基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中，标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性，首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪，并根据标记线的特点，引入了3种弹性势能，然后采用了新的内能函数，并使用新的方法来产生图像势能，由于改变了原模型中轮廓线初始速度为零的假设，并引入了光流估计作为轮廓的初始速度，从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明，该算法可以获得较好的跟踪效果。     

一种基于运动估计的红外目标跟踪方法

为解决红外目标跟踪中目标的交错、遮挡等问题,提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型,该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配,该指标能很好地突出目标、抑制背景,并容易得到全局最优解。提出一种新的运动估计方法,即轨迹预测算法,对目标的运动进行较准确的估计。实验结果证明,该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。     

短程线主动轮廓跟踪算法的研究--在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点。在短程线主动轮廓模型的基础上，利用力场正则化方法，并加入运动边缘信息，提出了一种在复杂背景下多个非刚性目标进行跟踪的方法。该方法由运动检测和跟踪两部分组成：运动检测利用运动边缘信息对运动目标的运动做出检测，让轮廓曲线运动到目标轮廓附近；跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正，而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正。实验表明该方法能够有效地在复杂背景中对多个非刚性运动目标进行跟踪。     

基于GVF模型与光流场的左心室容积计算

针对目前利用心脏核磁共振图像计算左心室容积存在的分割困难和计算量大的问题,提出了一种新的计算左心室容积的方法.首先采用基于梯度向量流的主动轮廓模型(GVF-snake)对左心室内膜进行分割获取初始轮廓线,再采用光流法跟踪得到心脏序列中后续帧图像的心腔内膜轮廓线,最后采用Simpson方法计算得到左心室容积.运用该方法得到的结果和用手工勾画心脏内膜轮廓得到的结果比较表明:GVF-snake与光流运动跟踪相结合的方法用于左心室容积的计算是可行的.     

医学图像轮廓跟踪的广义模糊粒子滤波方法

在医学图像运动跟踪领域，轮廓线跟踪是描绘边缘运动的有力手段．为避免观测噪声的影响，增加轮廓的时空局部约束并利用粒子滤波(PF)技术解决该类跟踪问题是非常有效的．为更好地优化计算PF的重要比率(IR)以提高粒子滤波器的性能，该文提出了广义模糊粒子滤波(GFPF)方法，通过与当前较好的无迹粒子滤波(UPF)相比较，GFPF显示了很好的效果；另外，在似然估计方面，GFPF提供了独特的似然轮廓估计算法．理论和试验证明，GFPF不仅能够很好地解决动态轮廓跟踪问题，还为当前各种PF算法的IR计算提供了全新的解决途径．     

心脏核磁共振图像标记线的Bayesian跟踪方法

标记线跟踪是对心脏进行三维运动重建的前提，提出了基于Bayesian方法的标记线跟踪算法．算法在使用活动网格模型进行跟踪的基础上，通过预测网格节点的位置建立Markov随机场（MRF）模型，并使用EM算法将节点按是否在心室内加以分类．根据不同类别的网格节点在跟踪过程中所应起到的作用，设计不同的先验分布及似然函数，使用迭代条件模式（ICM）最大后验概率（MAP）求解网格结点坐标．对多序列心脏收缩期核磁共振图像的实验表明，算法能较准确地对网格节点进行分类，从而能在未给定心脏的内外轮廓的情况下准确地跟踪标记线；并且由于考虑到了网格模型的Markov性质．在跟踪过程中保持了网格的拓扑形状．     

基于BPNN局部位移场拟合的心脏形变计算模型

加标记的心脏核磁共振图像（tagged MRI）提供了一种非介入性的方法来跟踪心肌组织的运动，通过对MRI中tag线的分割可以获得在心动周期不同时刻的多帧稀疏的tag线位移信息．如何借助这些信息近似恢复整个心脏的运动是一个具有挑战性的课题．提出了一种新颖的心脏形变计算模型：由tag线交点信息通过BE神经网建立描述连续位移场的局部拟合函数；再通过对位移场函数的迭代求解心肌质点的运动，实现心脏形变计算．实验表明模型具有物理意义明确、算法简单和计算精度高的特点．     

