复杂背景下的自适应前景分割算法

复杂背景下的运动前景分割是计算机视觉领域研究的一个重点研究问题。为了对复杂背景下的运动前景进行有效分割,提出了一种复杂背景下自适应前景分割算法。该算法 的背景模型是由一系列聚类和聚类的权重构成。每个聚类表示背景的一个历史状态,并能够根据背景的变化,自适应创建、更新或删除聚类,使得背景模型能够准确反映出场景的 变化。每个聚类权重是根据聚类的大小和更新时间自动确定的。为了自动确定该方法的重要阈值,还提出一种基于非参数密度估计的阈值估计方法,并在不同的场景下与多个背景 建模方法进行了比较, 实验结果表明,该算法是有效的。     

自适应最小误差阈值分割算法

对二维最小误差法进行三维推广, 并结合三维直方图重建和降维思想提出了一种鲁 棒的最小误差阈值分割算法. 但该方法为全局算法, 仅适用于分割均匀光照图像. 为 提高其自适应性, 本文采用Water flow模型对非均匀光照图像进行背景估计, 以此获 得原始图像与背景图像的差值图像, 达到降低非均匀光照对图像分割造成干扰的目的. 为进 一步提高分割性能, 本文对差值图像采用γ 矫正进行增强, 然后采用鲁棒最小误差 法进行全局分割, 从而完成目标提取. 最后本文对均匀光照下以及非均匀光照下图像进行了 实验, 并与一维最小误差法、二维最小误差法、三维直方图重建和降维的Otsu阈值分割 算法、灰度波动变换自适应阈值方法以及一种改进的FCM方法在错误分割率和运行时间上进 行了对比. 实验结果表明, 相对于以上方法, 本算法的分割性能均有明显提升.     

基于高斯拟合的自适应多阈值分割算法

提出一种新的基于邻域平均直方图的快速高斯拟合函数参数估计的算法,对形态滤波后的邻域平均直方图进行峰谷检出,对各峰区数据单独进行截断数据统计分析确定拟合参数,较好地避免了多峰交叠所带来的干扰,从而实现了复杂图像的自适应多阈值分割。实验表明,该算法能有效提高拟合精度和分割的鲁棒性。     

背景自适应的GrabCut图像分割算法

图割用于图像分割需用户交互,基于激光雷达传感器,提出了阈值法得到目标的外截矩形,再映射到图像完成交互.针对GrabCut算法耗时、对局部噪声敏感和在复杂背景提取边缘不理想等缺点,提出了背景自适应的GrabCut算法,即在确定背景像素中选取可能目标像素邻近的一部分像素作为背景像素,使背景变得简单,尤其适用于前景像素在整幅图中所占比例较小和在目标像素周围的背景相对简单的情况.实验结果表明,所提算法与GrabCut算法相比,减少了图的节点数,降低了错误率,有效的提高了运行效率,提取的目标边缘信息更加完整、平滑.     

二维Otsu自适应阈值分割算法的改进

在二维OTSU自适应阈值分割算法的基础上提出了一种改进的自适应阈值分割算法，这种改进算法由于充分考虑了图像二维直方图中象素灰度值及其领域平均灰度值比较接近的区域而获得了比传统算法具有更强抗噪声能力的分割算法，通过将该算法用于显微细胞图像的分割证明了它不仅分割效果得到改善，同时还大大降低了算法的复杂性。     

基于高斯拟合的自适应多阈值分割算法*

提出一种新的基于邻域平均直方图的快速高斯拟合函数参数估计的算法,对形态滤波后的邻域平均直方图进行峰谷检出,对各峰区数据单独进行截断数据统计分析确定拟合参数,较好地避免了多峰交叠所带来的干扰,从而实现了复杂图像的自适应多阈值分割。实验表明,该算法能有效提高拟合精度和分割的鲁棒性。     

基于自适应阈值的网格图像行分割算法

针对网格图像文字自动识别受网格横线影响的问题,提出将网格图像按照网格横线进行行分割的自适应阈值算法。在对网格图像行分割过程中,首先对灰度图像使用类别方差自动门限法(OSTU算法)取得图像二值化的阈值,将此阈值作为全局阈值对图像进行二值化操作。然后针对图像的二值化数据进行了水平投影,利用统计法取得行分隔的阈值,并结合行分隔阈值实现了网格图像行分割的算法。最后将算法在Matlab中进行了验证和分析。     

微分进化的自适应彩色图像阈值分割

针对阈值的选择依赖于经验和试验的问题,提出了结合微分进化算法和二维最大熵算法得到图像自适应阈值的方法。该方法首先利用全局阈值法中的迭代法得到图像的阈值并初次对图像进行分割,然后利用微分进化算法并且结合二维最大熵阈值进行适应度的计算、个体编码、终断条件等计算图像的自适应阈值,最后对测试的图像应用微分进化算法实现对图像的正确分割。采用微分进化算法可以准确地对图像进行分割,是一个比较高效的方法,有效地提升了分割效果。与现有的自适应阈值分割算法相比,本文算法缩短了计算时间。阈值分割不仅可以对灰度图像进行分割,彩色图像也可以用阈值分割。     

基于矩和自适应阈值的迭代分割算法研究

基于自适应阈值的图像分割算法具有算法简单、易于实现且计算量小等优点.但对于有较复杂背景的小目标图像,单一运用此方法不能将目标从背景中分割出来.为了解决这个问题,提出了一种基于矩特征、角点特征以及自适应阈值的迭代分割方法.首先利用角点特征和矩特征选择目标区域,进而在该区域内计算自适应阈值,利用迭代的思想克服先前图像分割算法中阈值只选取一次的问题,从而得到较为满意的图像分割效果.仿真结果证明,提出的算法在飞机图像分割方面的优越性.     

