基于空间邻域相关性的运动目标检测方法

针对传统混合高斯模型运动目标检测准确度不高的问题,本文提出了一种改进的运动目标检测算法,该方法通过利用空间邻域的相关性信息,结合混合高斯模型来提高运动目标检测的准确性.首先,对图像中的每一像素建立高斯模型,并采用模型的匹配次数确定方差更新系数的算法,解决了传统方法中方差收敛缓慢的问题;然后重新定义了马尔科夫随机场的势能函数,并融入空间邻域的相关性信息,由此获得了用于运动目标检测的自适应阈值.采用IBM研究中心的测试视频序列对本文的方法进行了测试,实验结果表明,本文的方法对复杂的场景有较好的适应性,能够得到比较准确的检测结果.     

基于多模型结合优化的非结构化道路检测算法

非结构化道路检测一直是道路检测算法中的难点．提出一种基于彩色混合高斯模型与抛物线模型相结合的优化的非结构化道路检测算法．首先采用中值滤波和二次采样法将待处理彩色图像由高分辨率变为低分辨率图像, 并对图像进行光照补偿;然后建立基于优化聚类中心的K means算法的混合高斯模型,通过最小二乘法求解左右道路抛物线模型参数;最后完成对道路边界线的拟合,实现其提取．实验结果表明,该算法对光照不均、阴影等影响的图像处理具有较强的抗干扰性,提高了运算速度,具有一定的鲁棒性和实时性．     

基于阴影消除和混合高斯模型的视频分割算法

针对固定场景监控中复杂背景、光照变化、阴影等影响视频分割的问题,提出了一种有效的混合高斯模型的自适应背景更新算法,各像素点根据其像素值出现的混乱程度采取不同个数的高斯分布描述,通过对背景模型的学习与更新、高斯分布生成准则等方面的改进和优化,采用基于形态学重构的阴影消除方法使得前景目标分割的性能得到了有效地提高.文中同时给出了光照突变检测及其背景更新方法.通过对各种实际场景的实验仿真表明,该算法能够快速准确地建立背景模型,准确分割前景目标,与其它算法比较具有更强的鲁棒性.     

复杂场景中基于对象的运动目标检测方法

基于像素层面的混合高斯背景建模方法不能很好的解决动态背景中的运动目标检测问题.由于背景像素运动的复杂性,该方法很难将动态背景建入模型,会造成大量的误检.本文在混合高斯背景建模的基础上,通过空域和时域对动态背景产生的误检进行抑制.在空域运用MRF模型和混合高斯模型分别计算像素点的先验概率和类条件概率,通过结合像素点的先验概率和类条件概率完成前景图像的分割,在很大程度上去除了小面积的误检;在时域通过目标的运动持续性,运动显著性和面积变化稳定性三个目标特征过滤大面积的误检.通过实验表明,在保证较高检测精度的情况下,该方法能够在很大程度上抑制动态背景产生的误检.     

混合色彩空间多信息融合的运动目标检测算法

针对传统帧间差分算法存在漏检、空洞和虚假目标等问题,提出一种改进的帧间差分算法。对几种常见色彩空间的运动目标检测效果进行实验对比分析,选取检测效果优良的色彩通道分量构建运动目标检测的混合色彩空间CbVb*。为充分利用帧间信息的相关性,根据CbVb*空间的场景像素变化特性,提出七帧帧间差分算法以获取运动目标的时域帧间差分;采用自适应阈值的Canny算子得到梯度域的运动目标边缘,将时域帧间差分与梯度域目标边缘进行融合,并对融合信息进行腐蚀和膨胀处理得到最终的检测结果。实验结果表明,改进的算法可以更准确地检测出运动目标,并具有较好的鲁棒性、适应性和实时性。     

