基于Wasserstein距离的局部能量分割模型

 提出了一种基于Wasserstein距离和图像局部区域直方图信息的非参数活动轮廓分割模型.用该距离对图像中不同区域的直方图进行比较,提高了相似性衡量的准确性;引入高斯内核函数来获取图像局部区域直方图信息,并将信息嵌入模型指导轮廓演化,以克服由于亮度不均造成的图像分割困难;通过水平集规范项提高计算精度并避免水平集演化的重新初始化.实验结果表明,本模型能够对亮度不均的无序特征图像进行有效准确的分割.     

结合前景轮廓提取的改进ViBe运动目标检测算法

运动目标检测是对视频或图像序列进行一系列地分析运算,计算出运动目标在图像中的位置,并将运动目标从复杂背景中提取出来,得到只包含运动目标的图像. ViBe是目前常用的运动目标检测算法,但使用ViBe算法对视频或图像序列中的运动目标进行识别与检测时,存在“鬼影”现象并易受环境噪声的影响,为此,设计了前景轮廓提取算法对ViBe算法改进.构建背景模型时,前景轮廓提取算法使用众数背景建模法建立初始背景及背景序列;前景检测时,使用背景差分法和Sobel算子计算出运动目标区域,使用自适应的多级阈值去噪;最后,将前景轮廓提取算法与ViBe算法求交集,并使用数学形态学处理获取完整的运动目标.同时,设计了CPU-GPU的并行方案,使用CPU并行的计算图像背景,使用GPU加速前景检测.将算法在CDNet2014数据集上进行测试,实验结果表明,算法的检测精确率、召回率、F1分数较ViBe分别提高了32.14%、9.64%、20.76%,漏检率及错检率较低,精度较高;效率方面,算法的平均检测帧率较ViBe算法提升了64.70%,具有较好的实时性.     

基于广义高斯分布的视频运动目标快速检测算法

提出一种基于熵能和广义高斯分布的运动目标检测算法.通过自适应的局部阈值选取算法获得与图像中不同区域噪声相匹配的分割阈值.使用均值法构造背景图像并使用减背景法得到差分图,根据熵能原理利用背景图像序列的差分图获取分割阈值的训练样本,采用广义高斯分布模型描述得到的样本,通过分析广义高斯分布的尺度参数对检测结果的影响来获取合适的尺度参数,并通过计算样本落于分割阈值内的概率得到合适的分割阈值.实验结果表明,该算法在运动目标检测效果和运行时间方面都有好的性能.     

录播系统中图像分割与轮廓提取算法的研究

在基于图像识别技术的录播系统中,通常使用背景差分法检测运动目标,在当前帧与背景帧做差之后,需要进一步选取合适的阈值进行图像分割,从而最终提取出运动目标的轮廓.研究了基于最大类间方差准则的图像阈值分割,在此基础上进一步研究了掏空内部点的轮廓提取算法,并且使用轮廓缺陷修补技术改进轮廓提取算法,从而得到封闭的轮廓,最后使用Freeman链码表示提取的轮廓.实验证明,该算法为录播系统的实现提供了良好的技术保障.     

一种基于彩色图像的运动人体分割方法

图像分割是计算机早期视觉不可缺少的一步。彩色图像由于具有比灰度图像更多的视觉信忠．受到了越来越多的重视。该文运用改进的背景差分方法，结合直方图双阈值分割和数学形态学的算法。在彩色图像序列中获得运动人体。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的，能够实时从彩色图像序列中分割出运动人体。     

频繁抖动相机下的运动目标快速检测算法

为了区分相机抖动导致的图像运动与真实目标导致的图像运动,提出一种新的算法,其分析了两类运动分布,而不是亮度/彩色分布.一类运动分布是长时间范围建立起来的,其仅包含背景运动.另一类运动分布是短时间范围建立起来的,既包含背景运动也包含目标运动.最终通过对这两类运动分布的差分进行阈值分割实现运动目标检测.该算法运行速度快,且内存开销低,实验表明其在有着频繁相机抖动的室内及室外场景中表现出优异的性能.     

基于显著性区域的图像分割

在经典的Chan-Vese模型中结合显著性分析,提出了一种有效的目标分割方法.即首先利用频谱残差方法提取图像的显著性区域,针对阈值分割方法的缺点使用改进的自适应阈值分割方法获取目标的大致轮廓,并以此轮廓作为Chan-Vese模型中初始曲线.该方法使得活动轮廓可以从靠近目标物体的位置进行演化,去除复杂背景的干扰.这样就解决了背景复杂时无法得到较为准确的边缘的问题;同时,也减少了CV模型的迭代次数.实验结果表明无论是背景复杂的灰度图像还是医学彩色图像,该算法的分割精度和运行效率都优于CV模型.     

