基于感兴趣区域的运动分割算法

提出了一种基于感兴趣区域ROI(Region Of Interests)进行形态学处理的运动分割算法。首先对变化检测得到的二值图像进行分割(粗分割),然后对粗分割后的每个区域内部进行形态学处理,最后再次对经过处理后的二值图像进行分割(细分割)。该算法能够很好地处理噪声较大情况下的运动分割,避免了大面积噪声对于前景目标分割的影响。     

基于图像矩的驾驶员面部椭圆拟合定位

基于人脸类似椭圆的特性,提出一种基于图像矩的驾驶员面部椭圆拟合定位方法.该方法利用肤色信息对驾驶室采集的彩色图像在颜色空间进行快速分割的基础上,利用图像矩拟合驾驶员面部椭圆,从而准确的定位跟踪驾驶员的位置,有效的降低了驾驶室的复杂背景、驾驶员各种面部姿态、表情对人脸检测定位的影响,同时也避免了常用椭圆拟合方法计算量大的不足.实验与仿真表明该方法具有快速、稳健和姿态不敏感的特性.     

基于双阈值的运动目标检测

目前在运动目标实时检测中.主要是运用差分法进行检测.但背景差分受光照、环境影响较大,需要实时更新背景,而帧间差分容易出现空洞和误检.结合背景差分和帧间差分,采用双阈值对运动目标进行分割,能对背景进行实时更新,有效的避免了空洞和误检,并且在机场的运动目标检测中取得了较好的效果.     

一种图像序列中的运动前景分割算法

提出了一种在图像序列中分割运动前景的算法，该算法首先对前后连续的两帧图像作差值，然后再对差值图像的直方图进行处理，并通过曲线拟合获取最佳分割门限，最后对分割结果进行形态滤波恢复出图像序列中的运动前景。实验结果表明：该算法简单易行，能够成功分割出图像序列中的运动物体，是一种较好的运动前景分割算法。     

背景信息提取运动目标物图像分割算法

文章提出了一种利用运动信息提取图像中研究对象的算法。当要提取的目标物是运动物体,并且背景的绝大多数均为静止时,该算法适用。考虑到算法的可靠性,分析在不同的背景条件下,颜色模型的选择对试验结果的影响。通过实验表明,该算法具有一定的可靠性,能够满足在一定天气与背景条件下的运动目标物体的提取。     

深度图像手势分割及HOG-SVM手势识别方法研究

针对深度图像静态手势识别问题,提出一种基于深度图像手势分割及HOG-SVM手势识别方法。该方法的具体做法包含以下四个步骤:第一步,对深度图像进行手势分割,对随机方向的手臂图像通过椭圆拟合算法计算其倾斜角度,并将其校正至垂直方向;第二步,对手臂图像进行距离变换,通过分析距离变换返回的距离矩阵精确定位手掌心、手腕及手臂在图像中的坐标;第三步,计算、优化手势图像的HOG特征;第四步,实时采集大量训练样本并获取其训练矩阵,对训练矩阵进行处理找到最优的SVM参数,使响应曲线的可区分度达到最佳以提高手势识别率。实验证明,所设计的系统在保证实时性、鲁棒性的同时也获得了很高的识别率。     

基于颜色均衡和椭圆模型的手势图像分割

在手势图像识别系统的研究中,手势图像分割效果的好坏直接影响到手势识别系统的识别率.椭圆模型是手势图像分割中经常使用的一种肤色模型,但传统的椭圆模型易受光照的影响,对肤色的误判率较高.首先对待分割图像进行颜色均衡处理来减少光照的影响,然后对亮度信息分量设置阈值,进行分段判断,在高亮度区域扩大椭圆模型的长短轴,进一步减少光照影响.实验结果证明,上述方法比传统椭圆模型分割效果好,能够精确的分割出手势图像.     

运动图像的初始分割

在图像运动目标仿射模型和统计图像分析的基础上，建立了一种运动图像序列的初始化分割的方法，并对方法的理论基础进行了分析，最后给出了采用该方法的两个运动图像分割的算例，通过该算例说明了该方法可以得到比较满意的结果。     

基于椭圆约束分割心脏MRI图像的水平集模型

针对左心室外轮廓类似椭圆的特点,提出了基于椭圆约束的水平集模型,该模型在Chan and Vese模型的基础上增加椭圆形状约束项,来控制曲线的演化,将水平集的演化曲线作为对轮廓新的位置预测,并用椭圆对预测结果进行修正,把预测结果和修正结果分别作为新的水平集曲线和椭圆信息,直到曲线停止演化。实验表明,该方法能够有效地分割心脏外轮廓。     

曲线拟合的模糊医学图像分割算法

针对由于机体组织间的连续造成医学图像区域边界的模糊性,导致完全自动的医学图像分割算法往往不能取得满意分割效果的问题,提出了一种基于径向基函数曲线拟合的交互式模糊医学图像分割算法。首先由用户在感兴趣的区域交互地选取一些特征点,然后利用径向基函数构造一个三维空间的隐式曲面,使该曲面上的某一等值线即为分割出的区域,文中还提出了两种不同的加速算法。大量实验表明,该算法能有效处理非常模糊的医学图像。     

基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法

为解决判别式相关滤波(DCF)跟踪算法在跟踪目标旋转或非刚性形变时的模型漂移、尺度粗糙、跟踪失败问题,提出一种基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法(DWOP-EFO).首先,同时采用矩形框之间的重叠度和中心距离作为动态锚框质量评价的依据,能够缩小预测结果与目标区域之间的空间距离,缓解模型漂移问题;其次...     

