一种基于细胞神经网络的视频运动对象分割的研究

针对目前大多数视频分割算法难以满足实时性要求的缺点,本文将具有很强并行处理能力并具有集成特性的CNN细胞神经网络应用到视频对象分割当中,提出了一种基于细胞神经网络的视频运动对象分割算法,并通过仿真实验验证了其可行性.     

基于细胞神经网络运动目标跟踪算法研究

运动目标跟踪是模式识别、图像处理、计算机视觉等领域的重要课题,它把图像处理、自动控制、信息科学有机结合起来,针对背景是静止的运动物体图像序列,提出了基于细胞神经网络移动目标跟踪,该算法大部分采用细胞神经网络结构,能够实现高效、快速的移动目标跟踪,可以满足实时需要,在实验基础上验证了该算法的有效性。     

基于时空信息的视频对象分割算法及其在细胞神经网络机上的实现

随着MPEG-4和MPEG-7的研究发展,基于内容编码和面向对象的存取和操纵技术日益得到人们的重视,视频分割技术迅速成为当前视频研究领域的热点.为了能够实时准确地对运动视频对象进行分割,本文提出了一种时空结合的视频分割算法,即先利用帧间差分求出大致的视频对象,经过投影定位,再通过灰度连通区域的标记对其进行修正.本算法直接面对灰度图象序列处理,并且综合和时间空间上的信息,使得对于运动对象的分割更加准确和有效,同时由于并行的细胞神经网络的介入,使得算法具有更好的实时性.通过在细胞神经网络机CNNUM上的模拟结果证明,利用该算法,能够较精确地分割出视频对象.     

基于细胞神经网络的快速手语视频分割方法

为实现感兴趣区手语视频编码,提高通话效率,提出一种基于细胞神经网络(CNN)的快速手语视频分割方法。该方法首先利用肤色信息特征进行基于CNN的肤色检测,检测出手语视频中的肤色区域;然后对肤色检测结果,利用帧差法进行基于CNN的运动检测,获得初始的手势区域;最后采用形态学处理方法进行空洞填充和边界平滑,实现了手语视频图像序列中的面部和手部区域的分割。研究结果表明,该方法能够快速准确地进行手语视频分割。     

一种快速的基于对称差分的视频分割算法

基于MPEG—4的图像压缩编码，为了高效率分割，实现低码率实时压缩，提出一种快速的基于对称差分的视频分割算法．对图像序列中每连续三帧图像进行对称差分，检测出目标的运动范围．同时利用上一帧分割出来的模板对检测出来的目标运动范围进行修正，最后通过模板填充把修正后的运动目标模板快速地提取出来，实现视频分割．     

基于粒子群算法的细胞神经网络模板参数设计

细胞神经网络的关键问题之一是找出其模板参数,文中提出一种基于粒子群算法结合CNN动态性能设计细胞神经网络模板参数的方法.该方法能在CNN动态性能分析确定的模板参数的区间范围内,快速地寻找到最优值.与其他优化算法相比(如遗传算法),粒子群算法参数设置比较简单,更容易实现且收敛速度比较快.经仿真证明,通过此算法设计的细胞神经网络边缘提取的模板参数是可靠的.     

基于ECCC的细胞图像分割算法

针对粘连细胞图像,提出ECCC(Eleven Components Chain Code)链码分割算法。首先对细胞边缘二值图像进行链码统计和边缘拐点检测,新算法对Freeman链码进行了改进,在链码中加入表示边缘拐点的新的链码元素,然后计算边缘拐点的链码差来筛选真实分割点,最后对分割点线性插值实现粘连细胞分割。实验结果表明,针对2粘连和3粘连细胞,ECCC法的分割成功率分别为100%和98%,平均耗时分别为0.42 s和0.67 s,比传统链码分割法减少了近55%的计算量,在复杂的细胞图像分割中具备一定的有效性和可行性。     