基于视觉神经元双拮抗机制的汽车外轮廓提取

为降低噪音影响、改善汽车车身反光造成虚假轮廓的现象,提出了一种视觉神经元双拮抗机制和自适应双阈值相结合的轮廓提取算法.双拮抗机制算法依据视觉神经元双拮抗原理处理图像得到亮度特征的轮廓,用扩展的大津法(Otsu)根据轮廓亮度分布自动选取高低阈值,对初步提取的轮廓进行双阈值处理,得到最终的汽车轮廓.利用客观性能指标对实验结果进行评价,结果表明提出的算法提升了汽车轮廓的完整性.与经典的轮廓提取算法相比,其计算复杂度低,对图像背景的适应性较强.     

边缘检测与帧差法相融合的视频分割算法

常用的视频分割算法包括光流法、背景减除法和帧差法,但是3种算法容易受到计算量、环境噪声以及亮度突变等因素的影响,造成分割效果不理想。为了改善视频分割的质量,能够较好效果的提取到运动物体,提出一种将边缘检测与帧差法相融合的算法。该算法同时在两个方向进行。一是对相邻两帧图像进行边缘检测,将图像的边缘进行差分以得到运动物体的轮廓,为了连接轮廓中可能会出现的细小断点,对差分结果进行闭运算。二是根据设定的阈值,将相邻两帧图像的对应像素值转换为二值化数据,对二值化结果进行差分。最后综合闭运算与二值化差分结果,当数据发生突变时,即认为是运动物体部分。实验表明,该融合算法可以实时的检测到视频中的运动物体,效果较好。     

基于视频检测的卡口系统

通过背景差、投影分割、块跟踪以及基于环境亮度的二值化阈值调整,该文描述的卡口系统可捕捉到经过特定区域的车辆图像.卡口系统采用的运动物体检测算法相对简单、可靠并且运算效率高.该系统可用于治安监控、小区管理等多种地方,具有广阔的应用前景.     

Region-level motion-based background modeling and subtraction using MRFs.

This paper presents a new approach to automatic segmentation of foreground objects from an image sequence by integrating techniques of background subtraction and motion-based foreground segmentation. First, a region-based motion segmentation algorithm is proposed to obtain a set of motion-coherence regions and the correspondence among regions at different time instants. Next, we formulate the classification problem as a graph labeling over a region adjacency graph based on Markov random fields (MRFs) statistical framework. A background model representing the background scene is built and then is used to model a likelihood energy. Besides the background model, a temporal coherence is also maintained by modeling it as the prior energy. On the other hand, color distributions of two neighboring regions are taken into consideration to impose spatial coherence. Then, the a priori energy of MRFs takes both spatial and temporal coherence into account to maintain the continuity of our segmentation. Finally, a labeling is obtained by maximizing the a posteriori energy of the MRFs. Under such formulation, we integrate two different kinds of techniques in an elegant way to make the foreground detection more accurate. Experimental results for several video sequences are provided to demonstrate the effectiveness of the proposed approach.     

Image segmentation and inpainting using hierarchical level set and texture mapping

Image inpainting is an artistic procedure to recover a damaged painting or picture. We propose a novel approach for image inpainting by using the Mumford-Shah (MS) model and the level set method to estimate image structure of the damaged regions. This approach has been successfully used in image segmentation problem. Compared to some other inpainting methods, the MS model approach detects and preserves edges in the inpainting areas. We propose a fast and efficient algorithm that achieves both inpainting and segmentation. In previous works on the MS model, only one or two level set functions are used to segment an image. While this approach works well on simple cases, detailed edges cannot be detected in complicated image structures. Although multi-level set functions can be used to segment an image into many regions, the traditional approach causes extensive computations and the solutions depend on the location of initial curves. Our proposed approach utilizes faster hierarchical level set method and guarantees convergence independent of initial conditions. Because we detect both the main structure and the detailed edges, our approach preserves edges in the inpainting area. Also, exemplar-based approach for filling textured regions is employed. Experimental results demonstrate the advantage of our method.     

Motion-based region growing segmentation of image sequences

This paper proposes a motion-based region growing segmentation scheme for the object-based video coding, which segments an image into homogeneous regions characterized by a coherent motion. It adopts a block matching algorithm to estimate motion vectors and uses morphological tools such as open-close by reconstruction and the region-growing version of the watershed algorithm for spatial segmentation to improve the temporal segmentation. In order to determine the reliable motion vectors, this paper also proposes a change detection algorithm and a multi-candidate pro- screening motion estimation method. Preliminary simulation results demonstrate that the proposed scheme is feasible. The main advantage of the scheme is its low computational load.     

