掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
內河航運運動船舶視覺檢測算法 版權信息
- ISBN：9787562961369
- 條形碼：9787562961369 ; 978-7-5629-6136-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
內河航運運動船舶視覺檢測算法 內容簡介
隨著網絡和計算機技術的飛速發展，內河航道信息化成為航運安全監管的一種有效途徑，航運視頻監控系統在海事監管中發揮著越來越重要的作用。為了進一步提高航運視頻監控的智能化水平，《內河航運運動船舶視覺檢測算法（附光盤）》重點研究了內河航運運動船舶視覺檢測算法。為了使讀者系統地了解運動船舶檢測領域的理論及算法，《內河航運運動船舶視覺檢測算法（附光盤）》分析了運動目標視覺檢測和內河航運運動船舶檢測的國內外研究現狀，討論了內河航運中運動船舶檢測的特點和難點。從光流法、幀差法、GMM和codebook這4種經典的算法到基于樣本一致性的ViBe算法和SuBSENSE算法，由淺入深地介紹了運動船舶視覺檢測算法的設計思路和方法，提出了視覺檢測中需要解決的干擾問題。《內河航運運動船舶視覺檢測算法（附光盤）》重點研究了壓縮感知（Compres-siveSense）中自適應動態組稀疏方法，直接從視頻幀中重構出背景圖像和前景圖像，同時提出了基于稀疏表示和顯著性檢測相結合的運動船舶視覺檢測算法，通過對背景模型的稀疏表示，顯示出基于壓縮感知的檢測算法對各類場景均具有較強的適應能力。在對6種背景建模視覺檢測算法進行定量和定性的對比分析后，《內河航運運動船舶視覺檢測算法（附光盤）》提出了一種自適應運動目標檢測策略，以同時適應不同的環境或同一環境的多種干擾。介紹了《內河航運運動船舶視覺檢測算法（附光盤）》作者團隊專門為內河航運這種環境建立的運動船舶檢測視頻數據庫和為同行研究人員學習和開展研究用的算法實驗平臺。 《內河航運運動船舶視覺檢測算法（附光盤）》的特點是將算法理淪分析和仿真實驗相結合，可以讓讀者清晰地掌握算法原理和應用中存在的問題以及解決問題的方向，內容涉及信息處理、計算機視覺、智能視頻監控等領域。《內河航運運動船舶視覺檢測算法（附光盤）》可作為計算機、自動化、信息處理和交通工程等專業高年級本科生和研究生的學習用書，也可作為從事視頻處理和智能視頻分析等的研發人員的參考用書。
內河航運運動船舶視覺檢測算法 目錄
第1章 緒論
1．1 研究的目的和意義
1．2 國內外研究現狀
1．2．1 內河船舶檢測系統國內外研究現狀
1．2．2 運動目標視覺檢測國內外研究現狀
1．2．3 基于背景差分法的內河運動船舶檢測研究現狀
1．3 運動船舶視覺檢測的特點與難點
1．3．1 特點分析
1．3．2 難點分析
1．4 算法性能評價指標
參考文獻
第2章 經典的運動目標檢測算法
2．1 光流法
2．1．1 光流法原理
2．1．2 Horn-Schunck算法
2．1．3 Lucas-Kanade算法
2．1．4 光流法分析
2．2 幀差法
2．2．1 二幀差分法
2．2．2 三幀差分法
2．3 背景差分算法
2．3．1 混合高斯模型算法
2．3．2 codebook算法
2．4 實驗對比分析
2．4．1 定性實驗結果及分析
2．4．2 定量實驗結果及分析
參考文獻
第3章 基于樣本一致性的檢測算法
3．1 ViBe算法
3．1．1 背景模型初始化
3．1．2 前景檢測
3．1．3 背景模型更新
3．1．4 實驗參數調整
3．2 SuBSENSE算法
3．2．1 局部二值相似模式
3．2．2 背景建模
3．2．3 像素分類與背景更新
3．2．4 參數自適應反饋機制
3．3 基于SuBSENSE的內河運動船舶檢測結果與分析
3．4 SuBSENSE算法優化
3．4．1 后處理優化
3．4．2 時間優化
3．5 優化后的SuBSENSE算法實驗分析
3．5．1 定性分析
3．5．2 定量分析
參考文獻
第4章 基于動態組稀疏的檢測算法
4．1 壓縮感知原理
4．1．1 信號稀疏表示
4．1．2 非相關測量
4．1．3 重建算法
4．2 動態組稀疏算法
4．3 基于DGS的運動目標檢測算法
4．3．1 EAdaDGS重構算法
4．3．2 背景字典更新機制
4．3．3 多分辨率檢測
4．4 實驗結果分析
