简介:对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(BayesianRPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有BayesianRPCA和MoG-RPCA提取出了完整的前景目标,但是BayesianRPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.
简介:甜菊糖是一种天然、高甜度、低热量不致龋甜味剂,是从甜叶菊的叶子和根茎中提取精制得到,主要由Stevioside(ST)和RebaudiosideA(RA)两种成分组成,其中RA是蔗糖的理想替代品。全世界甜菊糖的年需求量近1万吨,随着甜味剂主要消费国美国批准使用,其需求量将以每年30%的速度增长;我国年生产量为3000t,国内消耗约500t,80%以上出口到日本、韩国、美国等国家,远远不能满足市场发展需求。大力开展甜菊糖的提取工艺研究与开发,进行甜叶菊新品种的培育和改良,提高甜叶菊中有效成分RA的含量,对带动我国甜菊糖产业的发展,改善我国农村农作物品种结构,具有十分重要的现实意义。本文介绍了甜菊糖的成分及其功能,甜菊糖不同成分对甜味的影响,对甜味口感的改进方法进行了分析比较。综述了甜菊糖的提取、分离、精制和改性的方法。最后就甜菊糖发展前景作了概述。
简介:摘要:目标行为特征提取是计算机视觉和行为分析领域的重要任务之一。本研究基于深度学习方法,探索了对目标行为特征进行有效提取的方法。首先,我们回顾了深度学习在计算机视觉任务中的成功案例,并分析了深度学习在目标行为分析和行为识别中的优势。接着,我们概述了基于深度学习的目标行为特征提取方法,并讨论了深度学习模型在这一领域中的应用现状、优势和局限性。我们还比较和评估了不同的深度学习模型,探讨了它们在目标行为特征提取方面的性能差异。在模型设计方面,我们介绍了模型架构和网络结构设计、数据预处理和标注方法、损失函数和训练策略,以及模型参数调优和优化方法。最后,我们进行了实验和评估,通过比较不同模型在目标行为特征提取任务上的表现,验证了深度学习在该领域的有效性和潜力。本研究的结果对于改进目标行为特征提取方法、推动计算机视觉和行为分析的发展具有重要意义。
简介:特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。