一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

一种基于像素最小距离的视频对象分割算法

随着MPEG-4的发展，视频对象平面分割日渐成为人们所感兴趣的研究课题，为了使所需的视频对象具有更清晰的可视性，视频对象的自动分割就成为关键技术。本文给出了基于统计的自动视频对象分割方法，该方法首先利用统计的方法建立背景模型，然后按照减背景法分割视频对象。同时提出像素最小距离和总体像素最小距离准则来克服由于背景的微小变化而引起的前景对象的错误检测。     

一种基于宏块信息的快速MPEG视频分割算法

提出了一种基于宏块信息的快速MPEG压缩视频场景分割算法。该算法只需要通过直接抽取MPEG视频流中的B帧、P帧中的宏块类型信息,并对其进行计算就可以检测出视频中存在的镜头边界,从而对场景变换进行精确定位。这种方法无需对压缩视频进行解压,所以能够满足实时检测的速度要求。经过选用多个MPEG压缩视频进行实验分析证明,此方法能够精确有效地检测出视频流中存在的镜头边界。     

基于时空特征一致性的Deepfake视频检测模型

针对目前大部分研究方法仅关注Deepfake单幅图像的空间域特征而设计检测方法的问题,本文以Deepfake视频中人物面部表情变化存在细微的不一致、不连续等现象为出发点,本文提出一种基于时空特征一致性的检测方法。该方法使用卷积神经网络对待检测图像提取空域特征,利用光流法在待检测图像的连续帧间进行时域特征的捕获,同时利用卷积神经网络对时域特征进行深层次特征提取,在时域特征和空域特征经过多重的特征变换后,使用全连接神经网络对空域特征和时域特征的组合空间进行分类实现检测目标。将本文提出的模型在Faceforensics++开源Deepfake数据集上开展模型的训练并对模型的检测效果进行实验验证。实验结果表明,本文所提方法的检测准确率可达98.1%,AUC值可达0.9981。通过与现有的Deepfake检测方法进行对比,本文方法在检测准确率和AUC取值方面均优于现有方法,验证了本文模型的有效性。     

基于DIS边缘检测和自适应边缘生长的图像分割方法

提出一种基于DIS(differenceinstrength)边缘检测和自适应边缘生长的图像分割方法.此方法是边缘检测、边缘生长、区域生长等分割技术的有机结合.通过DIS进行边缘检测,产生了比梯度算子、sobel算子等更完全的边缘信息.为了解决伪边缘及不连续点的问题,提出了自适应的边缘生长方法,较好地解决了该问题,连接了不连续边缘点,产生了边缘点集组成的闭合轮廓.通过进行区域生长,得到了最终的分割结果.实验表明,该分割方法都能获得很清晰可靠的分割效果,提供精确的目标轮廓线.     

时空结合的视频对象分割方法

视频对象分割是MPEG（Moving Picture Experts Group）-4视频编码的关键技术．针对常用方法的不足，提出了1种新的视频对象分割算法．形态学滤波后利用分水岭算法实现空域分割，时域分割采用二次帧差求交集的方法获取运动区域，然后时空结合．仿真结果表明该算法简单、快速、准确。     

一种基于边缘与分区的棒材端面图像的分割方法

提出了一种利用图像边缘检测与图像分区的综合图像分割的方法。首先运用索贝尔边缘检测技术对原图像副本提取边缘并二值化,然后,对图像分区,结合各分区内边缘点集的特点,分别由全局阈值、子块阈值及分区扩大后阈值对各个分区实施合理分割。实验证明：该分割技术实现简单,应用于具有光照不均匀、子目标粘连、变形等特点的棒材端面图像的分割,效果十分理想。与已有分割方法的对比实验表明,该方法具有目标分割完整,子目标分割也较为合理的特点。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

一种新的堆积颗粒图像边缘检测方法

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法,混合神经网络由用于对边缘侯选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ASCSNN）和用于获取颗粒图像边缘矢量信息的BP子网络（BPSNN）组成,边缘侯选图像是通过采用基于灰度极小值算法提取边缘倏选像素获得,神经网络以边缘倏选图像中的边缘侯选像素及其邻域像素的二值模式作为训练样本,对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实、抗能力较强、适用于颗粒图像的边缘检测。     

基于信息融合的车道检测算法

提出了一个基于图像区域分割和边缘检测信息融合的车道检测算法,首先在HSV颜色空间内进行基于区域的分割,得到车道边界的模板;接着将车道边界模板和道路边缘检测结果进行操作,得到车道边界点;最后对车道的边界点使用Hough变换进行处理,得到车道的方向和位置.算法将基于区域分割的信息和边缘检测的信息相互补充,提高了车道边界提取的精度.仿真实验结果表明,对于多种复杂的道路环境算法都可以鲁棒的检测出准确的车道.     

视频图像的边缘检测与边缘细化

在有效滤除原始视频图像噪声的基础上 ,首先对视频图像进行边缘提取得到单边缘图像 ,然后再对得到的单边缘图像进行边缘提取 ,得到双边缘图像 ,最后将前两次得到的边缘图像进行差分 ,得到较为理想细化边缘图像。若结果仍不能满足特殊需要 ,可重复上述方法 ,直到得到理想边缘。实验结果表明 ,该方法在提取视频图像的细化边缘方面有明显的效果。     

基于边缘检测的深度图与单视图配准算法

为解决由单视点图像和相关深度数据所创建的立体图像部分存在的重影问题,提出基于边缘检测的深度图与单视图配准算法。对单视图和深度图进行边缘检测得到各自的边界后,以单视图的边界为基准,配准深度图的边界及其邻域的深度数据。实验结果表明,该算法与已有的算法相比,匹配质量明显提高,使在立体图像中的重影现象得到了缓解。     

基于Inception-V3网络的双阶段数字视频篡改检测算法

为了克服现有数字视频取证算法识别准确率低、定位能力差等缺点,提出一种具有高识别率且定位准确的基于Inception-V3网络的二级分类取证算法.在第一级分类器中提出简单的阈值判断方法来区分原始和篡改视频,第二级分类器将采用Inception-V3网络的稠密卷积核结构来自动提取篡改视频帧的高维多尺度特征.高维多尺度特征有助于提升篡改视频帧的识别率.实验结果表明,本文提出的算法不仅能准确地检测出篡改视频,还能从篡改视频中精确定位出篡改帧.     

一种基于边缘检测的跳频检测算法研究

提出了一种新的基于边缘检测的跳频检测方法,该方法把实际跳频信号的STFT(ShortTime Fourier Transform)时频谱图看作一幅图像,并根据实际信号特点为图像的边缘提取选择检测算子。检测实验结果表明此算法能够有效地去除跳频信号复杂的背景噪声和定频干扰,提高了跳频检测系统的鲁棒性。     

静止背景的视频对象分割

根据视频图像的前景与背景的统计特征,提出了一种基于静止背景的最小错误率的贝叶斯决策理论的视频对象分割算法。在TI公司TMS320C6711 IDK(ImagingDeveloper's Kit)上的实验结果表明,该算法能够实现视频序列中每一帧的前景与背景较好的分离,基本能够满足视频编码标准MPEG-4的应用要求。     

基于边缘检测的焊缝图像的区域分割

为了检测焊缝图像中焊缝区的缺陷,根据射线检测焊缝图像的特点,首先对图像进行对比度增强、二值化处理和物体边缘轮廓的细化和收缩处理,检测出图像焊缝区与缺陷区的边缘.最后用Hough变换对图像进行缺陷区边缘检测.仿真与实际运行结果表明,该方法检测精确度高,且有效提高了检测速度.