基于远红外技术的车载辅助驾驶系统的优化

随着人们生活水平的提高,车辆的增多导致交通事故的频发。远红外摄像头的辅助驾驶系统的研究对预防和减少交通事故的发生起到显著的效果。文中以远红外摄像头作为视频采集的设备,基于Fisher评价函数的多阈值红外图像分割算法以及色彩知识的远红外图像上色算法,从算法计算中得到的阈值而对红外视频进行景物区分,通过先验知识对不同景物添加彩色。通过实验结果显示,提出的算法完成了对车载远红外视频的彩色化,算法得到的色彩图像有效可靠,能够帮助驾驶员进行实物认知,该算法有很好的实用性和合理性。     

具有深度视觉感的车载红外图像彩色化方法

提出了一种实现具有深度视觉感的车载红外图像彩色化的方法,对车载红外图像采用区域生长分割算法进行景物分类,分为天空、树木和道路,再分别对每一景物估计深度,然后根据得出的深度信息再结合景物的色彩先验知识,实现具有深度视觉感的红外图像彩色化。实验结果显示该方法能够得到较接近真实的深度和色彩视觉效果。     

基于模糊聚类的视频对象分割

提出了一种基于模糊聚类的视频对象分割方法.首先通过对连续三帧视频图像进行二次差分来得到二次差分图像;然后估计噪声的特征参数滤除背景噪声,提取出视频对象的运动区域;再利用改进的FCM聚类算法对二次帧差图像中的视频对象运动区域进行空域分割,对空域分割结果进行形态学处理,得到视频对象掩模;最终获得较为理想的视频对象.实验结果表明,该算法能够较为准确地分割出视频对象,并且在空间准确度上占优.     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

基于模糊聚类和时域跟踪的视频分割

本文提出了一种基于模糊聚类和时域跟踪的视频分割方法。它把视频序列的连续7帧图像作为一组,对每组中间那一帧图像进行初始分割,对组内其他帧图像采用时域跟踪方法进行分割。初始分割采用了改进的多特征模糊聚类方法：时域跟踪是利用上一帧的分割结果通过运动估计向下一帧投影,作为下一帧的初始分割来完成的。     

一种基于目标特征的多门限图像分割方法

本文提出了一种基于目标特征的多门限图像分割方法。它通过对特征量匹配的方式将属于景物的先验空间知识引入分割过程,使图像分割由单纯的灰度聚类过程变成灰度－几何空间聚类过程。实验结果表明,本文提出的方法可以完整地分割出复杂背景图像中本身具有多个灰度层次的景物。     

基于随机森林和超像素分割优化的车载红外图像彩色化算法

为了将红外图像中所包含的信息更加友好、直观地呈现给用户,改善用户对于红外图像的理解效果,针对车载红外图像的特点,提出了一种基于随机森林分类器和超像素分割算法相结合的车载红外图像彩色化算法。首先对原图的各个像素点进行特征提取,然后训练随机森林分类器,使它能够对待测试图像的各个像素点进行正确的分类。再使用超像素分割与直方图统计相结合的方法对分类结果图像进行优化。最后将优化后的分类结果图像转换到HSV色彩空间进行对应的色彩传递。通过实验证明该方法能够在很好的对红外图像进行彩色化处理的同时,保证色彩传递的正确性和实时性。     

基于模糊聚类算法的体育运动视频图像分析应用

针对当前的体育运动视频图像分割方法存在图像分割结果粗糙以及空间畸变率高等缺陷,提出基于模糊聚类算法的体育运动视频图像分割方法。介绍了模糊聚类算法的基本理论,借助时域差分图像建立含有正态分布和灰度值的二阶模糊属性,赋予模糊属性S隶属度函数,进而对时域差分图像进行模糊聚类,再通过边缘检测得到运动视频图像分割结果。实验结果证明,该方法的空间精度高、噪声迭代性能好、空间畸变率低,可精准分割复杂运动视频图像,得到高清画面。     

采用边界评价的红外视频运动目标时空域分割方法

为了在红外视频中准确分割运动目标,提出了一种基于边界评价的红外运动目标时空域分割的新方法。首先,利用运动目标在时域差分图像中的空洞效应,提取出最有意义运动目标种子点。重点是运动目标的空间分割,利用种子区域整体与局部的关系,在提取出的种子上进行区域生长,可以得到不同生长阈值下的运动目标分割掩膜。为确定最佳生长阈值,提出了一种无需先验知识的红外目标分割掩膜边界评价准则,并采用分割-评价-再分割-再评价的循环迭代模式,利用由粗到精的搜索方法,找出最佳的生长阈值,同时得到最佳的运动目标分割掩膜。实验证明,所提出的方法能在红外视频中准确分割出运动目标区域,效果良好,性能鲁棒。     

HOS运动目标分割算法在视频监控中的应用

为了提高视频监控中运动目标分割的速度和准确度,研究并实现了一种基于高阶统计量HOS(HigherOrder Statistics)的分割算法.首先根据HOS假设检验处理帧差图,判定像素点是否属于运动区域,阈值通过灰度共生矩阵获得,考虑了背景纹理的慢变化.然后,用矩形框聚类法大致确定运动目标的范围,在该范围内使用形态运算法和首尾扫描法去除空洞.最后,使用模板相与法获得帧图像的运动目标模板,从原图像中分割运动区域.算法采用了由粗到精的分析策略,实验表明,是一种快速稳健的算法.