融合多特征的运动一致性图像分割

目的:在彩色图像分割中,光流法能够得到运动区域,但难以获得运动目标准确的分割边界,而常用的算法往往会产生过分割。为了克服光流法的不足,在保留显著性区域的同时抑制过分割,从而获得具有运动一致性区域的分割结果,提出融合多特征的运动一致性图像分割算法。方法:首先通过Mean Shift算法获取图像的初始分割,然后利用空域信息（包括颜色、边缘和区域面积）对视觉感知上具有相似性的区域进行合并,再利用时域信息进行运动一致性区域合并,最终得到分割结果。结果:实验结果表明通过结合时空信息,该方法能够有效抑制过分割,不仅弥补了光流场不能准确提取目标边缘的不足,而且提高了分割目标的完整性。结论:与两种流行的彩色图像分割算法相比,所提方法获得了更加理想的结果。     

融合边缘流和模糊区域聚类的岩心图像分割

提出一种融合边缘流和模糊区域聚类的图像分割方法。选用高精度的灰度边缘流对图像进行分割,得到边缘流的矢量方向和边缘能量,通过曲线演化得到初始分割图像;在初始分割产生的小区域上,综合小区域的色彩空间特征和图像空间特征,进行了模糊区域聚类;将聚类结果用于修正初始分割图像,去除过分割。实验表明,在对岩心图像的分割中,该方法能取得良好的效果。     

基于非线性扩散滤波的水平集模型MRI分割

基于曲线演化的图像分割模型在分割目标时需要在目标附近人为地构造一条曲线作为初始曲线,在此基础上进行演化得到目标边界.当初始曲线离目标边界较远时,影响模型分割的效率;当初始曲线离目标边界很近时,意味着需要过多的人为操作,这使得其时间效率较低且易出错.为此,在非线性扩散滤波的基础上,给出一种半自动初始曲线构造方法,该方法首先利用AOS算法对图像进行非线性扩散滤波,再利用区域信息快速地得到离目标边界很近的初始曲线.然后构造一种新的基于区域信息的速度函数,由水平集模型对其演化,得到了较好的结果.MRI分割实验表明了方法的有效性.     

基于光流场的动态目标分割

采用光流法结合基于小波变换的像素级图像融合算法,研究了一种动态目标分割方法。光流场可以看作是带有灰度的像素点在图像平面运动产生的瞬时速度场,算法先以光流法计算出的动态目标瞬时速度场的水平速度分量和垂直速度分量作为初始信息,再利用基于小波变换的融合算法获得动态目标的初始分割,最后对初始分割结果进行图像去噪和图像增强,并最终获得清楚的分割图。实验证明,该方法能够产生良好的目标分割效果。     

基于区域信息的水平集医学图像分割

医学图像分割是医学诊断中非常重要的部分,针对医学图像分割往往出现边缘泄漏和不完全分割等问题,本文提出一种基于区域信息的水平集图像分割方法。该方法通过引入符号压力函数来取代传统的停止函数,可以有效地解决曲线初始位置敏感的问题,同时使得演化曲线摆脱了单方向演化的缺陷,演化曲线根据区域信息来选择演化方向.通过构造新的速度函数可以有效地控制速度大小,当演化曲线接近目标边缘时,速度值较小,可以有效避免边缘泄漏.当曲线远离目标边缘时,速度值很大,节省演化所需的时间.     

灰度差能量函数引导的图像分割自适应C-V模型

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演化曲线内、外区域平均灰度值差的绝对值越大,演化曲线越靠近准确目标边缘的特性,提出一种基于灰度差能量函数引导的图像分割自适应C-V模型.该模型通过构造基于轮廓曲线内、外区域平均灰度差引导函数自适应地调整演化曲线的运动趋势,使得曲线演化可在一个有效的"窄带"范围内进行,保证轮廓曲线内、外部区域灰度计算的局部均一性,增强对目标细节信息的捕捉能力,同时也在一定程度上提高模型的计算速度和对轮廓曲线初始位置的适应性.大量的仿真实验验证该模型的有效性.     

