隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展以及人們公共安全意識(shí)的日益加深,機(jī)器視覺(jué)目標(biāo)分類(lèi)識(shí)別在圖像與視頻分析方面受到廣泛關(guān)注,其智能化要求越來(lái)越受到人們重視。論文在廣泛閱讀與調(diào)研國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上,針對(duì)目前機(jī)器學(xué)習(xí)視覺(jué)目標(biāo)分類(lèi)識(shí)別存在的相關(guān)問(wèn)題與不足,對(duì)視覺(jué)目標(biāo)分類(lèi)、運(yùn)動(dòng)目標(biāo)表征與識(shí)別以及視頻行為預(yù)測(cè)等方面開(kāi)展了深入研究。論文主要特色與貢獻(xiàn)體現(xiàn)在如下方面:提出了一種基于機(jī)器學(xué)習(xí)的古陶瓷無(wú)損分類(lèi)識(shí)別方法。采用差分鏈碼獲取古陶瓷旋轉(zhuǎn)、平移不變特征,在此基礎(chǔ)上,確定古陶瓷邊緣輪廓曲率,獲取結(jié)構(gòu)細(xì)節(jié)特征,并在HSI顏色空間下提取古陶瓷釉色多通道顏色特征以及反映古陶瓷紋理多樣性的紋飾LBP特征。綜合上述視覺(jué)特征對(duì)不同時(shí)期古陶瓷進(jìn)行斷代分析。實(shí)驗(yàn)結(jié)果表明,所提方法具有魯棒的無(wú)損分類(lèi)識(shí)別性能,可為古陶瓷科技鑒定和數(shù)字博物館建設(shè)發(fā)揮積極作用。提出了一種基于邊緣時(shí)空域軌跡的視頻運(yùn)動(dòng)目標(biāo)表征方法。為有效描述不同運(yùn)動(dòng)模式下視覺(jué)行為的演化過(guò)程,將具有類(lèi)似時(shí)空和運(yùn)動(dòng)特征的各種邊緣軌跡視為一組骨架,同時(shí)引入基于幅度和方向信息的編碼方法對(duì)這些運(yùn)動(dòng)邊緣軌跡進(jìn)行聚類(lèi),獲取時(shí)空運(yùn)動(dòng)骨架描述子,從而充分考慮時(shí)空軌跡對(duì)之間的運(yùn)動(dòng)相似性。... 

【文章來(lái)源】：上海大學(xué)上海市 211工程院校

【文章頁(yè)數(shù)】：144 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

古陶瓷視覺(jué)結(jié)構(gòu)特征提取示意圖

上海大學(xué)博士學(xué)位論文2612()()cos2()()(B)RGRBHRGRBG（2-3）其中，RG或RB；若BG，則H2H。R、G、B分別為原古陶瓷釉色中RGB顏色空間的三通道顏色值。Smax(R,G,B)min(R,G,B)（2-4）1()3IRBG（2-5）對(duì)HSI顏色空間三分量進(jìn)行如下非均勻量化：0,[316,20]1,[21,40]2,[41,75]0,[0,0.2]0,[0,0.2]3,[76,155]1,[0.2,0.7]1,[0.2,0.7]4,[159,190]2,[0.7,01]2,[0.7,01]5,[191,270]6,[271,295]7,[296,315]hhhsihHSsIihsihhh（2-6）圖2-2古陶瓷釉色直方圖特征提取流程框圖2.2.3基于局部二值模式紋飾特征提取古陶瓷紋飾構(gòu)圖優(yōu)美、內(nèi)涵豐富，不同的紋飾圖案特征往往代表著不同的文化習(xí)俗和風(fēng)土人情，蘊(yùn)含著豐富信息。如何提取有效的古陶瓷紋飾圖案信息，在古陶瓷分類(lèi)識(shí)別中起著舉足輕重的作用。LBP作為一種紋理描述算子，已被廣泛用于紋理分類(lèi)、人臉識(shí)別及圖像檢索等領(lǐng)域[13]，它具有良好的旋轉(zhuǎn)不變性和灰度不變性，因此，基于LBP能提取代表古陶瓷紋飾圖像的本質(zhì)特征。其中，提取古陶瓷紋飾LBP特征如下：遍歷古陶瓷紋飾圖像中每一像素3×3鄰域，將該鄰域周?chē)?個(gè)像素點(diǎn)灰度值與該

