基于矩阵低秩稀疏分解的运动目标检测算法任务书

 2021-08-19 11:08

1. 毕业设计(论文)主要目标:

理解并掌握运动目标检测的原理及其算法,并了解用低秩矩阵和稀疏表示在图像处理的应用。将矩阵的低秩稀疏分解理论用于视频序列的运动目标检测,从复杂背景中有效分离运动目标,进而建立一套鲁棒的运动目标分割模型及其算法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 毕业设计(论文)主要内容:

针对长时段和大规模视频数据,本文研究了鲁棒主成分分析方法。鲁棒主成分分析(RPCA)提供了一种将低秩数据和稀疏噪声分离的方法。本文中我们会通过对RPCA松弛优化得到PCA算法,并运用该算法进行视频图像的背景与前景分离,实现运动目标检测。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 主要参考文献

  1. [1] Gali C S S, Loncaric S. Spatio-temporal image segmentation using optical flow and clusteringalgorithm[C]. Proceedings of the First International Workshop on. IEEE, 2000: 63-68.

    [2] Doucet A, Gordon N J, Krishnamurthy V. Particle filters for state estimation of jump Markov linear systems[J]. Signal Processing, 2001, 49(3): 613-624.

    剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;