Mumford-Shah模型及其应用

介绍了Mumford-Shah模型的基本理论,将众多的Mumford-Shah模型改进算法归纳为内嵌改进型和顺接改进型两种,并指出内嵌改进型主要改进了Mumford-Shah模型的计算方式,顺接改进型是以串行的方式融合了Mumford-Shah模型和其它方法.最后指出Mumford-Shah模型仍需要改进,以解决复杂或多目标图像的分割问题.     

基于分水岭算法的MELK图像分割*

提出一种基于分水岭算法的MELK图像分割方法,以解决信息量较小的MELK图像分割问题。综合应用多种技术以避免分水岭算法的过分割问题。首先应用高斯低通滤波器对MELK图像进行增强;采用加权差分算子求取梯度图像;应用Ostu方法进行对梯度阈值化,并进行分水岭变换;最后,应用RAG区域合并方法完成MELK图像分割。实验结果表明,该分割方法能够有效地分割信息量较小的MELK图像。     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。