现自动寻取mean shift算法的优化带宽参数，为解决mean shift算法带宽自寻优问题提供了一种新的思路。

关键词： mean shift算法图像分割优化带宽带宽自寻优自动搜索

来源：评论

学校读者我要写书评

暂无评论

mean shift算法在全景视觉中的应用与研究

Mean shift算法在全景视觉中的应用与研究

引用

中国计量协会冶金分会2010年会暨全国第十五届自动化应用学术交流会

作者：武娜李小坚北方工业大学机电工程学院北京 100144

目标跟踪是计算机视觉研究中的经典问题，是指计算机或其它设备根据某种算法对目标进行跟踪和定位，并根据目标的位置和动向采取相应的策略。近些年来，目标跟踪被广泛应用于视频监控、视频编码以及军事工程等各种领域。本文首先对mean ... 详细信息

目标跟踪是计算机视觉研究中的经典问题，是指计算机或其它设备根据某种算法对目标进行跟踪和定位，并根据目标的位置和动向采取相应的策略。近些年来，目标跟踪被广泛应用于视频监控、视频编码以及军事工程等各种领域。本文首先对mean shift算法做了简单介绍，随后介绍了算法的基本形式及基于核函数的扩展形式，最后将改进的算法应用于足球机器人的单目视觉与全景视觉中，并对实验结果进行了分析。

关键词： mean shift算法足球机器人全景视觉目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于mean shift算法的运动目标检测与跟踪

基于mean shift算法的运动目标检测与跟踪

引用

作者：皇甫高峻东南大学

学位级别：硕士

视频图像序列中运动目标检测与跟踪技术，是计算机视觉领域的一个重要分支，它融合了图像处理、模式识别、以及计算机等若干领域的先进技术，在视频监控、智能交通、机器人视觉导航以及医疗诊断等方面有着广泛的应用前景。本文主要围绕... 详细信息

视频图像序列中运动目标检测与跟踪技术，是计算机视觉领域的一个重要分支，它融合了图像处理、模式识别、以及计算机等若干领域的先进技术，在视频监控、智能交通、机器人视觉导航以及医疗诊断等方面有着广泛的应用前景。本文主要围绕运动目标检测问题和运动目标跟踪问题展开：\n 对于运动目标检测，首先研究了基于像素灰度归类的背景重构算法，并提出了背景渐变和突变时背景更新策略，然后研究了基于RGB和HSV颜色空间的移动阴影检测与消除方法。\n 对于运动目标跟踪，主要研究了基于mean shift算法的运动目标跟踪算法，并给出了基于边缘检测的跟踪窗口尺度自动更新的mean shift跟踪算法，以解决mean shift算法跟踪窗口固定，不能跟踪渐近或渐远的运动目标的缺点；\n 针对mean shift算法不能较好地跟踪被大面积遮挡或完全遮挡的运动目标的缺点，引入了粒子滤波算法及其在运动目标跟踪中的应用，并提出了多样性粒子重采样方法以解决粒子滤波算法的粒子贫化问题；针对粒子滤波跟踪算法需要的粒子量大，运算速度慢的缺点，本文给出了基于mean shift算法的粒子滤波算法，该算法利用mean shift算法的聚类功能将粒子聚集在更毗邻目标真实位置的区域，使得每个粒子更合理地表达目标的真实状态，故算法对粒子数量的要求减小，算法的运算速度得到了提高。实验表明，新算法的跟踪效果优于传统的基于mean shift算法的运动目标跟踪算法，实时性优于单纯的粒子滤波跟踪算法。

关键词：运动目标检测运动目标跟踪粒子滤波 mean shift算法

来源：评论

学校读者我要写书评

暂无评论

基于mean shift算法的视频车辆跟踪

基于Mean Shift算法的视频车辆跟踪

引用

作者：庞一贵北方工业大学

学位级别：硕士

随着智能交通的快速发展,视频监控系统作为重要组成部分也受到了很大的重视。近年来,计算机技术的不断更新,以及数字图像处理技术的不断成熟,为视频监控系统的设计提供了有力的技术支持,视频的目标跟踪识别作为视频监控的核心正是当前... 详细信息

