SIFT+RANSAC图像配准matlab代码，投影变换，棋盘格显示配准结果

利用C语言实现操作系统中的银行家算法（话说说的这么清楚还需要多少描述吗？额，我这个是老师亲自验收通过的！）

这是一本非常好的遥感基本知识的书，对于初入遥感领域的学者有一定的指导性帮助(京)新登宇065号内容筒介木书是在九十年代初遥感技术飞速发展的基础上,融合了大量最新研究成果編写的。书中全面系统地介绍了遥感技与应用的各个领域。包括;遥感基础、遥感器、微波遥感、遘感平台及数据、人工及计算杋图像处理、遥感应用及地理信息系统等。全书共分I3童,着重对有关原理和概念进行说明,在补充说明中则对理论性、研究性内容进行了咩细论证和叙述,书中谢有大量图表、照片,既便于对正文内容加探理解,又有较高的銎考、保存价值。本书资料新颗、内容广泛,深浅绪合,图文并茂。适合初学者、大专院校师生、各层次的科研人员及管弹人员学习参考遥感精解L日〕遥感研究会編刘勇卫贺雪鸿译测绘出版社出版·发行外文印刷厂印刷新华书脂总店科技级行所经销开本787Xi091/16·印张2075·插页2·字数476千字1993年月第一版·93年12月第一次印刷印数:00012000册·定价:30元JsBN7…5030-0731-]/P·252nI u敬致读者(代序亲爱的读者们:如果您是熟悉方块汉字的中华文化圈的朋友,我属向您推荐这部有关遥感这门高技术的新书。它会让您提纲挈领地了解遥感的基础知识和最新发。本书主绵村井俊治( Shunji murai)教授,他是国际摄影测量与遥感学会( ISPRS主席,亚洲遥感协会ARSC)秘书长。对于中国和亚洲广大读者并不陌生。他的早期著作《遥感原理物要》中译本,就以简明扼要、纲祚目张,深受中国读者欢迎。他主编的《亚太地区遥感应用》反映了亚太地区这一领域的蓬勃发展和巨大潜力,其中热情地介绍了中国遥感界的部分成果。自1981年以来,他为亚洲遥感学会四处奔波,已举办14次学术讨论会,从未间断,对于促进亚太地区遥感秤学技术界的团结合作、进步和繁荣,受到了国际学术界的推和爱戴,与中国遥感界结了深厚的友谊。他几每年都走访中国,热情支持中国组织的国所学术活动。1993年8月,他和他的夫人—位热爱中国的女地理学家。在参加第二届北京国际地理信息系统学术会议和州十早区半干旱风遥感国际学术会之后一道考察」丝绱之路和敦煌文畅。在日本东京大学村井俊治先生的研究室,已逆续不断地接受了十多位中国访问学者和博土硏究,他们在中国有许多老朋友和学生1992年11月,我应邀到东京参加日本字宙开发事业团( NASDA)举办的亚太地区国际空间年大会,村井俊治教授就将这部新的日文版托我转送给中国读者,并热情地表示奉送版税,擤供图版,希望译成中文版。刘勇卫同志毅然承担并很快完成了樂重的编译虫版工作。1993年10月,我到曼谷参加亚太地区空间应用特邀专家会议的时候,村井俊冶教授正在亚洲理工学院(AIT)执教,他对中文版的耵将问世,非常高兴,再三用汉话向可刘勇卫先生和测绘出版社表示感谢。我们相信,这部图文并茂,雅俗共赏的遥感新书,无论对于初学的大专院校青年学生,还是从事教学和关心遥感科技事的专家学者、领导千部,都是值得一读的。特别是为新加坡、港、澳、台的华商同行们,提供了促进相互理解和学术交流的…些新概念和新词汇。本书原是村井俊治教授组织30多位日本谣专家执笔,为日本遥感学会編写的一部髙科技普及读物。它筲明扼要地介绍了有关遥感信息机理、遥感技术和应用领域,共分13章130个小节,毎节图(表)文对照,金书内容丰富、深入浅出、通俗易懂,比铰充分地反映了九十年代遥感的技术进步和应用开发,特别是日本和亚太地区的最新研究成果。在附录中编入的避感卫星时间表、参数表、遥感卫星地面接收站覆盖图,以及插图照片、参考文献等,都体现了太平洋时代和地区的特点,对于中国和亚太地区的读者来说,更是十分难得,倍觉亲切的。l993年L!