基于纹理约束和参数化运动模型的光流估计

提出了一种基于局部小平面运动的光流估计新方法。目的是获得精确致密的光流估计结果。与以往采用亮度一致性区域作为假设平面的算法不同，本算法利用序列图像的纹理信息，在纹理分割区域的基础上，进行运动估计。该算法首先通过微分法计算粗光流，可以得到参数化光流模型的初始估计，然后通过区域迭代算法，调整初始估计，从而得到精细的平面分割及其对应的参数化光流模型。基于纹理信息的部分拟合算法被用于算法的每一步当中，保证了纹理边缘位置的光流估计值的准确性。实验采用了标准图像序列，结果表明，可以得到更为精细的光流估计结果，特别是对于那些有着丰富纹理信息的室外环境的图像序列，而且在运动边界处的结果改善尤为明显。     

基于熵和局部邻域信息的高斯约束CV模型

基于曲线演化的Chan-Vese(CV)模型常常不能准确分割非均匀性且结构复杂的医学图像.针对此缺点,文中提出了一种基于熵和局部邻域信息的高斯约束CV模型,作者利用熵构造内部和外部区域能量的权值系数,加强了对曲线演化的控制;同时将曲线上各点的局部邻域信息引入到曲线演化过程中,提高了分割的准确性,并降低了区域内灰度不均匀等因素对曲线演化的影响;高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线周长约束项和重复初始化.利用Circular Hough变换对左心室壁内、外膜进行初始定位,避免了人工设置初始轮廓,减少了曲线向目标轮廓演化时间和初始轮廓位置敏感性对分割结果的影响.作者对心脏MR图像的左心室内、外膜进行了分割.结果表明文中方法能够快速准确地分割左心室壁内、外膜,抗干扰能力强,鲁棒性好.     

基于改进差分和光流的新型运动目标检测方法

针对运动目标检测中的空洞和虚假目标的问题, 提出一种改进差分和改进光流的运动目标检测方法. 该方法首先对连续的七帧图像依次进行预处理、差分、灰度变换和二值化处理, 并将前、后三帧二值图像分别累加得到的二值图像进行逻辑与运算, 得到中间帧中运动目标的粗略区域; 其次将中间帧与背景帧差分, 并对得到的图像进行边缘提取和二值化处理, 然后对其进行像素的算术运算, 得到中间帧中运动目标的精确区域; 在基础上通过改进的光流法得到运动目标的准确信息; 最后通过阈值分割和形态学处理完成对目标的分割. 对比实验表明, 该方法能实现运动目标的准确快速检测与分割.     

基于运动信息与马尔可夫彩色聚类的运动目标分割

针对视频序列图像中的运动目标分割,论文提出了将运动检测和马尔可夫彩色聚类相结合的运动目标分割算法。该算法首先利用基于统计模型的运动检测算法,通过后处理,得到运动目标的初始模板。然后,利用区域生长算法进行彩色图像的初始分割,在初始分割的基础上应用马尔可夫随机场模型进行彩色聚类,得到具有精确边缘的分割区域。最后,将运动目标的初始模板和彩色精确分割结合起来提取出具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

Optical flow 3D segmentation and interpretation: a variational method with active curve evolution and level sets

This study investigates a variational, active curve evolution method for dense three-dimensional (3D) segmentation and interpretation of optical flow in an image sequence of a scene containing moving rigid objects viewed by a possibly moving camera. This method jointly performs 3D motion segmentation, 3D interpretation (recovery of 3D structure and motion), and optical flow estimation. The objective functional contains two data terms for each segmentation region, one based on the motion-only equation which relates the essential parameters of 3D rigid body motion to optical flow, and the other on the Horn and Schunck optical flow constraint. It also contains two regularization terms for each region, one for optical flow, the other for the region boundary. The necessary conditions for a minimum of the functional result in concurrent 3D-motion segmentation, by active curve evolution via level sets, and linear estimation of each region essential parameters and optical flow. Subsequently, the screw of 3D motion and regularized relative depth are recovered analytically for each region from the estimated essential parameters and optical flow. Examples are provided which verify the method and its implementation     

基于水平集的多运动目标时空分割与跟踪

针对背景运动时的运动目标分割问题,提出了一种对视频序列中的多个运动目标进行分割和跟踪的新方法。该方法着眼于运动的且较为复杂的背景,首先利用光流约束方程和背景运动模型建立一个基于时空域的能量函数,然后用该函数进行背景运动速度的估算和运动目标的分割和跟踪。而时空域中的运动目标的最佳分割,乃是通过使该能量函数最小化来驱动时空曲面演化实现。时空曲面的演化采用了水平集PDEs(Partial Differential Equations)方法。实验中,用实际的图像序列验证了该算法及其数值实现。实验表明,该方法能够同时进行背景运动速度的估算、运动目标的分割和跟踪。     

基于小波变换和ICA的运动目标分割

提出一种时空融合的运动目标分割方法.在时域方面,采用时间轴一维小波变换提取运动对象,然后用独立成分分析法提取独立的运动对象,并基于灰度直方图进一步提取视频对象;在空域方面,提出对轮廓提取后的图像进行分水岭变换的改进方法.与COST211 AM算法比较表明,文中方法能更完整、准确地提取出运动对象.     

