基于改进高斯混合模型的运动物体的图像检测

传统的高斯混合模型在RGB色彩空间只对孤立像素建模,检测结果不够准确,存在拖影现象,检测到的运动物体内部容易出现空洞.针对这些问题,本文提出了一种改进的高斯混合模型.该方法从更符合人眼视觉特性的HSV色彩空间对中心像素和周边像素构成的向量进行建模,改善了原算法的性能;利用彩色分割算法提取连通区域,充分地利用了运动物体的彩色信息,并基于Phong物体光照模型进行了阴影抑制,提高了传统高斯混合模型检测的准确性.实验结果表明,与传统高斯混合模型相比,本算法能更精确地检测出运动物体,对光照变化和阴影具有鲁棒性.     

基于颜色和纹理的运动车辆阴影检测算法

根据运动车辆的阴影特性,对基于RGB颜色空间和基于纹理特征的阴影检测算法分别进行改进,提出一种综合颜色和纹理的运动车辆阴影检测算法.在该算法中,利用阴影覆盖区域像素点亮度值比背景亮度值低、颜色和纹理保持不变的特性,通过计算各像素点颜色畸变、亮度畸变和一阶梯度值,并与背景各像素点进行比较,进而区分阴影点和非阴影点.采用形态学方法对去除阴影后的前景进行目标重建,进一步提高阴影检测的效果.在视频图像的车道近端设置ROI区域,提高车辆检测的效率.实验结果表明,提出的方法能较好地对运动车辆的阴影进行检测.     

基于纹理的运动阴影检测方法

针对在视频对象分割时,运动阴影常被误分为视频对象,给出一种新的运动阴影检测方法.首先,进行基于自适应高斯混合模型的背景提取,获得包含运动阴影的前景分割,然后根据灰度图像中阴影区域和已获取背景相应位置的纹理相似性,进行阴影检测.纹理采用局部二元图(Local Binary Patterns,LBP)统一模式的直方图表征.实验表明,方法检测效果好,速度快,可应用于运动目标检测分割及跟踪等领域.     

复杂交通场景中的车辆检测与跟踪新方法

提出了复杂交通场景中的车辆检测新方法,采用背景差法进行运动对象分割,并结合运动边缘检测以提高检测的准确性,对提取出的感兴趣区域按一定规则进行区域融合以检测车辆。提出基于区域特征匹配的车辆跟踪新方法,通过计算车辆链表中区域的特征向量与当前帧运动区域特征向量的距离确定匹配车辆,实现车辆跟踪。同时利用“确定车辆”、“临时车辆”规则解决车辆遮挡和阴影问题。实验结果表明该方法简单有效,能有效解决车辆遮挡和阴影问题,实时提取交通信息。     

一种结合Grabcut的Vibe目标检测算法

针对传统背景建模方法不能非常有效地提取出完整运动目标这一问题,提出了一种新颖的结合Grabcut和Vibe算法的运动目标检测方法.首先利用改进的Vibe目标检测算法初步寻找出当前帧中的所有可能目标前景区域;然后对这些前景区域进行进一步的选择从而滤去无效前景,合并有效区域;最后对每个前景区域再利用Grabcut算法来分割出更加完整的目标前景.实验结果表明,与传统的背景建模方法相比,本算法在有效时间内可以更加完整地分割出运动目标前景,对与背景颜色类似的目标前景也有很好的检测效果.     

基于被动图像的探测器着陆过程中岩石检测

基于图像的月球表面障碍自主检测技术是实现探测器在月球表面安全着陆的关键.本文主要研究了基于被动图像的月球表面障碍物之一的岩石的检测技术.首先将最大二维熵阈值分割用于岩石阴影的检测;其次将岩石轮廓线提取技术与阴影检测结果结合以获取精确的拟合椭圆中心点;最后,利用椭圆拟合岩石所在的区域范围.实验表明:相较于传统的仅基于阴影的算法,本文提出的岩石障碍检测算法能更好地拟合出岩石所在区域范围.     

一种提高人耳特征点识别度的目标区域提取方法

对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

基于学习矢量量化的运动目标检测算法

提出一种基于学习矢量量化的运动目标检测算法.通过训练样本,网络能自适应地确定区分运动目标和背景的阈值向量.输入向量包含图像的 YCbCr 颜色空间分量和灰度共生矩阵的方向特征.两者融合到算法中,有效抑制了背景亮度变化对运动目标检测的干扰.仿真实验结果表明,即使在背景模型亮度剧烈变化的情况下,算法也能够准确检测出运动目标.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

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.     