基于阴影消除和混合高斯模型的视频分割算法

针对固定场景监控中复杂背景、光照变化、阴影等影响视频分割的问题,提出了一种有效的混合高斯模型的自适应背景更新算法,各像素点根据其像素值出现的混乱程度采取不同个数的高斯分布描述,通过对背景模型的学习与更新、高斯分布生成准则等方面的改进和优化,采用基于形态学重构的阴影消除方法使得前景目标分割的性能得到了有效地提高。文中同时给出了光照突变检测及其背景更新方法。通过对各种实际场景的实验仿真表明,该算法能够快速准确地建立背景模型,准确分割前景目标,与其它算法比较具有更强的鲁棒性。     

欧拉弹力模型的视频运动目标自适应图切检测

传统的视频运动目标图切检测算法基于低阶马尔科夫随机场,能量函数的低阶近似无法准确描述图像像素的空间相关性,导致图切检测结果过度平滑。本文提出一种基于高阶欧拉弹力模型的图切检测算法,利用欧拉弹性模型优化目标边界曲线和修正能量函数的低阶近似。算法通过利用前一帧图像的检测结果,对当前帧图像运动目标像素点数和前景背景邻接像素对数进行卡尔曼预测,并不断自适应调整当前帧的图像模型参数,实现了视频运动目标的连续全局优化检测。实验结果验证了欧拉弹力模型在视频运动目标检测中的有效性,其检测结果能够更好地满足人的视觉效果。     

基于HMM的背景建模初始化算法研究

使用混合高斯隐马尔可夫模型对序列图像中像素强度进行建模,从而获得序列图像的背景像素值。实验表明,采用这种方法初始化视频序列的背景模型,具有较好的抗噪声性、鲁棒性和环境适应性。     

基于类高斯模型的显微图像固点噪声定位算法

针对显微图像固点噪声的特点和技术要求,本文提出类高斯模型和相应的固点噪声检测方法.首先,利用显微图像序列的时间相关性,计算类高斯模型中图像序列相同位置像素彩色分量的均值和方差;然后,根据彩色分量均值图像用最大类间方差法计算彩色分量的自适应阈值,用均分法计算彩色分量方差的自适应阈值;再者,根据阈值对图像序列中的每个像素进...     

分块思想和码本模型的运动检测算法

为了消除静止摄像机下复杂背景环境对运动目标检测造成的影响,同时又为解决目前的运动目标检测算法在检测速度、准确度方面存在的不足,提出一种改进码本模型的运动目标实时检测算法.首先利用分块的思想将一幅图像分成若干宏块(MacroBlock),然后对每个宏块进行背景建模聚类成码本.在目标检测时,同样对当前帧进行分块,对于每个宏块求得像素均值和亮度均值并与其对应位置的码本进行比较判断,从而提取出前景目标.实验证实,对存在动态因素的背景视频,该算法不仅能有效抑制伪目标的出现,而且能准确快速地检测出运动目标.     

一种新的多特性联合阴影检测方法

针对运动阴影检测时单一阴影特征难以完全将前景和阴影正确分离,提出一种多特征联合运动阴影检测方法.考虑运动阴影的光照、色度、纹理和区域统计特性,提出采用小邻域光照的对数比值不变性来判定阴影,接着联合阴影HSV颜色空间特性和梯度方向小块合并的阴影区域统计特性来实现多特征联合运动阴影检测.为了客观评价方法性能,采用一种改进的量化方法,对不同光照和环境条件下的视频序列进行测试.实验结果表明,该方法效果好,前景检测率和阴影检测率高,可应用于智能视频监控的目标检测.     