随着智能交通的快速发展,视频监控系统作为重要组成部分也受到了很大的重视。近年来,计算机技术的不断更新,以及数字图像处理技术的不断成熟,为视频监控系统的设计提供了有力的技术支持,视频的目标跟踪识别作为视频监控的核心正是当前十分热门的研究课题之一。视频监控有着广泛的用途,如水下探测,超市视频监控,汽车导航,交通视频监控等。视频目标跟踪技术融合了多个领域的先进知识,包括计算机,图像处理,通信,跟踪算法研究等,应用前景十分广阔。设计滤波器是视频跟踪的核心环节,是指从受噪声干扰的环境中恢复(寻找)真实的数据或者模型等信息,这些信息能反映系统的真实状况。本文第二部分从论述线性滤波的基本原理开始,介绍了卡尔曼滤波器的设计及其发展,它在通信与信号处理中应用十分广泛,在去噪、消除干扰等领域有着不可替代的作用。但是,在视频的目标跟踪上卡尔曼滤波器不如mean shift算法适用,mean shift算法是基于无参密度估计的,在动态的视频目标跟踪上具有较好的适应性,本文以mean shift算法为重点描述其在视频目标跟踪上的应用。本文在第三部分详细阐述了多维空间上的mean shift推导过程及其算法的收敛性,把mean shift从二维平面空间扩展到多维空间,同时对核宽给出了一个普遍的概念,在设计程序时可根据实际需要选择合适的方法,这样扩展了算法的应用范围。第四部分在概述粒子滤波原理的基础上,设计了粒子滤波器,并与mean shift跟踪做了对比试验,试验在同等的条件下完成,结果表明mean shift算法在视频目标跟踪上的具有明显的优势。本文在第五部分针对mean shift算法的核带宽不变的特点对可变尺寸目标的跟踪的缺陷,利用Lindeberg理论在尺度空间上改进mean shift算法,并设计了尺度空间可变运动目标的自适应跟踪算法。根据Lindeberg理论,在尺度空间上设计一个阴影核,并根据阴影函数与核函数的关系推导出mean shift核函数,最后计算mean shift补偿向量。在运算中,通过设定位置去迭代合适的尺度,再通过设定尺度去寻找目标的真实位置。实验表明在与不变尺度的原始算法相比,改进mean shift算法能更好地适应目标可变尺度的实时跟踪。

关键词：视频跟踪卡尔曼滤波粒子滤波 mean shift算法尺度空间

来源：评论

学校读者我要写书评

暂无评论

基于改进mean shift算法的图像分割和目标跟踪

基于改进Mean Shift算法的图像分割和目标跟踪

引用

作者：程佳佳天津大学

学位级别：硕士

在计算机视觉众多研究领域中,图像分割和运动目标在智能监控、机器人导航、智能交通、视频内容分析与理解等领域具有重要的研究意义与应用价值。本文主要针对基于mean shift算法的图像分割和目标跟踪进行了研究。在图像分割方面,提出了... 详细信息

