一种基于高斯混合模型的视频监控运动物体提取系统

现有的视频监控系统必须要依靠人对监控图像的实时观察才能发挥作用。设计并实现了一种基于高斯混合模型的自适应的视频监控运动物体提取系统,使用高斯混合模型对监控场景进行建模,利用对象形状的空间连通性和最小像素尺寸约束去除噪声影响,从而实时地分离出前景中的运动物体并对其进行追踪和计数,仿真实验的结果证明了系统的有效性。

利用高斯混合体模型和EM算法分割彩色图像

彩色图像分割是目前图像处理和模式识别中的一个重要研究领域。彩色图像可认为是由许多不同高斯随机变量共同作用而形成的,即利用高斯混合体模型可以描述彩色图像。图像中不同的部分对应数学模型中的不同高斯随机变量。因此,利用期望最大(EM)算法来求解随机变量的特征值,并用其对图像上的点进行分类,就可在一定程度上解决彩色图像分割的问题。

基于混合高斯模型和粒子滤波器的跟踪

提出了一种基于改进型混合高斯模型和粒子滤波器的人体运动跟踪的新方法。该方法首先利用改进的混合高斯模型对监控场景进行建模,再通过粒子滤波器对建模后的场景目标进行跟踪。通过对户外场景的实验,该算法在光照干扰,树木摆动和阴影以及遮蔽干扰的条件下取得了良好的效果,能够成功的跟踪运动目标,证明了算法的有效性。

混频器变频损耗测试及拟合标校方法研究

为减少变频损耗测试误差给频谱测量系统带来的影响,在分析比较现有变频损耗的测试方法及误差来源的基础上,通过引入匹配网络模型提出测试精度更高的变频损耗测试方法。同时,应用多项式拟合、高斯拟合及傅里叶拟合等多种拟合补偿方法对实测数据点集进行数据拟合,然后按照判别准则选择合适的数据拟合方法,可以减少系统引入的变频损耗拟合误差,进一步提高频谱测量系统的测量精度。该方法适用于变频损耗精确测试及自适应拟合标校,同时对于其他参数测试过程也具备一定的参考、借鉴价值。