基于Chan-Vese模型的树形结构多相水平集图像分割算法

由于Chan-Vese(C-V)模型通过单个水平集的符号将待分割图像划分为目标和背景两个部分,所以当图像的多个目标的轮廓成多连接时,C-V模型将无法表示.为了解决C-V模型在表示目标轮廓上的局限,提出了基于C-V模型的树形结构多相水平集算法.关键策略是通过改变图像背景,使得水平集在新图像上重新收敛;核心技术是依据同时明度对比提出的背景填充技术;算法流程采用多水平集串行收敛方式实现多相分割(n-1次收敛可以实现n相分割,n＞1).实验结果表明,本算法可以表示复杂的区域连接情况(n相分割最多可以表示n连接情况),能够实现多目标分割(n相分割可以实现n-1个目标分割),特别适合于目标中含有子目标的图像.     

基于“图像”分割的小波脊线提取算法

针对传统脊线提取算法不能同时兼顾速度和精度的问题,本文提出了一种新的基于“图像”分割的小波脊线提取算法。对渐近性信号进行连续小波变换以后,模值较大的小波系数往往集中在时间-尺度平面上几个分散的区域,将小波系数模值矩阵看作一个“图像”,对其分割,再对分割得到的每个区域确定其极值位置可得到小波脊线。仿真实验表明：本文算法不仅较传统脊线算法在精度和效率都有所提高,在信号去噪和信号分离中也表现良好。     

基于纹元森林和显著性先验的弱监督图像语义分割方法

弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型,使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息,同时此类参数方法受到复杂度限制,无法使用大规模的弱监督训练数据。针对以上问题,该文提出一种基于纹元森林和显著性先验的弱监督图像语义分割方法。算法使用弱监督数据和图像显著性训练随机森林分类器用于语义纹元森林特征(Semantic Texton Forest, STF)的提取。测试时,先将图像进行过分割,然后提取超像素语义纹元特征,利用朴素贝叶斯法进行超像素标记的概率估计,最后在条件随机场(CRF)框架下结合图像显著性信息定义了新的能量函数表达式,将图像的标注(labeling)问题转换为能量最小化问题求解。在MSRC-21类数据库上进行了验证,完成了语义分割任务。结果表明,在并未对整个训练集建立图模型的情况下,仅利用单幅图像的显著性信息也可以得到较好的分割结果,同时非参模型有利于规模数据分析。     

基于NIOSⅡ的红外弱小目标检测算法实现

介绍了基于可编程片上系统SOPC技术的图像处理系统的软硬件设计,系统采用FPGA作为视频信号采集控制模块,利用FPGA内建NIOSⅡ软核微控制器作为图像处理单元。针对天空背景下红外弱小目标,提出了一种基于形态学和仿生学相结合的图像预处理算法,该算法在基于数学形态学滤波的基础上利用人眼固视微动辨别信息的原理对图像进行背景抑制和目标增强;采用自适应阈值分割法确定目标。硬件实验结果表明系统实时性好,图像处理效果良好,目标检测率高,验证了预处理算法的有效性和实时性。     

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场（BGMRF, bivariate gaussian markov random field）模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings (M-H)算法进行模型参数估计,并依据最大后验概率（MAP, maximum a posterior）准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。     

Multi-region segmentation of SAR image by a multiphase level set approach

In this letter,a multiphase level set approach unifying region and boundary-based information for multi-region segmentation of Synthetic Aperture Radar（SAR）image is presented.An energy functional that is applicable for SAR image segmentation is defined.It consists of two terms describing the local statistic characteristics and the gradient characteristics of SAR image respectively.A multiphase level set model that explicitly describes the different regions in one image is proposed.The purpose of such a multiphase model is not only to simplify the way of denoting multi-region by level set but also to guarantee the accuracy of segmentation.According to the presented multiphase model,the curve evolution equations with respect to edge curves are deduced.The multi-region segmentation is implemented by the numeric solution of the partial differential equations.The performance of the approach is verified by both simulation and real SAR images.The experiments show that the proposed algorithm reduces the speckle effect on segmentation and increases the boundary alignment accuracy,thus correctly divides the multi-region SAR image into different homogenous regions.     

高分辨率遥感影像感兴趣区域快速检测

传统高分辨率遥感影像感兴趣区域的检测方法通常要利用先验知识库对整幅影像进行全局分析与搜索,具有很高计算复杂度。从人眼视觉特性出发,提出一种新的高分辨率遥感影像感兴趣区域快速检测算法。基于视觉关注模型对高分辨率遥感影像进行空间降维,确定视觉关注焦点;根据关注焦点位置在原始遥感影像中描述出相应的感兴趣区域。实验结果表明,新方法不仅具有较低计算复杂度,而且有效避免了影像分割、特征检测等计算复杂度较高的全图搜索方法,提高了高分辨率遥感影像感兴趣区域的检测效率。