基于形变模型的图像分割和非刚性目标的跟踪

本文在活动轮廓的基础上,提出了基于形变模型的图像分割和非刚性目标的跟踪方法.为了克服活动轮廓的一些缺陷,引入了新的与图像特性有关的外部能量和松弛法;将形变模型和光流模型相结合用于非刚性目标跟踪.该方法对噪声不敏感,能准确、可靠地检测物体曲率高的边缘部分,跟踪非刚性运动目标.实验结果验证了该方法的有效性.     

MRI脑部图像头骨剥离方法研究

头骨剥离是脑组织分割过程中的关键环节.针对传统的MRI脑组织分割中头骨剥离速度较慢,分割精度不高的问题,提出一种基于水平集的头骨剥离方法.首先根据脑部图像灰度特征确定初始分割曲线,然后将曲线看成高维函数的零水平集,最后利用灰度和形态特征控制高维函数水平集演化,通过高维函数的演化确定曲线的演化,使曲线达到待分割图像边缘.对基于水平集的方法和现有的典型方法进行仿真,仿真结果表明该方法在分割精度上有明显提高.实验证明方法可精确地将脑部组织和非脑组织分离,达到头骨剥离的目的.     

结合局部熵能量泛函与非凸正则项的图像分割

为了克服灰度不均匀对图像分割的影响，结合CV模型的全局能量项和LBF模型的局部能量项，引入图像局部熵信息和非凸正则项，构造新的能量泛函，提出了结合局部熵的局部能量泛函与非凸正则项的图像分割算法。该算法首先采用CV模型中的全局能量泛函得到图像的大致演化轮廓；通过构建具有局部熵信息的局部能量泛函，实现对图像的精确分割。然后，利用非凸正则项作为图像演化过程中零水平集逼近目标的又一驱动力驱动曲线演化和边缘保护。该算法利用变分水平集方法将这一新构建的能量泛函进行最小化，通过迭代更新水平集函数，完成曲线演化。最后，对比实验表明，所提出的算法可以高效、准确地分割灰度不均匀图像。     

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

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.     

基于自适应水平集方法的运动目标跟踪

在对复杂背景条件下的非刚体目标进行跟踪时,水平集方法是一种非常有效的方法。针对水平集的初始化问题,提出了一种自适应初始化的水平集方法。首先采用粒子滤波对目标进行跟踪,得到运动目标的粗外接矩形轮廓;然后以外接矩形轮廓的质心为基础进行水平集曲线演化,求取目标的精确轮廓信息,并将轮廓的提取结果反馈到跟踪框架中;最后,动态更新参考模板,以改进似然函数。实验结果表明,本方法能够适应非刚体目标在运动中的自由变化,使得跟踪更加精确。     

基于水平集的TLD目标跟踪改进算法

TLD算法是一种新颖的长期目标跟踪算法,针对算法中检测器采用特征没有充分考虑跟踪过程中目标的表观、区域轮廓的变化及基于窗口扫描影响效率等问题,在TLD算法的基础上,加入演化机理,基于水平集对其进行改进。结合边缘和区域信息的多尺度水平集方法,引入目标轮廓信息,在有效克服灰度不均匀图像的同时,提高了目标跟踪的适应性及精度;根据轮廓检测结果,引入目标运动方向检测算子,对目标运动方向及其在当前帧中的位置进行估计,减少扫描窗口的同时提高目标辨识能力。通过实验对原始TLD算法及改进的算法进行了比较。实验结果表明,改进后的方法跟踪速度有提升,对目标跟踪的适应性更强,跟踪精度更高。     

