一种区域弦分布形状描述子及其在形状特征识别中的应用

为了通过目标区域内弦的分布稳定地描述目标的形状特征,首先定义了区域主弦和基于主弦的垂直扫描弦。并由区域主弦和垂直扫描弦的长度、位置分布组成了目标区域弦分布;然后根据区域弦分布,定义了区域弦面积、弦平行度、边界点对称率、主弦长度、弦方框率等描述目标区域形状的有效特征;最后利用区域弦分布形状描述特征对一些简单形状和显微镜细胞图像进行了实验。实验结果表明,区域弦分布形状特征不仅可以有效区分圆、椭圆、矩形、平行四边形和不规则多边形等简单形状,而且在显微镜细胞自动分类与识别系统中增加细胞区域弦分布特征后,目标识别率明显提高,误判率明显降低。另外,通过弦分布形状特征,系统还可以有效区分长条管形细胞、方形结晶细胞、圆形细胞和不规整细胞的形状。     

结合仿射不变特征的平面目标区域矩研究

平面目标闭合曲线的傅里叶描述子只描述了目标区域的边界形状，无法反映目标内在属性。若目标区域的灰度分布已知，可利用目标区域的灰度分布构造各阶矩来描述目标的灰度分布特性及边界形状，即用区域矩来表征目标，可以得到反映目标内在属性的一些仿射不变特征，更能全面地反映目标本原特征。     

基于EM算法的多椭圆形目标检测

提出了一种椭圆形多目标检测算法。根据椭圆形目标在形状上与高斯分布相对应的特点,计算目标的特征均值和协方差矩阵,采用主元素法来描述椭圆形目标的大小、位置及主轴。对于包含多个目标的重叠区域,设计了一种加权的EM迭代算法,从而精确计算该区域的目标数、各椭圆的统计特性及位置、形状和大小。把该算法应用于水果及运动目标检测,获得稳定、精确的分割结果。     

一种基于MPEG-7形状特征描述符算法

介绍MPEG-7标准中定义的形状描述符,提出一种基于区域的形状描述算法——ARS算法,并通过实验证明该算法能保证提取的基于区域的形状描述符旋转不变。     

相对矩及在几何形状识别中的应用

在计算机视觉中,几何形状的识别具有十分重要的意义,而一般几何形状可以分为区域和结构两类。Hu提出的不变矩是用于区域形状识别的几何特征,但对于结构则因不满足缩放不变的条件而不适用。为此对Hu提出的区域不变矩和Chen提出的区域不变矩快速算法进行了扩展,并定义了对于结构和区域均满足平移、缩放、旋转不变的相对矩,从而统一了区域和结构的矩特征计算公式,而且与Hu的不变矩相比,更具有一般性,利用相对矩进行的识别实验表明,相对矩是对区域、封闭和不封闭结构的形状进行识别的有效特征,尤其在识别封闭和不封闭结构时,比傅立叶描述子等传统方法简便。     

压入新、旧区段的区域填充扫描线算法

指出压入区段端点的区域填充扫描线算法对一类特殊4-连通区域有可能产生漏填,利用像素间的相关性和区域在扫描线上的连贯性提出了采用“重写区段左端点”的4向填充方法进行改进;通过分析原算法中仍然存在的像素点颜色判读的重复操作,提出了压入新、旧区段的区域填充扫描线算法并给出算法的描述;典型的填充测试证明了本算法的正确性和高效性。     

红外视频中特定形状目标的实时检测

红外视频跟踪技术具有相当广泛的应用前景.本文以单个圆形目标为例,介绍了红外视频中特定形状目标的实时检测算法.该算法的基本思想:在视频图像中设置若干条扫描线,并利用这些扫描线与目标边缘的交点计算出目标的参数.算法还对随机哈夫变换进行了改进,将在由交点参数计算目标参数时使用.实验表明,该算法准确性高、实时性好,能够满足实际应用要求.     

二维形状的热核特征及其在分类问题中的应用

为了在二维形状上寻求具有不变特征的形状描述,从三维的角度考察二维物体的形状信息,提出基于热核的形状分类算法.首先对原始物体的边界进行采样,并将内部区域三角化;然后通过优化的方法,把二维形状转化为表面光滑且封闭的三维网格曲面;最后提取三维模型表面的热核特征,利用词袋模型得到物体的特征向量,最终实现物体的形状分类.在MPEG-7与Animal Shapes数据库上的实验结果表明,与传统算法相比,该算法分类的准确率更高,鲁棒性更强.     