基于多特征融合的分块采样粒子滤波算法在人体姿态跟踪中的应用

针对单目视频中无标记点的人体姿态跟踪问题,在分块采样粒子滤波算法框架下使用颜色(color)、边缘(edge)和运动(motion)特征相融合构造粒子权值度量函数,并根据肢体间的遮挡情况自适应地选择不同模板和图像特征来进行计算,增加了跟踪过程的鲁棒性,而且成功解决了人体运动中发生的多种形式的自遮挡问题.另外,该方法还提出了一种带约束的2维人体模型,并在此模型基础上使用一种改进的BP算法进行权值的传播,使得在一个关节点上能够同时应用多个人体约束.实验中所用测试视频(室内和室外拍摄)包含复杂背景和运动,实验结果表明该方法具有较强的鲁棒性和较高的跟踪精度.     

固定场景下的运动检测与运动跟踪

提出了一种检测运动物体,跟踪运动物体的方法。用混合高斯模型得到运动人体的区域,通过卡尔曼滤波对人体进行跟踪,并利用人体的颜色信息进行识别。该方法能够较好解决应用于室外的视频监视系统中的光照问题,具有较快计算速度,满足实时系统的要求。     

适用于遮挡问题的目标跟踪算法

提出一种基于网格模型的目标跟踪算法．该算法首先进行遮挡区域检测，然后进行网格结点的运动估计和网格更新过程完成目标的多帧跟踪．改进的遮挡区域检测算法有效地提高了检测准确度，从而确保遮挡区域的准确跟踪；网格结点的运动估计是通过特征窗口运动补偿匹配完成，可以有效地克服块效应．实验证明，该算法解决了二维运动估计时网格模型在遮挡区域存在的问题，并可以有效地进行目标准确跟踪．     

一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法

提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow, EDGGVF) Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。     

一种心脏核磁共振图像左室壁内、外膜分割方法

为了充分利用心脏核磁共振图像(magnetic resonance image,简称MRI)中关于左心室的解剖和功能信息,必须先分割左室壁内、外膜.提出一种基于Snake模型的左室壁内、外膜分割方法.首先提出了Snake模型的卷积虚拟静电场外力模型CONVEF(convolutional virtual electric field),该外力场捕捉范围大、抗噪能力强、在C形凹陷区域等问题上性能突出,而且基于卷积运算,采用快速Fourier变换可以实时计算.就左室壁内膜的分割而言,考虑到左室壁的形状近似为圆形,引入基于圆形约束的能量项.对于左室壁外膜的分割,充分挖掘了左室壁内、外膜形状上的相似性和位置上的相关性,构造了形状相似性内能和一个新的边缘图,该边缘图用来计算新的外力场.基于所有这些策略并采用内膜的分割结果初始化,可以自动、准确地分割外膜.通过对一套活体心脏MR(magnetic resonance)图像进行分割并和手工分割结果和GGVF(generalized gradient vector flow) Snake模型的分割结果进行比较,结果表明该方法是有效的.     

改进主动轮廓线模型在图像分割中的应用

主动轮廓线模型(Active Contour Model,ACM),也称作蛇(Snake)模型,是一种常用的图像分割算法。在基于主动轮廓线的图像分割中,深度凹陷边界的逼近和弱边界区域的分割一直是一个难点。引入了一种局部纹理模型(Local Profile Model)匹配算法,通过匹配沿控制点法线方向像素和局部纹理模型可以确定弱边界区域的真实边界,并结合一种新的计算控制点曲率外力的算法,使得主动轮廓线模型能够逼近图像的深度凹陷区域的同时提高算法的收敛速度。实验结果表明,该方法是有效的。     

基于直线光流场的三维运动和结构重建

利用直线间运动对应关系，将像素点光流的概念和定义方法应用于直线，提出了直线光流的概念，建立了求解空间物体运动参数的线性方程组，利用三幅图像21条直线的光流场，可以求得物体运动的12个参数以及空间直线坐标．但是在实际应用当中，要找出这21条直线的光流场是很困难的，因此该文提出了运用解非线性方程组的方法，只需要6条直线的光流．就可以分步求出物体的12个运动参数，并根据求得的12个运动参数和一致的图像坐标系中的直线坐标，求得空间直线的坐标，从而实现了三维场景的重建．     

基于改进Snake模型的人体运动跟踪算法

提出一种改进Snake模型与光流估计相结合的人体运动自动实时跟踪算法.利用角点检测得到接近人体真实轮廓的初始轮廓,减少了迭代次数,降低了Snake模型收敛到局部极值的概率;同时针对Snake模型跟踪不够稳定、容易出现跟踪丢失问题,结合KLT光流法,选取当前帧所得到的轮廓点中的强特征点进行光流估计,将估计结果作为下一帧Snake的初始轮廓,有效地解决了这一难题.实验结果表明改进Snake模型可使初始轮廓形变到人体真实轮廓,同时实现了视频序列中自动、实时的人体跟踪.     