4．4．1 有效性分析
4．4．2 實時性分析
參考文獻
第5章 融合稀疏表示和顯著性檢測的背景建模
5．1 基于稀疏表示的背景建模
5．2 基于顯著性檢測的內河圖像顯著區域提取
5．2．1 顯著性檢測
5．2．2 AC模型
5．2．3 Var模型
5．2．4 顯著圖融合
5．3 像素分類與背景更新
5．4 算法分析
5．4．1 理論分析
5．4．2 實驗分析
參考文獻
第6章 實驗對比分析
6．1 參數設置
6．2 定性實驗結果及分析
6．3 定量實驗結果及分析
參考文獻
第7章 自適應運動船舶檢測算法
7．1 算法整體框架
7．2 自適應策略
7．2．1 算法原理
7．2．2 權重自適應調整的空間相關
7．3 實驗結果分析
7．3．1 有效性分析
7．3．2 魯棒性分析
7．3．3 兼容性分析
7．3．4 實時性分析
參考文獻
第8章 船舶視覺檢測庫建立與算法實驗平臺設計
8．1 船舶視覺檢測庫建立的必要性
8．2 船舶視覺檢測庫的建立
8．3 算法實驗平臺設計
8．3．1 關鍵技術實現
8．3．2 平臺功能
參考文獻
1．1 研究的目的和意義
1．2 國內外研究現狀
1．2．1 內河船舶檢測系統國內外研究現狀
1．2．2 運動目標視覺檢測國內外研究現狀
1．2．3 基于背景差分法的內河運動船舶檢測研究現狀
1．3 運動船舶視覺檢測的特點與難點
1．3．1 特點分析
1．3．2 難點分析
1．4 算法性能評價指標
參考文獻
第2章 經典的運動目標檢測算法
2．1 光流法
2．1．1 光流法原理
2．1．2 Horn-Schunck算法
2．1．3 Lucas-Kanade算法
2．1．4 光流法分析
2．2 幀差法
2．2．1 二幀差分法
2．2．2 三幀差分法
2．3 背景差分算法
2．3．1 混合高斯模型算法
2．3．2 codebook算法
2．4 實驗對比分析
2．4．1 定性實驗結果及分析
2．4．2 定量實驗結果及分析
參考文獻
第3章 基于樣本一致性的檢測算法
3．1 ViBe算法
3．1．1 背景模型初始化
3．1．2 前景檢測
3．1．3 背景模型更新
3．1．4 實驗參數調整
3．2 SuBSENSE算法
3．2．1 局部二值相似模式
3．2．2 背景建模
3．2．3 像素分類與背景更新
3．2．4 參數自適應反饋機制
3．3 基于SuBSENSE的內河運動船舶檢測結果與分析
3．4 SuBSENSE算法優化
3．4．1 后處理優化
3．4．2 時間優化
3．5 優化后的SuBSENSE算法實驗分析
3．5．1 定性分析
3．5．2 定量分析
參考文獻
第4章 基于動態組稀疏的檢測算法
4．1 壓縮感知原理
4．1．1 信號稀疏表示
4．1．2 非相關測量
4．1．3 重建算法
4．2 動態組稀疏算法
4．3 基于DGS的運動目標檢測算法
4．3．1 EAdaDGS重構算法
4．3．2 背景字典更新機制
4．3．3 多分辨率檢測
4．4 實驗結果分析
4．4．1 有效性分析
4．4．2 實時性分析
參考文獻
第5章 融合稀疏表示和顯著性檢測的背景建模
5．1 基于稀疏表示的背景建模
5．2 基于顯著性檢測的內河圖像顯著區域提取
5．2．1 顯著性檢測
5．2．2 AC模型
5．2．3 Var模型
5．2．4 顯著圖融合
5．3 像素分類與背景更新
5．4 算法分析
5．4．1 理論分析
5．4．2 實驗分析
參考文獻
第6章 實驗對比分析
6．1 參數設置
6．2 定性實驗結果及分析
6．3 定量實驗結果及分析
參考文獻
第7章 自適應運動船舶檢測算法
7．1 算法整體框架
7．2 自適應策略
7．2．1 算法原理
7．2．2 權重自適應調整的空間相關
7．3 實驗結果分析
7．3．1 有效性分析
7．3．2 魯棒性分析
7．3．3 兼容性分析
7．3．4 實時性分析
參考文獻
第8章 船舶視覺檢測庫建立與算法實驗平臺設計
8．1 船舶視覺檢測庫建立的必要性
8．2 船舶視覺檢測庫的建立
8．3 算法實驗平臺設計
8．3．1 關鍵技術實現
8．3．2 平臺功能
參考文獻
展開全部
書友推薦
- >
推拿
- >
姑媽的寶刀
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
李白與唐代文化
- >
我與地壇
- >
詩經-先民的歌唱
- >
經典常談
本類暢銷
