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:UMD空间是被广泛研究的一类新型的Banach空间,它具有一系列良好的几何性质与分析性质并且与向量值调和分析、随机分析有着广泛深刻的联系.本文扼要介绍这类空间的有关问题,主要是以下几个方面:①引言(定义与产生背景);②UMD空间的几何特征与分析特征;③此类空间的例;④在向量值调和分析理论中的应用;⑤关于鞅不等式的最优系数问题.
简介:通过利用Mathematica4.0这一数学软件对中Taylor公式的讲授,把传统的教师讲授-记忆--测验的学习过程,变成了SoundersMaclance提出的直觉--探试--思考--猜想--证明的过程.充分利用计算机强大的计算和丰富的图形功能进行真正意义上的多媒体的教学.