月,中日双方签订了北京遥感卫星地面站合作接收日本地球资源卫星JERS-1)的协议,在空间上使覆盖范围有可能扩充到亚洲中西部地区;在时间上可以填补美国陆地卫星 Landsat-7发射失败出现的空白。994年9月,联合图亚太地区经社会(UNDP- ESCAP)将在北京召开亚太地区空间应用部长级会议,为亚太地区的空间技术合作和卫星信息共享,为亚洲季夙的环境与白然灾害监测、社会经济持续发展、携手合作,作出奉献。则本书中译本的及时出版,就具有更深远的一层意义。中国科学院学部委员第三让界科学院院士陈述彭993年10月1l日于北京1972年,随着 Landsat-1号发射升空,遷虅技术开始得到广泛的应用。两年后的1974年:H本遥感硏究会成立,最初着手进行的工仵是编写教科书。1975年《遥盛笔记》(技报堂出版)问世。当压,考虐到便于作为教科书使用,故将沙及7个章约70个日的内容以2页对开的形式构成,左边是说明、杈边是图表。这是在日本出版的第一本有关遥感的教科书该我出版后,一直得到遥感界人士的充分利用,而且被许多论文所参考、引用。然,17年后,由于遥戀技术有了很大的发展,该书带要增加新的内容,重新編写。所以我们就遥感器、微波遥感、卫星、图像处理、地理信息系统(GIs)、应用等内容进行了补充和修改《遥感糟解》可以说是17年前岀版的《遥感笔记》的大鯈改版。该书承技报堂之厚意,由日本测量协会出版,在此,仅表达我的谢意最初,我想只做部分修改就可以了,可实际上却做了全面的修改。与前·本书相比,内容量增至13个章节130个条目,几乎多了一倍。执笔者除了当时的5个人外,又新增了约3人,而且几乎都是30岁或40岁的研究人员和技术人员。可以说,这是凝集了日本遥感界新生力量而编写的书。我们还计划将该书译成英文,使世界上更多的人能得以利用。我衷心希望该书能成为日本为甜念哥伦布到达美洲大陆500年和992年国际空间年计划(LSY)的一大贡献。对于日本遥感研究会的成员以及年青执笔者们贡献谨致深深的谢意。日本遥感研究会会长村井俊治1992年秋编者、执笔者名单主编村井俊治编辑委员赤松幸生植木俊明后藤真太郎柴崎亮介下团阳久建石隆太郎E中邦桥本俊昭平出更广泽春任渡边诚执笔者赤松幸牛新井康平计上康司岩下笃植木俊明内田修远藤州小川利绂大山容小池俊雄占宇田亮江田敏幸后藤真太郎斋藤诚柴崎亮介清水英范下田阳久户岛收博高桥佳昭竹内章司竹内延夫建石隆太部田中邦玉井次郎田村昭南丹波澄雄长幸平上居原健德永光暗纳谷美也子桥本俊招早川清二郎平田更一福江洁屯细村宰本多明增子治信松本雅雄松罔龙冶村纯正望日贯一郎森山隆安罔善文柳田聪山本主介力丸厚渡边滤1而本书的使用方法正如“前言”中所说、本书可以说是1975年出版的《遛感笔汜》(技报堂版)的絛改版六书的目的、结构等仍同旧版一样,是考虑到便做为教科书使用而编写的。每一节的内容针对一个条目,左页是简单说明,右页是与该条日有关的图表。对于初学者来说,这种说明,简单明了。在旧版里,觅深度的内容是留给讲师解说的可是,出于遥感技术的普及和发展,我们在进行这次修改时感到,左页的说明里有许多不充分的地方。为此,我们增加了补充悦明,针对正文的内容做了充分的论述。这样,把补充说明加进去,就使本书可能适应具有相当水准的研究人员使用了本书的第二种使用方法是做为自学教科书使馬。遥感的应用技术住各种不同的领城有很大差异。由于篇幅有限,很难将其全部说清。然而,就遥感的基诎和共河技术来说,必须加以说明,而且尽可能歡到使那些没有这方面知识的人也能理解、明白。这样,如果有高山毕业的学历,便能基本掌握整个遥感技术的知识本书的第三种使用方法是做为遥感专家笔记使用。由于遥感涉及了广泛的学科领域,既使是专家也不可能准确无淏地把全部知识记忆下来。而且,要精通所有的领域也是非常困难的。在开始研究新领域的时候,本书可以做为其入门书,而且,在遗忘了某些专业知识的情况下,本书可以做为数据库发挥作用。本书共分13章。第1章是基础,也就是感的概论。