一种复杂背景下运动扩展目标识别算法

被引：4

作者：

孔刚

张启衡

许俊平

机构：

[1] 中国科学院光电技术研究所国家计划光束控制重点实验室,中国科学院光电技术研究所国家计划光束控制重点实验室,中国科学院光电技术研究所国家计划光束控制重点实验室成都,成都,成都

来源：

仪器仪表学报 | 2005年 / S1期

关键词：

目标识别; 特征提取; 运动估计; 块匹配; C均值模糊聚类;

D O I：

10.19650/j.cnki.cjsi.2005.s1.298

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

目标识别的关键在于提取出目标有别于背景的特有的特征。在复杂背景下,灰度特征、区域特征、形状及纹理特征难以对目标进行有效的识别,而运动特征是明显的有效特征,提出了一种基于稀疏运动场的目标识别方法,首先用改进Barnard算法对相邻两帧图像进行特征点提取,然后在特征空间用块匹配的快速算法估计出稀疏运动场,再进行C均值模糊聚类识别。实验表明这种算法能对复杂背景下高速运动的扩展目标进行快速稳健的识别。

引用

页码：712 / 715

页数：4

共 6 条

[1]

Handbook of image & video processing. A. Bovik. . 2000

[2]

Representing moving images with layer. J. Y. A. Wang,E. H. Adelson. IEEE Transactions on Image Processing . 1994

[3]

Digital video processing. A. M. Tekalp. . 1995

[4]

Neural network model of the visual system: binding form and motion. M. Kikuchi,K. Fukushima. Neural Networks . 1996

[5]

Disparity analysis of images. S. T. Barnard,,W. B. Thompson. IEEE Trans.PAMI . 1980

[6]

Determining optical flow. B. K. P. Horn,,B. G. Schunck. Artificial Intelligence . 1981

← 1 →