基于多边形拟合的细胞图像特征提取算法

细胞图像自动检验与识别是现在生物医学工程领域的一个热点问题.在细胞图像识别中传统应用目标的形状特征提取算法存在不足.为了提高图像提取精度,在分析边界直线拟合基础上提出了一种改进的细胞图像特征提取算法,建立基于平滑后边界拟合多边形的曲率向量、边长向量,分析定义了基于拟合多边形的拐点数、端点数,曲率均值、曲率方差、长轴、短轴、长短轴比、对称率、平行度等形状特征描述子.改进算法应用于蕞本形状与显微镜细胞图像中目标形状的特征提取,计算机仿真表明算法得到的形状描述子可以有效区分基本形状,并具有位移不变,并保证细胞图像提取的精度.     

基于区域伪Zernike矩的商标图像检索

研究商标图像检索问题,针对在二值商标图像检索中要求准确、高效,因此确定出目标像素点的区域分布形式,解决商标形状特征,对平移、旋转、比例以及起始点等变化下特征不变性问题,提出了一种基于区域伪Zernike矩的提取图像形状特征的算法。算法根据图像目标区域的最小外接圆进行区域划分,提取区域的伪Zernike矩来描述图像形状特征进行商标检索。通过仿真实验证明,区域伪Zernike矩的提取图像形状特征的算法具有良好的平移,旋转及比例不变性,并用有较强的抗噪性。     

基于弦高点和遗传算法的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡和局部缺失难于识别的难题, 提出了一种新的特征点——弦高点, 将其和遗传算法相结合用于图像的仿射配准. 算法首先给出了弦高点的定义, 并证明了其仿射不变性; 然后,应用遗传算法搜索模型和目标轮廓上两对对应点, 以弦高点作为第三对对应点, 求解最优的仿射变换矩阵; 最后,对遗传算法搜索的结果再进行线性搜索, 提高配准的精度. 本文利用 LTS Hausdorff距离(Least trimmed square Hausdorff distance, LTS-HD) 进行度量, 能有效克服部分遮挡或局部缺失的影响. 由于采用遗传算法, 并只需搜索两对对应点, 配准的速度得到提高. 理论分析和实验结果均表明, 该算法能有效地进行仿射配准, 并能处理部分遮挡或局部缺失.     

融合互补性外形先验信息的改进参数最小割模型

目的 似物性推荐为近年来提出的一种快速物体定位方法,而参数最小割模型作为似物性推荐的一种重要模型受到广泛关注。针对传统的参数最小割模型受颜色分布影响较大的问题,提出融合多个具有信息互补作用的外形先验予以改进。方法 首先构造了一种数据驱动的基于形状共享的外形先验,以发现具有相似外形的物体区域;其次,从格式塔完形心理学的角度入手,引出了一种测地星形凸面性的外形先验,约束外形的拓扑结构,生成外形不同的物体区域;最后,结合外形先验、颜色分布、边缘响应强度以及尺度线索,构建能量函数以表征新的模型,从而增强模型对复杂颜色分布的鲁棒性。结果 分别在Seg VOC12和BSDS300数据集中进行了外形先验有效性验证、复杂颜色分布下算法鲁棒性分析和前沿似物性推荐算法对比分析等实验,结果表明,本文采用融合互补性外形先验能提高候选区域定位精度,具有更好的颜色分布鲁棒性,当颜色简单性位于[0.7,,08]之间时,算法结合外形先验后平均最佳重叠率最高可达到9.8%的提升,且在与13种具有代表性的似物性推荐算法进行区域级物体定位能力对比实验中,本文算法在不同的重叠率阈值下均达到了相近的查全率。结论 本文算法具有更高的前景与背景的区分能力,能够适应各种复杂颜色分布,同时具有较好的物体定位能力。     

基于改进Mean Shift和SURF的目标跟踪

传统颜色直方图的Mean Shift（MS）算法只考虑了目标颜色的统计信息,不包含目标的空间信息,当目标颜色与背景颜色相近或目标对象发生光照变化时,容易导致不准确跟踪或跟踪丢失。针对该问题,提出了一种融合改进MS和SURF的跟踪算法。改进的MS算法根据目标对象的最新外接矩形尺寸,确定对象的分块方法,根据各块的Bhattacharyya系数值,确定各块的权重系数,获得初步的跟踪结果;采用SURF特征匹配和校正的方法对其初步跟踪结果进行调整;采用线性加权的方法融合改进的MS和SURF跟踪结果,得出最终的跟踪结果。实验表明,提出的融合改进MS和SURF的跟踪算法,比传统的MS算法和固定分块的MS算法都具有更好的跟踪性能。     