第2章是遥感器,讲述现在已被应用成不久的将来有可能应用的遥感器的基砥。第3章和第4章是黴波遥感。由亍搭载各种微波遥感器的圯球观测卫星的出现,该部分与旧版相比,在内容上做了大幅度增加第5章是遥感平台,除了基础之外,附加了有关现在经常使用的地球观测卫星的解说。第6章是关于遥感中所应用的各种数裾及其特性的说明。第7章的内容在旧版中没有考虑到遥感数据的实际利用状况,增加了图象判读的内容。第8章是有关图像处理系统的介绍,第9、10、Ll章是关于图像处理的各个领域的解说。第12章是遥感应用;考虐到要长期使用,所以收集了-些规范的而且尽可能是接近实用的例子。第13章是有关地理信息系统(Gs)的内容。木书中应否加进GIS的内容,编委会内部虽然有不同意见,然而,随着過感实用化的发展,佔计今后GIS的利用会越来越多,所以,从读者的角度考虑,我们还是加进了这方面的内容。在正文的后边附有补充说明,正文中一些没有解释清的及过于专业化的内容在补充说明中加以论述。补充说明与正文,可按各节的号码对照查找。参考文献与引用文献按各小节归纳,并附有连续号码。引用文帐的号码与正文中的号码相对应。加外,若想获取更深塽的知识,也请参照参考文献。在正文中,需参照考文献时用“”符号表示,需参照引用文献时用“)符号表示。书后的附录中,主要汇总了关于遥感卫是的信息。目录敬致读者(代序)本书的使用方法第1章遥感基础1.1遥感的概念·*1(212电磁波的性质………"………(413物质和电磁波的相作用(64电磁波的波段咖音自自冒自■晋音鲁·自即噜备音·咖噜哥即鲁自自鲁自晋咖暗音自自命自■自鲁身命县自自自命自命争鲁自命鲁自身鲁■命自1.5根据波段划分遥感的种类…”*(10116辐射量的定义(121.7黑体辐射晷中自自■自鲁曲喜會冒自血盘鲁14J18反射率…444441461619物体的光谱反射特性郾■团马■忌(181.10太阳光的光谱辐射特性…………………“(201.11大气的透射特性22}2辐射传递理论●■b■■『■尋●國■■■■↓最■■■■■■&●■●●●■■國↓■悬■■●國國■■■■■●●■■■悬口■●司■■■■b(24)第2章遥感器2.遥感器的分类…*4…444446441446444460(26)22光学逕感器的特征…………………---(28)23空门分辨率…………………………………………(30)24分光元件…………………………………………………(32)25分光滤光……………(3426分光计■■■s(36)7光探测元件的种类及性…………………………………”………(38})28遥感摄影机…"*"”*"**"*◆"s(4029遥感用的胶)…………210光机扫描仪■看鲁日■●即国●·■■自■■●●■鲁自自●p西·咖自■自鲁会■■中■P◆和日·中曾中◆鲁鲁◆争脅争ψ唱卿◆中中曾鲁鲁鲁會中鲁中鲁2l推帚式扫描仪…………”…"………”*”(46}212成像光谐仪……,………"”……………”…""………(48)213大气遥感器…650214声波遥感器(52)2.15激光雷达……國●■■●bb■d↓■画己业(54)====第3章微波巡感31微波遥感的原浬■■■↓■即·『●自·↓■■■·自自自■·@·ψ■罪■■血·咖●■口咖■·P■■血命和·唱自ψ■·■■會咖ψ咖鲁罪↓身■··@·自自(56)3,2徽波的衰减…●ψ如ψ甲即(58)33微波的辐射■■■唱q甲中■鲁p■司屮鲁D■曾■甲鲁●命■■鲁身●◆啁中■■自『争学中皆自自●鲁唱申咖血■■口卓鲁中口中■3.4徽波的表面散射中甲冒PPP■中鲁●中萨P會俨血申伽甲曾曾P◆鲁导司曹管早唱中P司自卿曾即中中鲁申◆鲁冒中口即曾■,即會鲁鲁甲鲁口■看p■會62)35微玻的体散射中自●鲁魯(6436天线的种类…””””…"",(6)3.7天线的特性··可伽聊唱司D■咖咖自日日●口·鲁自·自·目看自唱自罪即目备自口自咖口·看■D自自即■自自早自卓即自●自自鲁自◆申68)第4章黴波避感器4