基于细胞神经网络鲁棒性的彩色图像边缘检测

根据细胞神经网络(CNN)数学模型,提出一种新的彩色图像边缘检测方法。 新方法继承了CNN 的优点,解决了CNN 现有算法不能直接检测彩色图像边缘的问题。该 方法充分利用图像中的颜色信息,通过欧几里得距离度量像素之间的差异,使CNN 方程可 以在RGB 彩色空间中进行运算。对CNN 模板进行理论分析和鲁棒性研究,提出一个实现 彩色图像边缘检测功能要求的CNN 鲁棒性定理,为设计相应的CNN 模板参数提供了解析 判据。实验结果表明,该方法可以对彩色图像进行有效的边缘提取,定量评价验证了CNN 边缘检测定位准确的优点。     

基于SOM神经网络的颜色图像分割

1.引言基于内容的图像检索(Content-Based Image Retrieval)已广泛应用于生化、军事、文化、教育等领域。其原理是利用图像自身的特征,如颜色、纹理、形状及对象空间关系等信息,建立图像的特征矢量以进行检索。它与传统的基于文本的图像检索相比,能够更充分地利用图像的语义信息。在CBIR方法中,用户检索时通常可以提供样本图像,检索系统将该样本图像同图像库中的图像按一定方法进行比较,将与样本图像相似的图像返回给用户。     

基于细胞神经网络的图像复原新方法

针对图像复原方法普遍运算量大的问题,提出了一种利用细胞神经网络进行图像复原的新方法,并首先提出了易于硬件实现的基于边缘方向判据的正则化复原方法;然后通过细胞神经网络的能量函数设计合适的网络参数来对该正则化函数进行细胞神经网络实现。仿真结果表明,该新方法是有效的,复原效果优于有约束的最小二乘复原法和已有的细胞神经网络图像复原法,而且由于细胞神经网络的并行性和硬件易实现性,使该新方法可以实时进行图像复原。     

基于细胞神经网络的灰度图像负片算法

提出了一种基于细胞神经网络的灰度图像负片算法。根据细胞神经网络高速并行的特点。提出并设计了单层细胞神经网络负片模板用于灰度图像的负片处理。为细胞神经网络在图像处理领域中的应用提供了一种优良的算法。实验证明了,该算法对灰度图像负片处理的有效性。     

基于CNN的灰度图像边缘提取算法中模板参数的研究

边缘是图像的最基本的特征之一，边缘提取是图像分析中非常重要的初始步骤。本文根据细胞神经网络的状态方程和输出方程，推导出网络中任意一点的最终稳定状态和收敛过程中这点的状态值间的关系。基于灰度图像边缘提取的准则，确定了满足灰度图像边缘提取的细胞神经网络中模板参数的取值范围。在这个范围内，可以有效地提取灰度图像的边缘。最后给出了仿真结果，并对结果进行了定性的比较和分析。     

基于块运动信息的视频分割算法

提出一种视频对象分割的新算法.该算法利用块的运动信息作为分割依据,同时兼顾算法的计算复杂度和精度需求.一方面,对象分割的计算量开销与DCT运算相比可以忽略.另一方面,算法的分割精度能够满足提高无线视频编码传输质量的要求.实验验证该算法能有效提高无线视频应用的效率和鲁棒性.     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢。不适合实时数据处理。基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法。利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值。实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果。满足图像处理的实时性要求。     

一种层次级联融合的视频目标分割方法

文章主要研究半监督视频目标分割任务,输入一个完整视频及首帧的像素级标注(掩膜),使用端到端的深度神经网络模型来预测后续帧的掩膜.该模型使用残差卷积网络进行深度特征提取,通过层次级联模块实现各层次不同分辨率特征的交互融合,以此捕捉不同尺寸的目标,并通过尺度融合模块处理视频帧的细节和语义信息,生成像素级分类标注.在主流视频...     

一种多模态融合新闻视频条目分割算法

新闻视频条目分割是新闻视频检索和浏览中重要的底层支持技术,本文提出了一种融合主持人模板匹配和主题字幕帧检测的多模态新闻视频条目分割算法。先用基于主持人模板的算法进行第一次分割,再用基于改进的字幕检测方法进行第二次分割,最后将两次分割的结果融合并去除重复的分割点。实验证明,该算法对新闻视频条目分割具有较好的效果。