视频图像序列运动参数估计与动态拼接

本文采用多重分层叠代算法来估计全局运动参数，并提出应用于动态拼接的运动分割新方法，实现既有摄像机运动又有物体运动的视频图像序列自动拼接。我们的方法基本步骤如下：首先进行全局运动参数的初始估计，并且在分层叠代过程中进行区域分类，得到初始运动模板。接着空间分割原始图像，先根据图像的空间属性由底向上分层合并图像空间区域，再利用视频图像时间属性进一步向上合并，得到图像空间分割结果。然后结合初始运动模板和图像空间分割结果，采用区域分类新方法重新对图像空间分割结果的每个区域进行分类。然后根据分类结果逐步精确求解全局运动参数。最后进行图像合成，得到全景拼接图像。我们的方法利用了多重分层叠代的优点，并且充分考虑到视频图像空间和时间上的属性，实现了运动物体和覆盖背景的精确分割，避免了遮挡问题对全局运动参数估计精度的影响。而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题。实验结果表明我们的方法实现了动态视频图像序列高质量的全景拼接。     

一种基于时空信息的运动目标提取新算法

自动、快速的视频目标分割是目标基视频编码中的一项关键技术 .为此提出了一种基于时空信息的运动目标提取算法 .该算法首先根据多帧运动信息和高阶统计检测方法得到二值运动掩模图象 ,然后提出一种改进后的分水岭算法对运动区域及其周围部分进行分割 ,最后将二者所得结果进行投影运算 ,得到最终运动目标 .实验结果说明了该算法的有效性 .     

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

Improvement of the precision of the gradient method and object tracking using optical flow

In this study, the spatial local optimization method was improved to obtain high precision of optical flow for cases in which the object movement changes substantially and a method to trace the loci of moving objects was considered. In the spatial local optimization method, the precision of the optical flow when the object movement changes substantially becomes a problem. Therefore, to make the object movement relatively small, we obtained flow vectors from the image sequence to drop the resolution of the original input image sequence to half the initial resolution. flow vectors were then obtained from the original input image sequence that were smaller than the threshold value. We show that the precision of the optical flow when the object movement changes substantially is improved by this method. Method used to trace the loci of moving objects was demonstrated. We obtained clusters from histograms of flow vectors and pursued each cluster. We show that it is possible to trace moving objects by this method. This work was presented, in part, at the 7th International Symposium on Artificial Life and Robotics, Oita, Japan, January 16–18, 2002     

混合视觉系统的运动物体检测和静态地图重建

复杂动态背景环境下的运动物体检测和静态地图重建中容易出现运动物体检测不完整的问题。针对上述问题,提出了一种混合视觉系统下点云分割辅助的运动物体检测方法。首先,提出了直通滤波+随机采样一致性（PassThrough+RANSAC）方法来克服大面积墙壁干扰以实现点云地面点的识别;其次,将非地面点数据作为特征点投射到图像上,并估计其光流运动向量和人工运动向量,从而对动态点进行检测;然后,采用动态阈值策略对点云进行欧氏聚类;最后,整合动态点检测结果与点云分割结果来完整地提取出运动物体。此外,通过八叉树地图（Octomap）工具将点云地图转换为三维栅格地图以完成地图的构建。通过实验结果和数据分析可知,所提方法可以有效提高运动物体检测的完整性,同时重建出低损耗、高实用性的静态栅格地图。     

基于帧差和小波包分析算法的运动目标检测

提出了一种在镜头不动的情况下基于累积帧差分割和小波包分析融合技术的运动目标检测方法。这种方法可分为四步:使用改进的累积帧差算法和阈值分割算法完成目标区域的分割,并获得初始运动模板;利用小波包分析算法提取出单帧图像的边缘信息并获得细化的目标区域边缘图;根据初始运动模板和空域边缘图像的融合得到更精确的运动目标模板;最后结合原序列图像检测出完整的运动目标。实验结果表明:这种方法可以有效地从对比度较小和噪声较大的视频序列中较精确地检测出完整的运动目标。