.1微波遥感器的分类a“nt(704,2真实孔径达…………"■●血▲↓看■■●●血晶■晶■啬冒■■↓■■↓暴●φ■■●■·聊·ψ·斗■●b·如(72)43合成孔径雪达“………M………,…“……M…………(74)44宙达图像的几何特性…44764.5合成孔竺嘗达图像的重建4.6需达图像的特8)4.7地形引起的雷达图像差异咖自·申毒冒■■自·中●·咖■■■聊↓·咖噜·咖■也■■咖·咖·↓·↓·鲁@·嵋咱昏忌■看斗·自自啬司國口唱(82)4.8微波辐射计“么+么(8449微波散射计………s…(864.10黴渡高度汁本春业界…(88)4l1海面风的测量·■■會會■·會口『■會會■■『會■個十會■會會血■4………….(90)4.12雷达对波浪的测量………44·4444414444(92第5章遥匙平台51遥感平台的利类…94)52高度与大气的状态……(96)53遥感平台的姿态………………………………,…,1(9g)54姿态测量传感器L4本香(100)55卫星的轨道参数……………·…0102)5.6卫星的轨道导中中唱即即冒即冒即曾■■鲁警曾■P■曾『■曾冒譬■■即曾T■甲钾■即曾■聊司曾口■■(104)57卫星位置的测量■■冒↓冒冒曾曾■冒冒即聊『■口目即■即曾冒■普■即鲁节圆昏即唱哥即冒看罪即昏■即看看■即看愚罪冒b看■b106)5,8避感卫星·…·……*…s10859 Landsat卫星中中■曾即甘曾曾ψ冒冒P冒冒■冒■冒备即罪即曾号口即即即即聊司冒即冒甲罪目哥器冒罪罪即冒冒晶■即冒冒聊冒昌晶■晶晶●1(110)5.l0SPOT卫星…*…11,,……0(112)5 IL NOAA卫跟·4"""“…"*114)5,12静止气象卫星…………………………""*""………(116)5.13极平台谭●中●曾鲁号号P■鲁早号冒■号自■■宁唱日鲁音鲁哥鲁■■国↓D自自国司q哥昏哈自■驴·■命自■■■昌晶b伽■晶■品画hb●(118

51单片机 红外循迹 红外避障小车 双功能小车 把红外循迹和红外避障整合到了一起 可以学习一下

From within the MATLAB file browser double click on this file, it will install and configure the paths correctly

基于视频的移动目标检测是一个重要且有挑战性的任务，在许多应用中都起到相当关键的作用。本次论文研读围绕该主题展开，深入阅读了十余篇论文，在本文总结了视频中移动目标检测的一些主要方法及各自的优劣。报告接下来的部分组织如下:第二节介绍一般问题的陈述及典型的应用,第三节与第四节分别介绍基于像素的移动目标检测方法与基于区域的移动目标检测方法,第五节进行简单的讨论与总结。2问题陈述及应用一般而言移动目标检测并不单独地构成应用,而是作为一个组件出现在许多实际的应用之中。故移动目标检测的具体要求随着应用的改变而有很大的不同。例如对足球场上球员及足球的检测与跟踪就和对视频中用户手势的跟踪有所不同,前者的关键在于如何应对复杂的光照变化有效提取运动物体,后者的难点则在于如何从整个躯休大范围的运动背景中将手势的运动识别并提取出来。尽管不同的应用可能提出不同的技术上的要求,但是相当一部分这类问题还是可以在同一的框架下进行探讨和比较的。以下就是本文讨论范围内一般问题的陈述( Figure1):a.高层次的模型一般具有检测、跟踪、识别三个模块,其中识别模块并不必须b.检测模块可细分为移动日标区域检测与移动目标分组,其中前者是这个模块能够顺利工作的保证,其日的是将各帧内移动日标所在的区域标出该模型的输入为连续的视频,输出为跟踪的物体(即轨迹)或分类的物体,DetectioTrackingbackgroundObject detectionMatching usingFramescolor texture andTrackedsubtractionusing contoursmotion featuresobiectsGr。 