Contour extraction of gait recognition based on improved GVF Snake model

Contourlet transform can be used to captures smooth contours and edges at any orientation. In order to solve the initial active contour problem of Snake model, Contourlet transform is introduced into the GVF (Gradient Vector Flow) Snake model, which will provides a way to set the initial contour, as a result, will improves the edge detection results of GVF Snake model effectively. The multi-scale decomposition is handled by a Laplacian pyramid. The directional decomposition is handled by a directional filter bank. Firstly, the contours of the object in images can be obtained based on Contourlet transform, and this contours will be identified as the initial contour of GVF Snake model. Secondly, then GVF Snake model is used to detect the contour edge of human gait motion. Experimental results show that the proposed method can extract the edge feature accurately and efficiently.     

基于时空联合双重约束Snake算法的运动目标分割

提出了一种针对运动目标进行分割的STC（Spatio Temporal Combined） Snake算法。该方法利用待分割帧图像的灰度梯度及其和相邻帧图像的时域信息，构造一种时空联合双重约束的外部能量函数，实现对Snake曲线的变形和收敛。对Snake轮廓进行初始化时，首先将相邻帧图像进行减运算，提取出大致的运动区域，然后再以该区域的外接矩形的长和宽为轴长，在该区域上构造一个椭圆，等间距提取该椭圆形上的N个点，形成Snake的初始化轮廓。实验结果表明，该方法是有效可行的，可精确的分割出非刚体的运动目标。     

联合LBS和Snake的3D人体外形和运动跟踪方法

为了解决基于多目视频轮廓信息的3D人体外形和运动跟踪问题,提出一种联合线性混合蒙皮和Snake变形模型的算法框架.首先建立人物对象的蒙皮模型,以每一帧多目同步视频的轮廓作为输入,采用一种基于剪影轮廓的可视外壳重建算法,使得作为3D特征的可视外壳保持了局部细节且更加光滑;并使用关节型迭代最近点算法进行匹配以捕获出每一帧骨架子空间下的人物3D外形及运动;再一次使用当前帧的多目轮廓信息,让Snake内外力共同作用于人物网格模型上的顶点,使之自由地趋近于目标对象.使用带ground-truth的合成数据进行对比实验的结果表明,该方法因同时使用3D误差约束和2D误差约束,提高了跟踪精度.     

基于方向Snake模型的心脏磁共振图像左心室内外膜分割

针对心脏磁共振图像(MRI)左心室内膜与外膜边缘方向不同的特点,提出一种基于曲线演化框架的方向主动轮廓模型进行左心室内外膜分割。曲线演化方程中包含基于图像边缘与区域灰度特征的混合几何流。几何流中的边缘信息项由经Fast Marching方法扩展后的动态方向梯度矢量流场（DDGVF）构成,用以引导曲线向具有不同方向的目标边缘运动,而区域灰度信息项则由Chan-Vese (CV)模型构成,用以防止曲线在演化过程中受其他边缘成分的影响而发生泄漏。最终的曲线演化方程采用水平集方法求解。实验结果表明,所提方法能够较为准确地分割出心脏MRI图像中的左心室内外膜并具有较好的鲁棒性,对于实现基于心脏MRI图像的左心室心肌区域自动快速分割和心脏功能分析与评价具有一定的应用价值。     

基于鲁棒背景运动补偿的运动目标检测算法*

提出一种用仿射参数模型来近似场景中摄像机的复杂运动,采用参数化的多分辨率估计方法鲁棒地估计出仿射参数;然后在当前帧与运动补偿后的帧之间求光流场,得到目标轮廓的初始分割;最后通过聚类和搜索填充算法分割出完整的目标.试验结果表明,该运动补偿算法能有效消除摄像机运动引起的背景运动,在摄像机运动情况下得到完整的目标.