基于目标分割与SVM的人数统计

该文实现了垂直摄像头下的实时人数统计。为减少场景中伪目标区域对人头检测的影响,首先利用背景建模法提取前景目标,并根据发色信息筛选前景目标。然后采用线性SVM训练得到的头部分类器识别头部,并将头部中心点作为运动人体的特征点,利用最近邻匹配法进行数据关联,完成行人的跟踪计数。不同场景下的视频测试结果表明,该方法能较准确地实现人数统计。     

Kinect深度信息的研究及其在检测中的应用

传统RGB图像容易受到光照、姿态、遮挡等因素的影响,深度信息的研究为计算机视觉的发展提供了新思路。该文首先研究了Kinect深度图像成像原理,仿真分析了深度图像的性质及其分割优势,并在Ubuntul2．04系统下基于openCV设计了利用深度信息实现快速目标检测与分割的系统。     

一种改进的细胞图像分水岭分割方法

针对分水岭分割算法易产生过分割的问题,提出了一种改进的算法。通过灰度差变换对图像进行处理,然后用形态学方法消除细胞孔洞和杂质,最后再使用分水岭变换。实验结果表明:该算法比传统分水岭分割算法更准确,且具有一定的通用性。     

基于S、V分量的模糊C均值彩色图像分割算法

针对彩色图像的分割问题,提出一种快速有效的彩色图像分割算法。基于彩色图像的HSV颜色空间,应用快速模糊C均值聚类算法,对彩色图像的S、V颜色分量进行聚类,综合考虑图像中目标彩色个数与得到的聚类中心完成对彩色图像的分割。实验结果表明,与其他彩色图像分割算法相比,本文算法可以准确地分割目标区域颜色不同的彩色图像,背景信息保留较少,运算速度受图像尺寸影响较小,可以得到理想的彩色图像分割结果。     

一种仿人机器人步态优化的新方法研究

利用仿人机器人七连杆模型,建立了机器人姿态的位置向量.先用带参数的五次多项式拟合机器人髋关节的位置曲线,然后用非时间参考变量的方式规划出了踝关节和膝关节的运动轨迹.在机器人步行的稳定区域内,通过遗传算法求得了ZMP点偏离脚掌中心距离的最大值,从而确定了髋关节的参数,实现了仿人机器人步态优化.实验证明该方法有效.     

一种全局LBF主动轮廓模型

LBF模型的能量函数对于水平集函数是非凸的,从而导致应用LBF模型分割的最终结果对水平集函数的初始化非常敏感。通过凸化LBF模型的能量函数,提出一种全局的LBF模型(GLBF)。该模型针对水平集函数是凸的,从而可以通过任意初始化水平集函数得到全局最优解。此外,该模型不必重新初始化水平集函数为符号距离函数,从而极大地提高运算效率。对灰度不均匀医学图像的分割结果表明,GLBF模型对水平集函数的初始化不敏感,优于传统的LBF模型以及目前具有代表性的LIF模型。     

基于两级阈值的图像分割技术在文档图像中的应用

研究图像二值化分割问题。针对模糊或者蜕化文档图像背景与文字融合在一起导致难以区分的难点,提出一种快速有效的两级结构图像分割算法。首先利用迭代算法对图像进行单一阈值分割,在每次迭代过程中以图像均值为依据,对图像进行均衡化处理;在基于全局分割的基础上,在局部范围内根据噪声的统计特性对文档图像进行去噪处理。方法简单高效,实验结果显示该方法能快速地将文档中的文字与背景进行分离,为后续的文档自动化处理提供准确有效的二值化图像。利用该方法,可以方便地拓展到其他类型的二值化处理系统中,例如车牌分割等。     

基于相位一致性的眼底图像视网膜血管分割

眼底图像的视网膜血管分割是眼底图像处理的重要组成部分,视网膜血管对于医学研究和临床诊断有着重要的作用。传统图像分割算法都有一定的缺陷,而相位一致性算法由于不受对亮度和对比度的影响,且有着较好的分割效果,可以用于图像特征的提取和分割。为此提出了将相位一致性算法应用于眼底图像的血管提取中,采用真实的眼底图像数据库进行实践,证明了可较好地用于眼底图像视网膜血管分割。     

基于白平衡算法的图像色度学分割

受外界光照环境的影响,采集得到的图像存在色彩偏移的问题.为此,利用白平衡算法对其进行校正.按图像特性调整红、绿、蓝三色的强度,以修正外部光线所造成的误差.采用色度学的图像处理方法,使检测结果更稳健.对二值图像做边界跟踪处理,并使用直方图进行分割.实验结果表明,该方法的分割准确率较高.     

HNPG步态特征数据库管理系统设计与实现

为增强步态识别算法的评估和验证的可靠性,加速步态识别技术的实际应用进程,针对大量非结构化数据管理问题和当前小样本步态数据库的不足,采用面向对象的数据管理模型,基于平台化的总体思想,设计和实现了一个开放式的基础步态数据支撑平台.提出了包括数据规范、数据采集加工处理、数据管理模式、应用开发和设计等方面的系统解决方案.实践表明系统的数据采集规范、样本数量、步态数据清晰度、基础平台和开放性等指标都超过了同类型的数据库,系统具有较强的扩展性、安全性和可靠性,达到了预期目标.