up handling(merging andlittonFigure1系统框架图中即为一个典型的流程图,其中省略了分类模块并把运动目标区域检测规定为背景差分方法。该模型的典型应用场景是室内外的视频监视分析( Figure2),特别是交通数据的分析。另外体育运动视频(如足球或台球)的分析也能在该模型下解决。Figure2移动目标检测的典型应用:视频监控本文讨论的就是这样一个系统之中移动目标检测部分内容,并且将重点放在了如何判定移动目标区域的部分。这是这样的系统中的最初的处理,对于之后的处理能否获得有效的信息至关重要。该内容主要涉及两个问题:如何提取运动的前景,及如何建立一个良好的背景模型。后者一般并不是应用任务中所要求完成的,但往往是用以提取运动前景很好辅助工具,将新的一帧“减去”背景即可获得移动前景,故同时具有这两个步骤的方法也被称为“背景差分”,是移动目标检测中的一大类主流方法,本报告中涉及的大部分方法即属于这一类3基于像素的移动目标检测31均值-阈限方法均值-阈限( Figure3)的基本思路是计算每个像素的平均值和标准差作为它的背景模型Mean 2*Avg DiffMean”Mean-2*Avg DiffFigure3均值-國限方法4图中为某视频中单个像素在一定时间内不断更新得到的平均值和平均差值3,该像素处在天空的位置,在一段时问后有人的手挥过该区域,可以看到由于前景目标明显不如背景中的天空明亮,所以可以很容易将其分辨出来实际上均值-阈限方法就是赋予视频中每个像素一个统计上的背景模型,例如高斯分布模型4。每个点需要两个参数来衡量:均值与方差。后面将看到,许多更先进的棊于像素的移动目标检测方法其实无非采用了更复杂的分布模型来描述每个像素32阴影去除及三高斯模型简单的帧差值或均值-阈限方法在很多应川中都面临一个很严重的问题:阴影。在某些光照条件下,移动物体产生的阴影相对背景具有非常显著的差别从而被识别成了前景,有时这些阴影比物体本身还人,并且导致原本独立的运动物体连接在一起无法分割。一种简单的思路是放弃使用灰度值进行背景建模,而采用颜色信息从而将阴影的移动去除掉。这类方法需要一条假设:移动目标投射到路面上的阴影主要改变了该位置的亮度而对色度没有大的影响°。部分情况下确实可以承认该假设。在不同的颜色模型下有不同提取亮度信息的方式。在HSV等空间中这个任务尤为简单,因为亮度本身就是一个独立的分量,所以在该分量以外的维度上进行背景建模与差分就能消除一定的阴影。如果在常用的RGB颜色空间中,亮度的提取就稍微复杂倒。Figure4RGB空间中的亮度与色度3类似标准差的作用,但是计算更快捷。C.R. Wren, A Azarbayejani, T. Darrell, and A P Pentland "pfinder Real-Time Tracking of the human body lEEETrans. Pattern Analysis and Machine Intelligence, vol. 19, no. 7, pp. 780-785, July 1997J.M. Alvarez, A Lopez, and r Baldrich, " Illuminant-Invariant Model-Based Road Segmentation",IEEE IntelligentVehicles Symposium, June 20085将一个像素的颜色值在RGB三维空间中表示( Figure4),背景建模就是确定了穿过原点的一条色度直线,所有在该直线上的颜色都认为是背景色。当前颜色相对参考颜色(背景)的亮度分量a1由最小化下式给出:φ(a;)=(l1-c1E)2a2表示该像素当前值相对参考背景色的相对亮度。