自适应轮廓的变分水平集复杂背景多目标检测

无需重新初始化的变分水平集模型能够避免经典水平集模型的重复初始化步骤,进而简化计算,降低检测所需时间,同时能够有效利用图像的边缘梯度信息,从而准确定位图像的局部结构.但该模型不能自适应获得初始化曲线,水平集的拓扑结构也无法改变,不能解决多个目标的检测问题.针对以上问题,本文提出了一种基于自适应轮廓的变分水平集复杂背景多目标检测方法,该方法采用帧间差分算法与K-means聚类算法相结合,以获得多个运动目标的初始化曲线,通过形态学方法来降低图像噪声的干扰,从而快速自适应的估计复杂背景下运动目标的位置和轮廓大小.该算法进一步对无需初始化的变分水平集进行改进,将其由单目标检测模型扩展为多目标检测模型,并修正原模型难以处理图像灰度不均匀的问题,最终实现对复杂背景下多个目标的检测.在标准数据库和实际数据集上的测试结果表明,本文所提方法能够准确的定位不同尺度和灰度目标的轮廓,从而提高算法的演化迭代效率及准确性.     

小邻域统计测地线活动轮廓医学图像分割模型

提出了局部统计信息测地线活动轮廓图像分割方法。该方法采用高斯分布拟合图像局部灰度统计特征信息,构造了方向性驱动项,来降低了灰度不均匀信息影响。在此基础上,建立了局部统计信息测地线能量泛函。通过极小化该泛函,来驱动演化曲线有序地向目标边界逼近,达到提取感兴趣区域轮廓目地。最后,整个分割过程采用二值水平集方法实现,来提高算法效率和稳定性。实验结果表明,该方法可以快速准确地分割医学感兴趣目标边界。     

采用测地线活动轮廓模型检测与跟踪运动目标

水平集几何活动轮廓模型能较好地适应曲线的拓扑变化.为了跟踪和获取刚体和非刚体运动目标的轮廓信息,提出了一种基于改进测地线活动轮廓(GAC)模型和Kalman滤波相结合的算法以检测和跟踪运动目标.该算法首先采用高斯混合模型和背景差分获取目标的运动区域,在运动区域内采用引入距离规则化项的GAC模型进行曲线演化,使改进GAC模型在运动目标的真实轮廓处收敛;然后通过结合Kalman滤波预测目标下一帧的位置,实现对目标轮廓跟踪.实验结果表明,该方法适用于刚体和非刚体目标,在部分遮挡的情况下也能保持良好的检测和跟踪效果.     

基于帧数据量波动特性的压缩域视频快速检索方法

为实现压缩域视频快速检索,提出基于帧数据量波动特性的检索方法。该方法首先计算压缩域各图像帧的数据量,得出查询片段和目标视频等长内的数据量曲线,然后在I帧对齐的基础上将查询片段在目标视频上进行滑动,滑动窗长为单个图组长度。再在每次滑动后计算查询片段与目标视频数据量曲线波动的差异程度,同时每次滑动后要更新目标视频的数据量曲线。最后结合设定门限进行相似判决并返回结果。该方法不需要为每一帧抽取高维特征向量,用一个向量而不是一组高维向量来表述一段视频。实验结果表明,相比现有快速检索算法,该方法使检索速度得到提高,同时也能达到较高的准确率。 另外,该方法既可用于基于压缩域视频库的快速检索,也可用于在线的视频片段匹配,实时发现与设定目标相似的视频。     

基于水平集方法的软组织图像序列分割

医学图像分割是医学图像处理中的关键问题之一.图像序列的分割操作是医学图像三维重建的必要准备,而软组织图像分割则是医学图像分割中的一大难点.基于曲线演化理论的,借助偏微分方程等数学工具的水平集方法已经被广泛应用于医学图像分割领域.介绍了水平集方法的数学模型,并设计了一种基于窄带水平集方法的,专门针对软组织图像分割的算法.用边界追踪等方法提取第一层图片中的软组织相关轮廓;将它们作为初始水平集曲线,再利用窄带水平集方法进行演化;经过两个阶段的迭代处理,最终自动分割出整个软组织图像序列.实验表明该算法具有较高效率、分割结果精确,所产生的分割结果可以作为三维重建的合适的数据集.     