基于Kinect和变形雅可比-傅里叶矩的手势识别

为了使人机交互变得更加自然,提出利用Kinect体感器获取手势深度图像;利用变形雅可比-傅里叶矩对手势图像进行特征提取;利用最小欧氏距离分类器进行建模、分类,实现手势识别.用Kinect体感器获取手部深度数据流,深度数据结合阈值分割法,可以有效地实现手势的分割.变形雅可比-傅里叶矩是一种不变矩,不变矩具有灰度、平移、旋转和尺度不变性,适合用于多畸变不变图像的特征提取.实验对5种手势进行了测试,平均识别率为95.2％,实验结果表明:该方法具有较高的识别率.     

基于手轮廓的深度图像手势识别方法

提出了一种新的手势识别方法,该方法从深度图像中提取手形轮廓,通过计算手形轮廓与轮廓形心点的距离,使用离散傅里叶变换获得手势的表观特征,引入径向基核的支持向量机识别手势。建立了一个常见的10种手势的数据集,测试获得了97.9%的识别率。     

基于莱特准则的椭圆拟合优化算法

普遍使用的代数距离最小的最小二乘（LS）椭圆拟合算法简单、易实现,但对样本点无选择,导致拟合结果易受误差点影响,拟合不准确。针对此特性,提出了一种基于莱特准则的椭圆拟合优化算法。首先,由代数距离最小的LS法对待拟合曲线进行椭圆拟合;其次,将待拟合曲线上的点与LS法拟合的椭圆的代数距离作为样本点集,在验证该样本点集服从正态分布的情况下,采用莱特准则,将样本点中值大于|3σ|的点判定为野值并剔除,进行多次拟合,直至样本点中无野值;最后,得到椭圆最优拟合结果。仿真实验结果表明,优化算法的拟合误差在1.0%以下,相比同条件下的LS法,其拟合精度至少提高2个百分点。优化算法的仿真结果与其在香烟圆度在线检测中的实际应用验证了此算法的有效性。     

基于椭圆拟合的快速钢管计数方法

为满足钢管计数中精度和速度的需求,提出了一种新型的椭圆检测方法.该方法避开了Hough变换或随机Hough变换的复杂性,直接通过边缘跟踪对椭圆进行拟合,通过其它边缘像素对拟合结果进行校验和对比,对概率超过阈值的无包含椭圆进行计数.在边缘检测过程中对Robert算子进行了改进,并在阈值分割前对边缘进行了增强,在阈值分割后对边缘进行了保持连通性的细化.根据需要还可以在计数过程中加入人工指导.实验结果表明,该方法能快速准确地检测出图像中所有椭圆.     

正交距离椭圆拟合法的推广及其实现

同心椭圆弧的拟合问题存在于计算机视觉、天文图像处理、CAD等领域。将椭圆的正交几何距离拟合算法推广到多个同心椭圆弧拟合上,提出一种同心椭圆弧拟合的处理方法。文中还给出了该方法实现的具体步骤和伪代码,该方法将单一圆、椭圆的拟合以及多个同心圆和椭圆的拟合统一了起来。实验表明该方法稳定、有效。     

基于自适应阈值的动态手势分割和识别

对手势视频流进行了帧分离,通过对人体肤色的检测来分割手势,识别过程采取了自适应阈值二值化方法进行预处理,特征提取兼顾了手势本身的形状特征和整个手势序列的运动轨迹特征。实验结果证明获得了较高的识别率,此方法是可行的。     

显著性驱动的局部相似拟合模型分割算法研究

灰度不均匀和噪声图像的分割是计算机视觉中的难点。现有的活动轮廓模型尽管能够取得较好的分割效果,但仍然对噪声图像分割效果不理想,初始轮廓曲线的选取敏感,优化易陷入局部极小导致演化速度慢等问题。针对该问题,首先使用局部区域灰度的均值和方差拟合高斯分布,构建新的能量泛函,均值和方差随着能量的最小化过程而变化,从而增强了灰度不均匀和噪声图像的分割能力。此外,结合视觉显著性检测算法获取待分割目标的先验形状信息,并自适应地创建水平集函数,从而降低了初始轮廓位置敏感性及计算时间复杂度,实现全自动的图像分割。实验结果证明,提出的算法可以用于灰度不均匀和噪声图像分割,并取得了较好的分割性能,消除了算法对初始轮廓位置敏感性,减少了迭代次数。     

区域拟合的背景去除图像分割模型

目的 图像分割是图像处理领域的重要研究内容之一,且应用广泛。在基于PDE和变分法的图像分割方法中,大部分图像分割模型的能量泛函均为非凸性,较容易陷入局部极小解,因而分割结果往往不尽如人意,且运算时间较慢。为此,本文根据背景去除模型的思想结合区域拟合的方法,提出了一种区域拟合的背景去除图像分割模型。方法 首先对背景去除模型进行改造;再结合区域拟合的方法对模型进行改进,并对改进模型进行凸优化处理;最后结合水平集和Split Bregman法对改进模型进行快速求解,获得全局最小值解。结果 针对改进模型在分割效果、计算效率及初始化位置对实验结果的影响这3个方面了进行数值实验,相较于ICV(improved Chan-Vese)模型、LK(Li-Kim)模型及CV(Chan-Vese)模型,本文模型能得到更优的分割效果,且在分割效果相似的情况下,本文模型较RSF(region-scalable fitting)模型耗时更短,同时当实验初始化位置不同时,实验亦能取得良好的分割效果。结论 在对于MRI(magnetic resonance imaging)图像以及合成图像等进行处理时,本文所给出的模型不仅能获得良好的分割效果,并且效率较高,而且从实验结果来看,本文模型具有一定的鲁棒性。