如果其值为1则代表亮度相同,大于1代表比背景更亮,小于1代表比背景更培当前颜色到色度直线的垂直距离就表小色度的偏离:CD1=‖l2-aE1‖(3)利用色度与亮度的偏离值就可以将新的颜色值分为四个类别Forground: CDi> IcD or ai> Alow, elseM()Back ground:aτa2else(4)ShadowelseHighlightotherwise其中CD2与a分别代表均一化之后的两个偏离分量。这些方强烈依赖于上面提到的假设:阴影仅仅改变背景亮度而不改变色度。但是这个假设实际上并不总是有效,很多时候还需要更复杂的方法达到去除阴影,鉴别真正移动目标的目的。三高斯模型4就是针对去除阴影的考虑提出的。这个模型中采用三个高斯分布相结合( Figure5)对各像素进行建模。三个高斯成分分别为:道路、运动前景及阴影。这三个成分组合成为了完整的混合模型(b)和印甲品f叫intersity valeFigure5三个高斯分布相结合6此方法之后面临的主要问题是如何通过一定时间的学习获得每个高斯分布的参数从而建立有效的模型。相关文献中提出采用EM算法( ExpectationMaximization Algorithm)进行学习。EM算法是一个迭代的算法,通过有限步的迭代就能够获得较好的模型估计。一般而言,为了从一个数据集中获得该数据集满足的混合分布,可以采用最大后验概率估计的方法进行估计,但是这样的方法需要关于每个数据分类的信息(即每个值属于哪个类别)。然而在移动目标检测过程中往往都是无监督的学习从而不可能获得这样的分类信息,而只能自动设定个预先的分类,然后通过迭代不断改进,这就是EM算法的基本思路另外,由于各点的数据是不断改变的,于是采川原始的EM算法对每一帧都进行重复的迭代既不必要也不现实,可以采用EM算法的一个变种:增量EM算法33高斯混合模型(GMM331背景建虞在某些场景之下,采用三个高斯分布的混合模型仍然无法有效地描述复杂的现实环境,于是髙斯混合模型四被提出了。高髙斯混合模型采用类似3.2中三个髙斯模型的思路,希望采用多个高斯分布相结合的方法来描述环境。与前面的模型不同的是,现在高斯分布的个数不是固定的一个或三个了,而是随着各个像素实际的需要动态地进行设定。另外该方法也放弃采用费时的EM算法而采用更快捷的方式进行背景建模与更新。假设已知像素(xo,y)在过去一段时间中的颜色值或灰度值{X1,…,X}={(xo,yo,):1≤i≤t(5)若由K个高斯分布的高斯混合模型对该像素进行建模,则新观察到一个颜色值或灰度值的概率为P(x1)=)o*n(x,,E(6)在RGB等彩色空间中为了简化计算可以采用如下公式k,t7)A Dempster, N. Laird, and D. Rubin, "Maximum Likelihood from Incomplete Data via the EM algorithm", Journalof the Royal Statistical Society, pp. 1-38, 1977这个公式假设了各个颜色分量是相互独立的。尽管事实并不如此,但这样计算在保留充分的精确性的同时大大降低了计算复杂性。这样每个像素就采用κ个峰的髙斯混合模型完成了建模。剩余的问题同样是如何对模型中的各个参数进行估计,以及如何判别前景。3.3.2背景更新背景更新大致有这几个步骤:a.每一个新的值都与所有K个高斯分布进行匹配,直到找到充分吻合的分布(判断方式与均值-阈限方法类似)b.若新的值与所有K个分布都不接近,则将K个分布中权值最小的一个替换成一个新的分布,该分布以新的值为均值,并且具有很高的初始方差和很低的初始权重;C.若新的值与某个分布充分接近,则认为其属于该分布并更新各个分布的权值及参数Ort=(1-aOKt-1+aM(8)=(1-p)ut-1+p·X(9)=(1-p)21+p(X-1)(x-2)(10)here(kok(11)其中(8)式中Mkt对于匹配上的分布唯1,对于其他分布为0α表示适应性的强弱,α越大,给予新的值的权重越大,也就适应得越快;(9)式(10)式仅针对匹配上的分布,而其他分布的参数保持不表3.3.3前景检测运动前景的检测主要有以下几个步骤a.