基于小波变换的GrabCut图像分割

研究 GrabCut 是以迭代能量优化算法为基础,以颜色和纹理为特征,从背景图像中提取出目标的图像分割算法。但该方法速度较慢,为了达到实时应用的目的,提出了一种基于小波变换的 GrabCut 图像分割方法。该方法首先对原始图像进行小波变换的图像压缩,使得原始图像的分辨率降低,然后在压缩后的图像上迭代GrabCut算法,最后将收敛获得的目标区域作为原始图像初始值,再次使用GrabCut算法在原始图像上进行迭代,从而提取出目标。实验结果证明该算法提高了图像目标的提取速度,并保持图像目标的特征基本不变。     

基于网格状模板的实时图像跟踪算法

传统相关跟踪算法存在运算量大和实时性差的缺陷.针对这一问题,提出了一种基于网格状模板的实时图像跟踪算法.该算法首先从减少参与匹配运算的像素数目的角度出发,剔除部分冗余像素,将匹配模板设置为网格状.然后在成像跟踪仿真实验平台下,用归一化互相关匹配方法实现了对运动目标的跟踪.仿真实验结果表明,该算法不仅在很大程度上减少了图像匹配的计算量,提高了跟踪实时性,而且跟踪快速准确,具有一定的实用价值.     

基于数据隐藏的图像检索系统

本文提出一种新的图像检索系统，采用数据隐藏算法把图像的标注信息和特征信息嵌入压缩域图像中，用于快速检索。由于DCT在图像压缩中得到了广泛的应用，本文分析了基于DCT的JPEG图像格式编码流程，实现了一种基于JPEG压缩的数据隐藏算法。实验结果表明，该算法未引起图像质量明显下降，可嵌入较多数据。     

有理Bézier曲线的区间近似合并

为压缩几何信息的数据量,将区间曲线分解成中心曲线和误差曲线的形式,从而得到能够包含2条相邻有理Bézier曲线的区间近似合并曲线.该算法利用摄动误差最小化,通过求解一个线性方程组得到作为中心曲线的近似合并曲线;再利用中间结果直接得到区间宽度相等的误差曲线,或者通过二次规划得到逼近效果更佳但是等区间宽度不等的误差曲线;如果令端点处的区间宽度为0,还能得到端点插值的区间近似合并曲线;最后通过实例验证了文中算法的有效性.     

一种利用分形压缩指纹图象的方法

提出了种改进的分形压缩方法。该方法首先将指纹图象小块内的数据沿纹理方向进行重新排列,形成一维数据,然后再进行一维分形数据压缩编码,实验结果证明了该方法可以提高图象压缩比和恢复质量,最后给出一种消除块效应的方法。     

频域选择性压缩采样的数字预失真计算优化

为了节省数字预失真的计算量提高迭代速度,提出一种基于频域选择性压缩采样的数字预失真计算量优化方法,降低数字预失真的矩阵计算部分计算量,使数字预失真单次迭代速度显著提升。仿真中使用10 MHz正交频分复用（OFDM）信号通过快速傅里叶变换FFT进行数据可用带宽的稀疏压缩采样,然后再进行参数提取,矩阵计算部分的计算量可优化到60%,而且数字预失真迭代效果与压缩采样前保持一致。     

点云空间曲线的微分信息计算及匹配方法

建立了点云几何分析的相关理论框架,即定义和计算点云潜在曲线的几何微分量,包括Frenet标架、曲率、挠率等;在此基础上提出一种新的点云空间曲线匹配方法。直接在点云上计算微分量来获取相应曲线的特征信息,从而构建全局粗匹配方案,并进一步建立基于空间动力学的精细匹配优化模型。数值实验表明,微分信息计算和匹配方法能很好地适用于带噪音的点云数据,有效地实现点云空间曲线的高精度匹配。     

一种用于图像匹配的演化算法研究

图像匹配在目标检测、目标识别与跟踪等应用中是一项极其重要的技术。图像匹配的方法很多,现有的方法均采用遍历式搜索策略,因而计算量的降低有限,如果不采用新的搜索策略,则难以在计算量的降低上取得实质性的突破,这是现有图像相关匹配算法的共同缺陷。将演化算法引入匹配技术中,利用相关匹配计算简单、抗噪声性能好的特点,提出了一种基于演化算法的图像相关匹配方法。实验结果表明该方法具有运算速度快、正确匹配率高、抗噪声性能好等特点。