在计算机视觉众多研究领域中,图像分割和运动目标在智能监控、机器人导航、智能交通、视频内容分析与理解等领域具有重要的研究意义与应用价值。本文主要针对基于mean shift算法的图像分割和目标跟踪进行了研究。在图像分割方面,提出了基于二次核函数的mean shift图像分割算法,并分析了不同核函数对图像分割结果的影响。在目标跟踪方面,通过引入局部二值模式(Local Binary Pattern,LBP),提出了改进的尺度方向自适应的mean shift跟踪算法,得到了更加准确的尺度方向估计。同时结合快速尺度不变特征(Speed Up Robust Feature,SURF)与目标颜色特征构建新的目标模型,进一步提高了算法的鲁棒性。主要工作包括以下几方面:(1)针对mean shift图像分割算法普遍存在的过分割现象,提出了一种基于二次核函数的mean shift图像分割算法。该算法利用核函数对采样点加权,通过mean shift向量迭代至灰度概率密度最大处,并将此灰度值赋予当前像素点,依次遍历每个像素点,通过区域合并对图像进行分割。我们在三幅标准图像和三幅医学图像上对算法进行了仿真实验,并与基于另外四种核函数的mean shift图像分割算法进行了比较分析。实验结果表明,本文算法能够得到更理想的分割结果。(2)针对不同跟踪场景下的目标尺度方向变化问题,提出了一种鲁棒的尺度方向自适应跟踪算法。该算法将LBP特征和权值矩图像引入到mean shift跟踪算法框架中。通过结合LBP特征与颜色特征来描述目标模型,增强了目标模型的鉴别能力。此外,我们提出了一个与LBP特征点和Bhattacharyya系数相关的修正函数,以自适应地调整目标区域大小。我们将改进的算法应用于不同真实跟踪场景下的视频序列,并与相关算法进行比较分析来评估该算法的性能。实验结果表明,本文所提算法在保证运算时效性的同时,能够得到更加准确的目标定位与尺度方向估计。(3)针对多数跟踪算法对光照变化的敏感性问题,提出了一种新的目标模型表述方法。该算法利用SURF特征对光照变化不敏感性的优点,对目标区域进行SURF特征提取,并将其与颜色特征结合,组成新的联合直方图来描述目标模型。我们将所提算法应用于四个视频序列中,并与相关算法进行了比较分析。结果表明,本文所提算法增强了对光照变化的鲁棒性。

关键词： mean shift算法核函数图像分割目标跟踪 SURF特征 LBP特征

来源：评论

学校读者我要写书评

暂无评论

基于mean shift算法的目标跟踪研究

基于Mean Shift算法的目标跟踪研究

引用

作者：张松祥东南大学

学位级别：硕士

视频目标跟踪是计算机视觉领域的关键技术之一，在视频监控、虚拟现实、智能机器人、自动驾驶等领域都有广泛应用。经过研究人员的多年努力，提出了很多经典的跟踪算法，解决了很多目标跟踪的难题。但目前的目标跟踪算法都是在某种针对... 详细信息

视频目标跟踪是计算机视觉领域的关键技术之一，在视频监控、虚拟现实、智能机器人、自动驾驶等领域都有广泛应用。经过研究人员的多年努力，提出了很多经典的跟踪算法，解决了很多目标跟踪的难题。但目前的目标跟踪算法都是在某种针对性的环境或目标条件下有效，缺乏通用性。因此对于目标跟踪算法的研究非常有意义。\n 在众多跟踪算法中，mean shift跟踪算法由于实时性好、跟踪精度高，受到了广泛关注。mean shift算法是一种无参密度估计算法，具有运算量小，实时性好，对边缘遮挡和目标变形有好的鲁棒性的特点。但它也有缺点：直方图对目标的特征描述比较弱；当目标尺度变大时，可能会跟踪失败；模板无法更新；跟踪快速目标时效果不好；目标遭遇大面积的遮挡时可能会失去目标。\n 本文介绍了mean shift基本理论及mean shift算法收敛性的证明。研究了基于meanshift的目标跟踪算法。同时针对mean shift跟踪算法的部分不足之处进行了改进研究。首先研究了mean shift与卡尔曼滤波器相结合的算法，由于卡尔曼滤波器能够预测目标在下一帧的可能位置，因此该算法提高了跟踪快速目标的效果和解决了部分遮挡问题。其次针对mean shift无模板更新能力使用加权更新机制。最后利用遮挡处理策略在目标遭遇大面积遮挡后仍能被寻回。

关键词：目标跟踪 mean shift算法卡尔曼滤波器计算机视觉

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：