对所有的高斯分布按照ω/σ进行从大到小的排序;b.取前B个高斯分布,满足B= argminkT(12)k=其中T表示背景应该占的比重,如果T取得较小则类似于前面介绍的均值阈限模型,T取得较大则允许背景有更丰富的特性,如随风摆动的树叶或水面的波纹等等。C.如果当前出现的新的值并不符合这B个高斯分布,则认为是运动的前景,否则认为是背景。34非参数模型341背景建模为了能够更快速地适应变化的背景,并且保证对移动物体的敏感性,马里兰大学A. Elgammal等人提岀采用非参数的模型四对各个像素进行建模。该方法并不指定确切模型形式,而釆用核旳数来利用历史薮据建立模型。在釆用高斯核的情况下,一个颜色出现的概率’∑K(x-x∑∏1(13)2这样实际上就是对考虑范围内所有的历史值都建立一个高斯分布,并利用所有这些分布对当前值进行分析。由于高斯分布的假设,故(x1+1-x1)~N(0272),于是可以估计方差(14)0.68V2其中m是|x+1-xl的中位数。号外由于在这种方法下需要大量计算核函数的值,故可以预先计算出一定精度的核函数数据表,通过查表的方法大大加快计算的速度。实验表明这样的方法在一般的PC机上是可以达到实时的计算要求的。34.2减少错误检测为了降低由于局部抖动(如树叶抖动、摄像机抖动)带来的错误检测,该方法利用了一定的区域信息。原先的P(x1)现在改用Pm(x代替PN(t= maxyEN(x)Prix Byy(15)此处N(x)指该像索周围的一个小区域,B指像素y对应的背景模型。这样就充分降低了由于小范围抖动导致的错误检测。7该式成立仍然需要假设各个颜色分量相互独京。9该方法需要维护两个背景模型:长期模型及短期模型。其中短期的模型是为了能够快速适应变化的背景而提出的,仅利用相当短的一段历史值建立模型,另外该模型采用选择更新机制(仅对判定属于背景的值进行更新);长期的模型在相当长的时间内通过盲更新机制(对所有值进行更新)获得。两个模型判定结果的交集能够进一步降低错误的检测,但同时也去除了部分实际上是移动目标的部分。最终采用的策略为:所有由短期模型检测出来,并且与两个模型判定结果交集相邻的像素被视作运动的前景3.4.3去除阴景这个方法同样提到了去除阴影的问题( Figure6)采用RGB颜色模型的一个变种表示颜色:RBR+G+B·9=R+G+Bb=R+G+B′(16)s=RtG+B(17)令A为某个像素在一定时间内的取值,而定义B如下B={x1|x∈A≤≤阝(18)其含义就是该像素过去的背景取值中与当前值亮度接近的值的集合利用B中的值在(r,g)二维空间上进行上述的背景建模及前景检测,就能很有效地消除检测的阴影。Figure6非参数模型下的阴影去除4基于区域的移动目标检测从上面的介绍的方法来看,建立的背景模型越来越复杂:高斯分布的个数从一个到三个,再到K个,再到每个历史值各一个。这样的背景模型已经具有了高度的复杂性,但是在有些应用环境下效果仍然并不理想。反思一下这些方法的特点,仅仅利用各个像素的独立信息而没有考虑像素之间的关联性是键的原因。其实在3.42中采用方法实际上已经开始尝试以局部区域作为考虑问题的范围,

从零开始写分布式服务框架 分布式 书籍 源代码 对高并发系统设计、服务化架构、互联网中间件开发有兴趣的可以下载

内有详细的蒙特卡洛模拟光子在组织中的运动内有详细的蒙特卡洛模拟光子在组织中的运动

基于K均值方法的RBF神经网络，MATLAB实现，4个m文件，注释较多

压缩包里有IEEE3机9节点的潮流计算matlab程序，并附上节点描述表和支路描述表，只要修改这两个就行

labview PID控制程序 增量PID温度测量，很好用，有说明