CN113838088B 一种基于深度张量的高光谱视频目标跟踪方法 （哈尔滨工业大学）_第1页
CN113838088B 一种基于深度张量的高光谱视频目标跟踪方法 （哈尔滨工业大学）_第2页
CN113838088B 一种基于深度张量的高光谱视频目标跟踪方法 （哈尔滨工业大学）_第3页
CN113838088B 一种基于深度张量的高光谱视频目标跟踪方法 （哈尔滨工业大学）_第4页
CN113838088B 一种基于深度张量的高光谱视频目标跟踪方法 （哈尔滨工业大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于深度张量的高光谱视频目标跟踪本发明提出一种基于深度张量的高光谱视本集进行基于张量表示的张量主成分分析获取VGG-M网络提取空间特征，候选区由上一帧目标发明能够较好地实现针对高光谱视频的目标跟踪任务，打破RGB视频目标跟踪在感知目标材料2在待跟踪的高光谱视频的初始帧所给出的目标区域及背景区域，分别取3×3×I3大小所述张量主成分分析是将步骤一得到张量样本集(x,eR"的,m=l…M),用三个维使得张量子空间样本集离散度最大，其中Pnm(n)代表张量样本的n-模展开矩阵，代表张量样本均值ian由公式(2)计算：三个投影矩阵按单位阵进行初始化，然后固定则对进行更新；再固定ie、步骤六：将特征图通过核函数映射的方式融入基于相关滤波的目标跟踪模型实现跟3is为线性核函数矩阵的傅里叶变换，最后需要用当前帧的特征图以及滤波器对历史帧的特征图以及滤波器进行加权融合通过公式(3)将待跟踪帧对应的张量块利用下式将其投影到张量子空间，得到投影VGG-M网络的参数由ILSVRC-2012数据集上预训练得到，将上一帧目定比例获得候选区，从投影后的视频帧Y中截取出对应的候选区，将其空间维缩放至224*取VGG-M网络第一层卷积层和第五层卷积层的输出的均值作为候选区的特征图xi，i=4[0001]本发明属于高光谱视频图像处理领域，涉及高光谱图像充分利用空谱联合信息进行物体分类和识别等计算机视觉领域的任务已经体现出了一定发明的目的是尽可能的利用高光谱数据所能提供的空谱信息，从而实现比现有RGB视频目5[0017]所述张量主成分分析是将步骤1得到张量样本集用三使得张量子空间样本集离散度最大，其中Pn大一定比例获得候选区，从投影后的视频帧Y中截取出对应的候选区，将其空间维缩放至6[0031]取VGG-M网络第一层卷积层和第五层卷积层的输出的均值作为候选区的特征图[0043]其中,表示历史帧的特征图的傅里叶变换；响应最大的位置即为当前帧的目标[0044]最后需要用当前帧的特征图以及滤波器对历史帧的特征图以及滤波器进行加权[0048](1)本发明实现了利用高光谱视频进行目标跟踪的方法。该方法首先利用基于张7[0066]在待跟踪的高光谱视频的初始帧所给出的目标区域(即图中浅灰色框内部分)及8[0068]所述张量主成分分析是将步骤1得到张量样本集用三使得张量子空间样本集离散度最大，其中Pn[0083]取VGG-M网络第一层卷积层和第五层卷积层的输出的均值作为候选区的特征图9[0095]其中,表示历史帧的特征图的傅里叶变换；响应最大的位置即为当前帧的目标[0096]最后需要用当前帧的特征图以及滤波器对历史帧的特征图以及滤波器进行加权每组视频内包括一个16波段(470-620nm)的高光谱视频作为待跟踪的视频，和一个以相同

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论