基于支持向量机分类策略的多晶硅电池片色差检测

针对复杂颜色和纹理特征条件下,多晶硅电池片上的色差检测问题,提出了一种基于支持向量机分类策略的多晶硅电池片色差检测方法。首先对预处理后电池片图像进行颜色模型转换和通道分离,利用Otsu方法对单通道图像进行阈值分割处理,并计算各阈值图像的区域对比度,然后根据区域对比度情况选择合适的阈值图像,利用阈值图像所提供的信息提取图像特征;最后使用支持向量机分类器来判别电池片是否存在色差缺陷。实验结果表明提出的色差检测算法可以实现多晶硅电池片色差高效检测,色差缺陷检测的准确度、误检率和检测时间分别达到96.88%, 5％和109ms。     

基于比例特征的区域分割算法在药板缺陷检测中的研究

目的 为解决铝塑泡罩药板图像ROI区域定位慢、精度差等问题，本文提出一种基于比例特征的泡罩区域分割算法，该算法可以快速定位并分割泡罩ROI区域，结合图像相关性特征算法对铝塑泡罩药板进行缺陷检测。方法 首先通过工业相机采集药品包装生产线上的药板原始图像，接着使用Blob分析从原始图片中分离出铝塑泡罩主体部分，然后通过仿射变换将图像放置在中心区域，并使用比例特征分割算法对泡罩区域进行分割，最后通过金字塔加速的NCC算法完成缺陷检测。结果 实验结果表明，基于比例特征分割后的图像平均NCC匹配时间为9 ms，在缺陷样本占比20%的实验中误检率为0.167%，漏检率为0.556%。结论 通过比例特征分割出精准的泡罩ROI区域结合改进的NCC算法，在拥有较高准确率的同时大幅减少了缺陷检测时图像匹配的时间，能较好地完成铝塑泡罩药板的缺陷检测任务。     

多特征双重匹配验证的驾驶员脸部融合检测

针对基于单一特征驾驶员脸部检测算法在检测精度和可靠性方面的局限性,提出了一种新颖的驾驶员脸部检测融合算法.首先采用改进的基于Haar-like特征的人脸检测算法在整幅图像上检测出可能存在的初始人脸区域,然后自适应地扩大初始人脸区域范围,并在此基础上利用基于肤色特征的方法在YCbCr空间上进行脸部的二次检测,最后根据定义的脸部区域重合度和人脸几何先验知识对驾驶员脸部区域进行双重匹配验证进而制定相应的定位规则对脸部进行融合检测.各种复杂路况下的实验结果证明了该算法的有效性.     

基于空间特征的汽车阴影分割方法

利用阴影区域内的点与背景对应点颜色的比值大小，以及该点和汽车的空间位置关系以及汽车的形状有关的特征，提出一种新的基于空间特征的汽车阴影分割方法，该方法不仅适用于汽车与阴影颜色差别明显时的汽车阴影分割，在当两者颜色相近时，也能获得较好的分割效果。实验结果显示了该方法的有效性。     

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。     

基于骨架模板匹配的彩色印刷品文字缺陷检测

针对彩色印刷品文字缺陷检测难等问题，提出了基于骨架模板匹配的文字缺陷检测方法。选取标准样本图像中有代表性的颜色，经过粗分割和精分割，提取主颜色；在每个主颜色的色板上分析连通分量区域几何位置关系，定位文字区；逐步细化文字区色板并赋予不同权值，得到骨架模板；把待检样品图像与骨架模板匹配得到缺陷信息并标记在待检样品图像上，完成缺陷检测。实验结果表明，该方法能有效消除印刷过程中多种干扰带来的抖动和配准精度对文字缺陷检测的影响，精确实现文字缺陷检测。     

运动背景中结合特征位移矢量场模糊分割与 OTSU法的运动检测

运动背景中的运动检测难度较大,背景运动补偿后差分以及分割光流场可实现动目标和背景的分离,差分前需进行鲁棒的背景估计,且差分后易出现空洞,而光流估计在噪声以及目标运动速度较大时并不准确,尤其在光照变化时,两种方法均易失效。本文提出一种特征点位移矢量场模糊分割与图像自适应阈值化相结合的运动检测方法,实现在无任何关于运动目标或者运动背景先验信息条件下的动目标检测。通过改进的 SIFT匹配方法生成鲁棒的特征位移矢量场,采用模糊 C均值聚类算法对 SIFT位移矢量场进行无监督分类,实现动目标与背景特征的自适应分离。 OTSU法和形态学操作实现图像的自适应分割,用以修正特征点凸包,最终分割出动目标区域。与鲁棒的背景运动补偿后差分以及光流估计的对比实验表明,在目标运动速度较大、光照变化以及噪声情况下,本文方法均能够检测出运动目标,且在光照变化下的优势明显。     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.