边缘检测与混合高斯模型相融合的运动目标检测算法

针对传统的混合高斯模型不能很好地处理突变的情况,提出了一种新的运动目标检测算法。该算法在时间域上对混合高斯模型的更新机制进行了改进,并对模型加入了帧间处理,提取出初步的运动目标;在空间域上,通过Canny边缘检测算子获得初步的运动目标边缘轮廓,利用图像金字塔的多分辨特性排除背景噪声,经过一定运算再次得到运动目标。将两次得到的运动目标作"与运算",提取出最终的运动目标。实验结果表明,本算法可以较好地处理突变情况,提取的运动目标图像完整、轮廓清晰。     

基于形状先验和图割的彩色图像分割

基于图割理论的图像分割方法在二值标号问题中可以获取全局最优解,而在多标号问题中可以获取带有很强特征的局部最优解。但对于含有噪声或遮挡物等复杂的图像,分割结果不完整,效果并不令人满意,提出了一种基于形状先验和图割的图像分割方法。以图割算法为基础,加入形状先验知识,使该算法包含更多约束信息,从而限制感兴趣区域的搜寻空间,能够更好地分割出完整的目标,增加了算法的精确度。针对形状的仿射变换,运用特征匹配算法进行处理,使算法更加具有灵活性,能够应对不同类型的情况。实验表明了该算法的有效性。     

多特征融合的Camshift算法及其进一步改进

基于颜色核的Camshift算法可以有效实现简单场景下的目标跟踪,但在光线变化明显或目标与背景颜色相近的场景下易受干扰。为此,采用颜色、边缘梯度、纹理等多个特征自适应融合的方式改进算法,提高算法应对光线变化的能力;并通过修正特征直方图、设置合理搜索范围对算法进行进一步改进,解决相似背景的干扰问题。实验结果显示,在光照变化明显或目标与背景特征相近的场景中,改进的算法与传统算法相比具有更高的跟踪精度。     

基于主动轮廓模型的交通场景运动目标提取算法

在交通监控中,从复杂的交通场景中精确地分割出运动目标是至关重要的。目前,经典的运动目标检测算法有背景差法和帧差法。当场景中存在阴影时,这两种方法都不能够精确地提取运动目标。提出了一种基于主动轮廓模型的运动目标提取算法。通过阴影检测,从运动目标中获得消除阴影的初始轮廓,然后通过主动轮廓模型逼近运动目标真实轮廓。实验表明,该算法既可以消除阴影和噪声的影响,又可以保持运动目标完整。     

融合目标形状信息及图割窄带优化的目标跟踪算法

提出基于图割窄带优化算法及融合目标形状信息的目标跟踪方法,首先采用卡尔曼滤波方法对目标新的位置进行预测,进而基于目标当前位置及分割结果估计目标的形状的信息,然后在目标预测位置采用窄带的图割优化算法并集成目标的形状先验信息对目标的进行分割,从而确定目标新的位置并得到目标新的轮廓结果,完成目标的精确跟踪。实验结果表明提出的方法具有良好的性能,能够精确有效的跟踪复杂背景中的运动目标。由于采用窄带图割分割优化,使得算法也具有良好的实时性,能够在实际中得到应用。     

深度信息辅助的均值漂移目标跟踪算法

参考目标模型中混入的背景噪声会弱化目标特征的描述,导致目标跟踪定位误差。为减少误差,依据目标与背景处于不同深度平面的特点,提出了基于深度信息辅助的和改进的背景加权直方图的MeanShift跟踪算法,能够有效削弱核窗口中的背景干扰信息,突出目标的颜色特征信息,并适时自适应更新核带宽,减少因目标尺寸变小时引入较多的背景干扰信息。实验结果表明该算法迭代次数更少,具有良好的跟踪定精度。     

Efficient multi-feature PSO for fast gray level object-tracking

Robust and real-time moving object tracking is a tricky job in computer vision systems. The development of an efficient yet robust object tracker faces several obstacles, namely: dynamic appearance of deformable or articulated targets, dynamic backgrounds, variation in image intensity, and camera (ego) motion. In this paper, a novel tracking algorithm based on particle swarm optimization (PSO) method is proposed. PSO is a population-based stochastic optimization algorithm modeled after the simulation of the social behavior of bird flocks and animal hordes. In this algorithm, a multi-feature model is proposed for object detection to enhance the tracking accuracy and efficiency. The object's model is based on the gray level intensity. This model combines the effects of different object cases including zooming, scaling, rotating, etc. into a single cost function. The proposed algorithm is independent of object type and shape and can be used for many object tracking applications. Over 30 video sequences and having over 20,000 frames are used to test the developed PSO-based object tracking algorithm and compare it to classical object tracking algorithms as well as previously published PSO-based tracking algorithms. Our results demonstrate the efficiency and robustness of our developed algorithm relative to all other tested algorithms.