基于鲁棒PCA的视觉跟踪算法

TP391.4; 目前使用颜色属性特征表征目标的几种主流算法中,均使用主成分分析法(PCA)处理颜色属性特征,而PCA方法假设输入数据中存在的噪声必须服从高斯分布,该方法存在明显不足.针对这一问题,本文根据鲁棒主成分分析法(Robust PCA)对颜色属性特征进行处理.将输入图像从原始RGB颜色空间映射至颜色属性空间,得到11种不同的颜色属性层;之后,基于Robust PCA处理颜色属性特征,使得映射后的图片信息都集中在少数层上,在保留原始图片大量信息的前提下滤除噪声.本文将使用Robust PCA处理后的颜色属性特征用于原始CN算法框架中并设置不同的降维层数对比其带来的算法性能差异.在OTB...

Full description

Saved in:
Bibliographic Details
Published in:光电工程 2020-07, Vol.47 (7), p.18-27
Main Authors: 岳晨晨, 侯志强, 余旺盛, 蒲磊, 马素刚
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:TP391.4; 目前使用颜色属性特征表征目标的几种主流算法中,均使用主成分分析法(PCA)处理颜色属性特征,而PCA方法假设输入数据中存在的噪声必须服从高斯分布,该方法存在明显不足.针对这一问题,本文根据鲁棒主成分分析法(Robust PCA)对颜色属性特征进行处理.将输入图像从原始RGB颜色空间映射至颜色属性空间,得到11种不同的颜色属性层;之后,基于Robust PCA处理颜色属性特征,使得映射后的图片信息都集中在少数层上,在保留原始图片大量信息的前提下滤除噪声.本文将使用Robust PCA处理后的颜色属性特征用于原始CN算法框架中并设置不同的降维层数对比其带来的算法性能差异.在OTB100中,与原始CN框架相比,算法成功率提升1.0％,精度提升0.9％.经实验数据证明,通过Robust PCA处理后的颜色属性特征具有更强的鲁棒性,可以更好地发挥出其优势并提升算法性能.
ISSN:1003-501X
DOI:10.12086/oee.2020.190278