上海大學(xué)博士學(xué)位論文27鄰域中心像素點(diǎn)灰度值做比較，大于或等于中心灰度值的點(diǎn)用1表示，反之用0，以此類(lèi)推，沿順時(shí)針?lè)较虻玫降?個(gè)二進(jìn)制值作為該鄰域中心的特征值，并以直方圖形式統(tǒng)計(jì)整個(gè)區(qū)域每個(gè)特征值數(shù)量，作為古陶器紋飾的圖案特征描述子，如圖2-3所示。圖2-3古陶瓷紋飾圖案LBP特征提取圖2-4為來(lái)自古陶瓷紋飾數(shù)據(jù)庫(kù)中2個(gè)不同作者所繪制的鴛鴦紋飾局部圖及其與之對(duì)應(yīng)的LBP特征圖。由圖2-4可以看出：不同作者繪制水彩鴛鴦圖案LBP特征圖具有較明顯差異。圖2-4不同作者繪制的水彩鴛鴦紋飾局部圖及其與之對(duì)應(yīng)的LBP特征圖2.3基于廣義回歸神經(jīng)網(wǎng)絡(luò)古陶瓷多元特征分類(lèi)2.3.1GRNN網(wǎng)絡(luò)原理廣義回歸神經(jīng)網(wǎng)絡(luò)（GeneralizedRegressionNeuralNetwork，GRNN）是以數(shù)理統(tǒng)計(jì)為基礎(chǔ)的一種人工神經(jīng)網(wǎng)絡(luò)，由DonaldF.Specht于1991年提出[118]。

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征融合的運(yùn)動(dòng)想象腦電信號(hào)識(shí)別研究[J]. 姜月,鄒任玲.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2019(05)
[2]融合均勻局部二元模式和稀疏表示的人臉識(shí)別[J]. 高洪濤,郜亞麗.  計(jì)算機(jī)工程與設(shè)計(jì). 2019(03)
[3]基于興趣點(diǎn)統(tǒng)計(jì)特征的雙人交互行為預(yù)測(cè)算法[J]. 姬曉飛,謝旋.  計(jì)算機(jī)技術(shù)與發(fā)展. 2019(07)
[4]視頻行為識(shí)別綜述[J]. 羅會(huì)蘭,王嬋娟,盧飛.  通信學(xué)報(bào). 2018(06)
[5]基于深度學(xué)習(xí)的視頻預(yù)測(cè)研究綜述[J]. 莫凌飛,蔣紅亮,李煊鵬.  智能系統(tǒng)學(xué)報(bào). 2018(01)
[6]深度學(xué)習(xí)在目標(biāo)視覺(jué)檢測(cè)中的應(yīng)用進(jìn)展與展望[J]. 張慧,王坤峰,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(08)
[7]面向智能監(jiān)控?cái)z像頭的監(jiān)控視頻大數(shù)據(jù)分析處理[J]. 邵振峰,蔡家駿,王中元,馬照亭.  電子與信息學(xué)報(bào). 2017(05)
[8]神經(jīng)網(wǎng)絡(luò)七十年:回顧與展望[J]. 焦李成,楊淑媛,劉芳,王士剛,馮志璽.  計(jì)算機(jī)學(xué)報(bào). 2016(08)
[9]數(shù)字化碗類(lèi)器型結(jié)構(gòu)及其應(yīng)用[J]. 熊露,唐敏,李其江,吳琳,葉正隆.  陶瓷學(xué)報(bào). 2015(04)
[10]智慧城市中的大數(shù)據(jù)[J]. 李德仁,姚遠(yuǎn),邵振峰.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(06)

博士論文
[1]復(fù)雜人體行為分析的時(shí)空上下文方法研究[D]. 許萬(wàn)茹.北京交通大學(xué) 2018
[2]視頻序列中的人體動(dòng)作識(shí)別[D]. 陳淵博.北京郵電大學(xué) 2015

碩士論文
[1]基于多特征的人體行為識(shí)別的研究[D]. 徐陳晨.南京郵電大學(xué) 2017



本文編號(hào)：3389949