一种基于能量最小化的运动阴影检测方法

针对传统方法经常将运动阴影也检测为前景的问题,本文将检测问题表示为能量函数,通过最小化能量函数来检测运动阴影.这种方法先用传统的背景对消方法分别得到静态背景和含有真实前景和运动阴影的运动目标,然后在运动目标中,利用阴影的颜色不变性和纹理不变性,以及阴影和前景的时空一致性,构造出能量函数,最后通过最小化能量函数,将真实前景从运动目标中准确地分割出来,从而达到消除运动阴影的目的.我们在包含运动阴影的视频中,对本文方法进行测试,并和其它方法比较.实验结果表明,本文的方法无论在室内场景,还是在室外场景都可以很好地分割前景和阴影.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

运动物体的阴影检测与分割

阴影检测与分割在基于视频的运动物体检测与提取中具有重要作用.为了准确检测与分割阴影,提出了基于体色向量匹配的阴影检测与分割算法.提取前景区域以后,运用亮度测试法去除亮度值高于对应背景区域的前景区域,然后预判断阴影区域,最后利用体色向量匹配提取阴影区域.另外,提出了亮度步长的方法来检测阴影中的半影.实验结果表明,算法在多数情况下对运动物体阴影检测与分割具有较好的鲁棒性,提高了检测与分割的速度.     

一种基于色相角算法的图像质量评价模型

目前计算图像色差的典型方法不能准确反应真实的观察效果。介绍了基于色相角算法的图像评价方法,从色相角度出发,对图像中的各个像素进行不同程度的加权,从而控制每个像素对整幅图像的影响效果。通过实验与传统色差计算方法进行了对比,验证了该方法的有效性和普遍性。     

改进的引力模型耦合明文像素相关交叉机制的图像加密算法

目的解决当前图像加密技术严重依赖混沌系统,使其通用性较差,难以直接加密非方形图像,且因混沌系统的周期性,算法的安全性不足的问题。方法提出了改进的引力模型耦合明文像素相关交叉算子的图像加密算法。首先,利用多个一维混沌映射,定义联合混沌变换模型,输出密钥流;随后,基于明文像素位置,设计像素相关交叉机制,联合密钥流,对明文进行高效置乱;构造质量动态变化函数,用其替代传统引力模型中的恒定粒子质量,增强算法的敏感性,并用改进的引力模型对置乱图像完成扩散,彻底改变像素值;最后,构建密文增强模型,对输出密文进行二次扩散,扩大密文的NPCR(Number of pixel change rate)与UACI(Unified average changed intensity)值。结果实验结果表明:与当前图像加密机制相比,所提加密算法不但可以扩散方形图像,而且能够对非方形目标直接加密,具有更高的通用性与安全性,以及更强的抗差分攻击能力。结论所提出的算法能够加密非方形尺寸的图像,具有较强的通用性与安全性。     

基于归一化RGB色彩模型的阴影处理方法

通过分析影像上阴影区域的属性，提出了一种基于阴影属性的高分辨率遥感影像阴影检测和去除算法。利用阴影区域蓝色分量偏高的特性，对归一化B分量和原始B分量进行阈值检测，并结合小区域去除和数学形态学处理，得到较精确的阴影区域；然后，分别在RGB空间和HSI空间对各个独立的阴影区域与其邻近的非阴影区域进行匹配，完成阴影去除操作；最后沿着阴影边界做一次中值滤波以减轻边缘效应。仿真结果验证了算法的有效性，并且显示在HSI空间获得了更好的补偿效果。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

精品西红柿尺寸分级检测算法

目的 针对传统果蔬分级设备及工艺较复杂不适合小规模果农的问题,设计基于机器视觉的西红柿尺寸和果形分级检测算法.方法 该算法中,首先用改进的基于彩度差的灰度计算和大津法解决阴影对轮廓的影响.然后,基于控制点变换进行畸变矫正得到西红柿图像的俯视图,并采用面积阈值和傅里叶变换去除轮廓噪声.最后,通过对比参照物的像素尺寸计算西红柿的物理尺寸,并进行自动分级及标定.结果 实验表明,对具有阴影干扰的西红柿尺寸测量准确度达到95％以上,并且测量偏差为负偏差.结论 该算法用软件替代传统分级所需硬件,解决了阴影、畸变、噪声等关键问题,用手机拍摄就能满足西红柿分级,有助于提高小规模果农水果分级分装的自动化和智能化水平.