基于模糊阈值的自适应图像分割方法

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割;该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果;实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

工业检测图像灰度波动变换自适应阈值分割算法

工业检测图像经常受到不均光照的影响,对该类图像局部自适应分割算法比全局算法能产生更好的分割效果. 但局部算法中基于分块的算法对分块方法缺乏指导,而基于邻域的算法容易在背景或前景内部产生误分. 针对上述缺点,本文提出了一种多方向灰度波动变换的自适应阈值分割算法. 该算法先从多个方向依照灰度波动对图像进行转换,构造以多维向量为基础的灰度波动变换矩阵, 然后利用主成分分析法(Principal component analysis, PCA)将高维向量压缩至一维并生成变换图像,最后运用Otsu算法分割变换图像. 该算法无需分块,并且仅需波动幅度阈值和布尔型背景色两个参数. 实验结果表明,该算法能够有效减少不均光照对工业检测图像分割的影响, 与Niblack法、Sauvola法等几种局部算法相比,该法在分割效果上具有了明显的提升.     

自适应背景抽取算法

针对室内环境的特点，一种新的自适应背景抽取算法提出了．该算法只需利用像素点采样值的亮度分量，采用统计的方法给场景每个像素点的亮度值建模，通过时间滤波器保持其序列均值和偏差；根据光照的变化对像素点亮度值的影响的分布情况，实现光照突变检测和像素点的自适应更新；采用将视频图像分块的方法，实现了对运动对象的快速抽取和跟踪．与已有算法相比，该算法具有较低的时间、空间复杂度和可调的误检率．实验表明，该算法在运动跟踪中取得了很好的效果．     

一种视网膜血管自适应提取方法

为了快速有效地提取视网膜血管，根据视网膜图像的灰度分布特征，提出了一种新的基于自适应阈值化的血管提取方法。该方法是首先把图像划分成很多同样尺寸的小子图像，然后在每个子图像中分别计算局部阈值，并用该阈值分割该子图像。因为视网膜图像中血管和背景在局部范围内都比较均匀，所以在每个子图像中都存在一个局部阈值能够将其中的血管分割出来。采用的局部阈值计算方法不仅允许子图像可以取得很小，而且能够保证得到平方误差最小意义下的最优阈值。在阈值计算过程中，还用到一种基于过零点边缘检测技术的边缘追踪算法。最后还提出一种基于区域生长的特征综合方法，即通过综合两次阈值化分割得到的血管结构来清除碎片。多幅视网膜图像的实验证明，该方法的计算速度很快，并且可以提取包括细血管在内的绝大部分血管。     

混合高斯模型和帧间差分相融合的自适应背景模型

提出了运动目标检测中背景动态建模的一种方法。该方法是在Stauffer等人提出的自适应混合高斯背景模型基础上,为每个像素构建混合高斯背景模型,通过融入帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物体区域。相对于背景区域,背景显露区中的像素点将以大的更新率更新背景模型,使得长时间停滞物体由背景变成运动前景时,被遮挡的背景显露区被快速恢复。与Stauffer等人提出的方法不同的是,物体运动区不再构建新的高斯分布加入到混合高斯分布模型中,减弱了慢速运动物体对背景的影响。实验结果表明,在有诸多不确定性因素的序列视频中构建的背景有较好的自适应性,能迅速响应实际场景的变化。     

关于自适应高斯混合背景模型的更新算法的研究

采用自适应高斯混合方法为背景建模的难点是对背景模型的维持与更新。目前,背景模型的更新算法很多,但算法中各参数的取值通常是依据经验而定。本文对背景信号进行了分析,根据背景信号的特点,给出了背景更新算法中各参数值的选取方案,并提出了一种新的背景模型更新算法。     

基于高斯平滑的自适应角点检测

文中算法首先在曲线尺度空间中通过高斯平滑以消除噪声；然后再基于自适应弯曲度计算和角点筛选准则确定角点，该算法不需要预先输入参数，具有较好的抗干扰性，实现简单有效。     

基于新的阈值化方法的背景减法改进

首先将一种新的基于颜色空间模型的阈值化方法用于背景减法中. 该阈值化方法利用每个像素的颜色畸变和亮度畸变检测出场景中所有的运动, 其中像素的颜色畸变检测考虑了颜色向量所处的空间位置; 同时该阈值化方法在一定程度上抑制了运动阴影的影响. 其次, 将一种双阈值化方法用于背景减法中, 实现了复杂场景下前景目标的提取. 通过VSSN 05和PETS 2006测试视频的实验, 验证了本文提出算法的有效性.     

一种适于公交乘客计数的自适应背景更新算法

在基于视频图像处理的乘客计数系统(APC)中,背景与前景目标的分割是运动目标检测的关键。针对公交车APC系统的特征,在背景差法的基础上,结合相邻帧差以及平均灰度差,提出了一种自适应背景更新算法,以此为基础,实现了视频图像序列中的运动目标检测。通过对公交车实验采集的视频图像进行处理,证明算法能够克服光线的变化及干扰物体的影响,有效地实现目标分割。