一种基于形状约束势能的主动轮廓跟踪算法

将基于轮廓曲率的帧间几何形状约束势能,与目标区域信息和边缘梯度信息相结合,定义新的主动轮廓跟踪模型.该模型可以克服弱边缘及强背景等噪声对轮廓的吸引和干扰,同时保持目标的基本形状,实现和改善对具有尖角、深凹等不规则形状目标的边缘跟踪.采用基于块匹配的边界仿射变换方法对主动轮廓的初始位置进行估计,使其更接近目标的真实边缘.实验结果表明,该算法具有较好的边缘跟踪和抗复杂背景的能力.     

张量分析在视差图生成中的应用

针对当前视差图生成算法中常用的匹配代价对光晕等复杂光学畸变比较敏感的问题,在对相机成像模型进行分析的基础上提出了一种基于张量分析的匹配代价。和目前常用的匹配代价相比,该匹配代价不但对光晕效应具有更强的鲁棒性而且能够更加准确的反映图像的局部结构信息,有效的降低了匹配的歧义性。在本文中,张量在积分图像上构造,张量间的距离在黎曼流形上测量;此外,提出了一种简单有效的视差图后续处理方法进一步修正了初始视差图中的不可信视差。在标准测试集和人工图像上的实验结果验证了该方法的有效性。     

基于几何模型的单幅人脸图像光照补偿方法

为减少光照对人脸识别的影响,本文提出了一种以补偿角度和（Sum of Compensated Angle）为不变量的光照补偿新方法. 首先,补偿角度和是临界补偿状态下两幅图像的光照角度之和. 对某单光源系统,该不变量仅由光照系统决定且为定值. 其次,根据人类头骨在法兰克福截面的形状特性,我们提出了包含人头骨结构的几何人脸光照模型. 据此模型,补偿角度由不变量和待补偿图像的光照角度计算得出,从而将光照补偿转化为简单加法操作. 最后,在Yale B人脸数据库上的补偿结果表明了算法的有效性. 较Sang-Ⅱ Choi的方法显著地提高了大角度下的补偿效果,且在水平和竖直方向上更加鲁棒.     

全局平移优先主动轮廓

具有全局平移优先属性的主动轮廓更适于目标跟踪。演化轮廓具有的全局平移优先性可以理解为沿轮廓的速度场具有相等的倾向。根据此思想,通过定义在曲线扰动集合上的新内积空间导出了一种简单,具有平移优先的梯度流。新的内积空间由于是通过向H0主动轮廓对应的內积空间引入曲线扰动的方差获得,所以此主动轮廓称为方差主动轮廓。方差主动轮廓是将H0主动轮廓与其对应的平均梯度流通过加权求和获得,而H1主动轮廓则是通过H0主动轮廓与特定类型的核函数进行卷积得到。因此方差主动轮廓实现时更简单和快速。最后给出了H0,H1和方差主动轮廓在频域与时域的分析。     

基于形状保持主动轮廓模型长直条的检测

通过形状约束方程(组)与一般主动轮廓模型结合,将目标形状与主动轮廓模型融合到统一能量泛函模型中,提出一种形状保持主动轮廓模型.模型通过参数化水平集函数的零水平集表示某一类特定形状,不仅达到了分割即目标的目的,而且能够给出特定目标的定量描述.根据形状保持主动轮廓模型,建立一个用于长直条状目标检测的统一能量泛函模型,导出相应的Euler-Lagrange常微分方程并用水平集方法实现了长直条状区域的检测.此形状保持模型的一种特殊情况可以用于直线状地平(海天)线提取.实验结果表明,该模型不仅能够准确地检测出给定图像中的长直条状区域而且有很强的抗噪、抗变形及遮挡性能.     

基于FD特征的Snake模型及自动目标轮廓提取

用Snake模型分割自然背景下的人造目标时，Snake曲线往往被复杂背景所吸引，无法收敛到人造目标的边缘。针对该问题，文章从目标特征的角度，将分形维数特征引入Snake模型。利用自然背景和人造目标在分形维数特征上的显著区别，定义了基于目标分形维数特征的梯度加权函数，来自适应调整图像梯度幅值的大小，抑制自然背景的干扰。同时，该模型允许初始轮廓远离目标的真实边缘，降低了Snake模型对初始位置的依赖性。实验表明，该Snake模型能够克服复杂自然背景的干扰，提取出人造目标的边缘。     

天际线识别在森林烟火识别中的应用

在森林烟火检测中,为减少烟火虚警率,需在监控图像中自动分割出森林区域.在森林区域分割过程中,首先将天空与森林区域分割开,以消除天空飞行物及云彩等的变化对烟火目标的干扰.针对这一问题,提出了一种新的基于Mumford-Shah泛函模型和曲线演化原理的天际线识别算法并将其应用到森林烟大识别系统中.这种算法不仅能有效地检测出具有较小梯度图像的天际线目标,而且还可直接给出天际线的曲线表示.实验数据显示算法具有良好的有效性和自适应性.     

多尺度线状目标的机场跑道识别

特定目标的检测与识别是自动目标识别的关键技术之一。作为典型地面目标,机场跑道的识别．一直是自动目标识别领域人们感兴趣的研究课题。针对机场的跑道成像是线状结构和高灰度值的特征。提出了一种基于多尺度线状目标强化的机场跑道识别算法。实验结果表明,在复杂背景下,此方法在将机场跑道目标强化出来的同时,能够很好地抑制其他非线状特征目标,起到真正的强化作用。因此,在复杂背景下,此方法较基于边缘的机场跑道识别算法具有更好的识别性能。     

旋翼无人机视觉跟踪系统

设计实现了一种基于PC104计算平台的旋翼无人机自动目标跟踪系统.该系统由机载视觉子系统、地面站子系统、无线通信子系统3个部分组成.构建了完整的空地、人机交互环路.采用基于背景权重的Mean Shift目标跟踪算法,能够有效减小复杂环境背景对目标跟踪的影响.可靠性高且算法复杂度低.在室内外环境下进行的实验测试结果表明:系统在目标跟踪过程中即使遇到相似目标干扰或大面积遮挡,仍能够准确地自动跟踪目标,利用目标在图像中的位置主动引导数字云台与其保持相同运动方向,使目标尽可能处于相机中心视场范围内,验证了系统的可靠性和实时性.     

基于互相关-Transformer双层特征融合的目标跟踪算法

当前算法主要使用互相关操作和Transformer中的一种方法来设计特征融合网络,这种策略忽视了二者之间的优势互补,容易丢失语义信息,陷入局部最优。针对上述问题,设计了一种基于互相关-Transformer双层特征融合的目标跟踪算法,使用改进的互相关操作和Transformer方法分别对模板和搜索区域特征进行融合,实现两种融合方式的优势互补,使模板和搜索区域特征充分交互,实现特征的有效增强和充分融合,并在互相关操作中引入相似矩阵来增强模板和搜索区域中与当前帧中的目标有关联的特征,使互相关操作的匹配过程更加准确。该目标跟踪算法包括一个基于Swin-Transformer的主干网络,一个互相关和Transformer双层融合模块,一个预测分支。提出的算法在TrackingNet、LaSOT、NFS、UAV123和OTB2015五个数据集上取得了鲁棒的效果,分别达到81.8%、65.7%、66.2%、69.4%和69.8%的成功率,平均跟踪速度达到40帧/秒。