位置:成果数据库 > 期刊 > 期刊详情页
基于GNS3的冗余网络仿真
  • ISSN号:1006-7167
  • 期刊名称:《实验室研究与探索》
  • 时间:0
  • 分类:TP391.41[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]南京信息工程大学电子与信息工程学院, [2]江苏省大气环境与装备技术协同创新中心,南京210044
  • 相关基金:到国家自然科学青年基金资助(61203273)、江苏省自然科学基金青年基金(BIC20141004)、江苏省大学生实践创新训练计划项目(201510300036Z)江苏省普通高校自然科学研究资助项目(11KJB510009,14KJB510019)资助
中文摘要:

在动态背景下,由于双模型算法对运动目标检测时会出现误检、目标检测不完整和出现鬼影的现象,提出一种改进的双模型的运动目标检测算法。该算法首先对双模型背景的判断方式改进,将新来像素点图像值与背景模型对应位置样本值之间的距离和阈值进行比较,可以全面地区分前景和背景。然后对自适应阈值更新方式改进,通过对前景背景的判断情况把自模型和邻域模型结合起来,作为阈值增加或减少的条件,能够更精确地检测出前景。最后,结合帧间差分技术,通过比较对应位置像素值的时域变化来判断鬼影像素,以达到快速消除鬼影的目的。实验结果表明,改进算法的检测结果比原来的双模型更加精确、全面。

英文摘要:

An improved dual model moving target detection method was presented as the result of the misjudge rate of the existing dual model algorithms, incompleted object detection and appearance of ghost in dynamic scenes. Firstly, the way of background judgement is improved to distinguish foreground comprehensively. The distance between the new pixel value and the sample value of background model is compared with the threshold. Secondly, the improved adaptive threshold is used for determining the foreground correctly. The combination of self model and neighborhood model by judging of foreground and background, which becomes the conditions of threshold' s increasing or reducing. Finally, by comparing the corresponding change of position pixel value to determine the ghost pixel, the inter frame difference technique was combined with in order to achieve the purpose of eliminating ghost rapidly. The experimental results demonstrate that the proposed method detects comprehensively the movement targets and its precision is improved as compared with that of the original dual model algorithm.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《实验室研究与探索》
  • 北大核心期刊(2011版)
  • 主管单位:教育部
  • 主办单位:上海交通大学
  • 主编:夏有为
  • 地址:上海市市南区华山路1954号交教学三楼456、457
  • 邮编:200030
  • 邮箱:sysycp@163.com sysy@mail.sjtu.edu.cn
  • 电话:021-62932952 62932875
  • 国际标准刊号:ISSN:1006-7167
  • 国内统一刊号:ISSN:31-1707/T
  • 邮发代号:4-834
  • 获奖情况:
  • 国家科技部中国科技论文统计源期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国乌利希期刊指南,中国中国科技核心期刊,中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:53638