一种基于改进混合高斯模型的运动目标检测算法
针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造\"虚拟\"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景 …
杨树国
正教授
教授，博士生导师，哈尔滨工业大学博士后。数据科学与信息技术研究中心主任，人工智能海洋技术场景化应用山东省工程研究中心主任，青岛市人工智能海洋技术创新中心主任，青岛科技大学数学与交叉研究院院长。美国佐治亚理工学院高级访问学者、香港中文大学高级访问学者、北京交通大学高级访问学者；山东省数学会常务理事、山东省应用统计学会常务理事、人工智能海洋学专业委员会常务委员。近年来，主持或参与国家自然科学基金、国防科工委、电子工业部、省自然基金、省重点科研计划、省高校科研计划、省优秀中青年科学家基金、青岛市科技发展计划项目等各级各类科研项目40多项。
一种基于改进混合高斯模型的运动目标检测算法
针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造\"虚拟\"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景 …
基于形态学的高斯模型和八邻域帧差法混合运动目标检测算法
针对视频中运动目标的提取问题,提出一种基于形态学的高斯模型和八邻域帧差法相融合的提取算法。该算法首先将视频中某些帧转化为灰度图,建立以混合高斯分布为基础的统计模型,并结合八邻域帧差法提取出运动目标的大致轮廓,然后利用自适应更新的高斯模型算法进行精确的减除,最后再进行形态学处理,从而使检测出的运动目标更加清晰完整。实验结果表明,该算法对含有低速运动物体、阴影较 …
基于超混沌的RBF神经网络图像自适应水印算法
为了更好地保护图像版权信息,本工作结合超混沌系统和RBF神经网络,提出一种基于超混沌的RBF神经网络模型加密算法,根据JND(最小可视觉误差)模型实现水印的自适应嵌入,并应用RBF神经网络进行水印信息盲检测。实验研究表明:该算法复杂度较低、容易实现,并且具有良好的安全性、不可感知性和鲁棒性。
基于超混沌的RBF神经网络图像自适应水印算法
为了更好地保护图像版权信息,本工作结合超混沌系统和RBF神经网络,提出一种基于超混沌的RBF神经网络模型加密算法,根据JND(最小可视觉误差)模型实现水印的自适应嵌入,并应用RBF神经网络进行水印信息盲检测。实验研究表明:该算法复杂度较低、容易实现,并且具有良好的安全性、不可感知性和鲁棒性。
