基于统计方法的图像识别技术

论文摘要

图片和视频的处理已经成为当今互联网行业的一个主要分支,目的是通过对其进行数据挖掘得出人们感兴趣的信息。目前针对于图片或视频的识别技术正处于研究的顶峰期。本文的主要目的是通过图像数据设计一个图像分类机,对一张图片的不同事物进行准确识别,并针对于视频数据应用多种处理方法,对其背景图像进行识别。具体研究内容如下:1)介绍偏正态分布概念以及高斯混合模型的建立过程,结合最速下降法、EM算法进行数值求解,搭建Logistic回归,神经网络模型进行相应的监督学习,并采用改进的K-Means聚类算法进行无监督分类。2)对于图像识别机的构建部分,首先通过网络爬虫获取大量图片数据,将聚类算法加以改进,使其具有记忆性。再对识别出的图片进行聚类,将一张图片分离成不同事物,并结合主成分和卷积神经网络两种不同的方法对爬虫得到的图片数据进行学习,得出模型,进一步对识别图片进行分类。3)对于视频背景识别,主要采用正态分布假设直接估计、高斯混合模型配合EM算法、偏正态分布不同核函数这三种方法进行识别。对背景稳定变化和不稳定变化都进行相应的讨论,比较三种方法的优缺点,并加以讨论分析。4)本文所涉及的数据为图像视频数据。所采用的算法和模型均使用Python程序封装实现。在本文的每一个模型实现及算法之后,分别都对提出的方法进行了测试,有实际测试图像结果。通过图像测试结果,证明本文提出的方法具有一定的实用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 选题背景与研究意义
•   1.2 国内外相关领域研究现状
•     1.2.1 图片识别的分析
•     1.2.2 视频识别技术的分析
•   1.3 本文研究内容概述
•   1.4 论文的组织结构
• 第2章 偏正态分布相关基础概述
•   2.1 偏正态分布的定义
•   2.2 偏正态分布的基本性质
•   2.3 偏正态分布极大似然估计
• 第3章 单张图片多事物识别
•   3.1 特征提取
•   3.2 Logistic回归分类
•     3.2.1 二分类问题
•     3.2.3 Logistic回归多分类问题
•   3.3 单张图片聚类分析
•   3.4 图像识别机搭建
•   3.5 结合卷积神经网络的图像识别机
•   3.6 本章小结
• 第4章 视频背景提取问题
•   4.1 视频处理背景
•   4.2 基于正态假设下的背景训练
•   4.3 基于高斯混合模型下的背景训练
•   4.4 基于偏正态分布进行图像训练
•   4.5 本章讨论及小结
• 结论
• 参考文献
• 攻读硕士学位期间所发表的学术论文
• 致谢

文章来源

类型: 硕士论文

作者: 孟庆梁

导师: 吴密霞

关键词: 图像,视频处理,偏正态分布,图像识别机,高斯混合模型

来源: 北京工业大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,计算机软件及计算机应用

单位: 北京工业大学

分类号: TP391.41;O212.1

DOI: 10.26935/d.cnki.gbjgu.2019.000888

总页数: 58

文件大小: 3453K

下载量: 39