改进的混合高斯背景建模算法

来源 :计算机应用与软件 | 被引量 : 12次 | 上传用户:qiongxiaobao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统的混合高斯背景建模算法实时性差及对光照等引起的环境突变适应性差的问题,提出一种改进算法。通过定义模型生存时间、连续匹配次数等参数定量约束模型的生存时间,改进传统算法中固定模型数量的限制,提高背景建模速度;通过定义突变因子、突变持续时间,检测光照突变。仿真实验表明,改进算法实现了模型数量的自适应增减,提高了建模效率,对由传统建模算法实时性差造成的误检及光照突变引起的误检能较好的解决,具有较强的鲁棒性。
其他文献
长期以来,在城市的震害预测研究工作中,建筑物属性信息的主要获取方法是基于人工调查的传统方式。近年来,随着遥感技术的发展,尤其是高分辨率民用遥感卫星的成功发射,使得利用遥感技术进行城市震害预测成为可能。鉴于传统的信息获取方式存在的费时费力,数据获取周期长,数据信息时效性差等缺点,以郑州市中牟县的部分住宅区为例,对高分辨率遥感影像在城市震害预测中的应用做了相应研究。
支持向量机(SVM)是一种性能优异的机器学习算法,其核函数参数的选取对于建模精度以及泛化能力有着重要的影响。提出一种基于改进萤火虫算法的SVM核函数参数选取方法,通过改进萤火虫位置更新公式并在移动过程中引入亮度特征从而确定最佳的SVM核函数参数。实验表明,该算法选取的SVM核函数参数在保证分类器收敛性能的同时,提高了分类精度,取得了良好的优化效果。
为了更好地实现全局运动估计快速、准确的处理,根据全局运动中视频图像序列的时间冗余特性,提出一种自适应SIFT(Scale-invariant feature transform)算法。基于最近三次模型匹配的结果,采用Lagrange抛物线插值来预测需要匹配的参考帧和当前帧图像的重叠区域。在重叠区域上提取特征点和进行特征匹配,既能够消除视频图像序列中存在的大量信息冗余,加快每帧图像的处理速度,又可以
针对当今网络故障诊断所存在的弊端,当发生故障时难以满足快而准的要求,误诊、漏诊率颇高,诊断数据量大,属性选取具有主观性,学习、泛化能力欠缺,故此结合粗糙集(RS)及克隆选择算法(CSA)提出一种智能化诊断方法(RS-CSA)。首先利用RS对故障样本进行预处理,求出其约简后最小规则集及客观属性权重,然后用改进的CSA构造诊断器并对待诊断样本予以诊断、学习。经实验验证其所提出的算法优于传统诊断技术,有