基于水平集的运动目标轮廓提取方法

为了快速准确地提取运动目标轮廓,提出了一种基于帧差法和水平集相结合的运动目标轮廓提取方法。该方法首先采用相邻帧差法确定运动目标位置,然后用一种改进型水平集的方法进行目标轮廓提取。实验结果表明,该方法均适应于刚体或非刚体目标在运动中的自由变化,能准确地提取运动目标轮廓。     

基于水平集改进的水下目标轮廓提取方法

为以更快的计算速度提取到更加精确的轮廓,提出一种基于水平集改进的水下目标轮廓提取方法.即利用水下目标检测结果确定目标演化子区域,缩小目标区域范围,同时在目标检测结果中,根据目标高亮区和阴影区的位置,确定各个目标演化子区域初始闭合曲线的中心坐标,通过Vese-Chan分段常量四相水平集方法的演化函数进行目标高亮区和阴影区的轮廓提取.对不同原始声纳图像的实验比较分析表明,提出的水下目标轮廓提取方法具有较高的适应性和较快的计算速度,能精确地提取到目标高亮区和阴影区的轮廓.     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

基于超像素的多特征融合的水平集轮廓跟踪

在水平集轮廓跟踪框架中设计一个判别式速度函数对于有效引导轮廓进化非常重要。该文提出一个超像素驱动的速度函数建模方法,该模型融合了互补的表观和运动信息。在表观特征层,通过引入一种有效的中层视觉特征-超像素,建立基于核密度估计的判别式表观模型区分目标和背景。同时,利用运动光流场的统计信息,设计了一个可以自适应选择的阈值来区分和增强目标和背景的相对运动。最终,在决策层基于半朴素贝叶斯框架进行两种特征的融合,形成一个具有竞争能力的速度场引导水平集轮廓进化。在多个具有挑战的视频序列上的一系列实验验证了该方法的有效性和鲁棒性。     

基于水平集的运动目标检测和速度估算

在摄像机运动的情况下,研究了一种用于运动目标检测和边界速度估算的方法.该方法通过假设分段平滑运动场的约束条件,将求解问题公式化为视频时空域上的最大后验（MAP）运动分割问题.利用Euler-Lagrange梯度下降法,从MAP运动分割方法所得到的能量函数导出一组方程,用于同时估算由于摄像机运动引起的背景运动场和检测运动目标.对应于曲面的Euler-Lagrange方程被表达为水平集的偏微分方程.提出了一种基于水平集隐含表示的运动目标边界速度估算新方法,利用符号距离图表示运动目标的轮廓,采用光流方法估算运动目标轮廓点的速度.对于实际视频序列的实验结果表明,新方法的估算结果准确、稳定,并且相邻点的速度估算具有很好的连续性.
     

基于半隐差分的单参数水平集快速分割

针对传统水平集方法的模型中参数过多以及分割速度较慢的问题,提出一种新的快速水平集图像分割方法.该方法在Chan-Vese模型中引入惩罚函数项,用水平集函数梯度的模取代Dirac函数并只保留一个长度项中的参数,构造无须重新初始化且具有全局优化的新模型.算法的数值演化中新的半隐有限差分格式的构造缩短了每次迭代时间,而停止迭代判定式的引入提高了分割效率且得到了单参数取值规律.对合成图像、医学图像和视频图像的实验结果表明,该方法迭代步数少,使得分割快速、准确,能够满足视频跟踪的稳定和实时性需求.     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

基于帧间差分和背景差分的运动目标检测算法

针对运动目标检测领域中帧间差分法和背景差分法的缺陷,提出一种将两种方法融合在一起的新算法。首先,该算法在采用混合高斯建立背景模型时对方差更新作了修改,使得模型与真实背景更接近。其次,用连续三帧差分代替两帧差分,采取自适应差分阈值的方法。最后,将两种差分的结果融合并作形态学处理提取目标。实验结果表明,本文算法能有效抑制噪声和空洞,适应性强、检测效果良好。     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

一种基于多层次特征的目标继承提取方法

图像的有效分割或提取是图像处理与分析的重要内容，本文使用一种基于多层次特征的方法，针对噪声大，干扰多，光照不均，场景多变，目标形状多变这类图像，自原图像开始，得到各层次的特征，继承地利用低高层次特征逐步提取目标，而又可以回溯前面的原图像或低层次特征信息，继承地对所提取目标优化，实际目标与背景分离．实验表明，该算法可以正确高效地提取目标，有较高的鲁奉性和精度，对具有不同目标大小和信噪比的图像也能得到较好的提取效果．     

差集和差集偶理论的轨道规律

关于差集或差集偶的乘子定理和乘子猜想,可以通过轨道的方法判定差集或差集偶的不存在性. 通过对素数p在v阶Abel群G上所生成的轨道规律的研究,提出了阶数v是单个素数和2个素数乘积形式的轨道长度和轨道数的规律,并证明了其正确性. 利用这种规律可快速判断出特定参数的差集或差集偶的不存在性.     

基于肤色和人脸形状约束的正面人脸轮廓提取算法

提出了一种基于肤色和人脸形状约束的正面人脸封闭轮廓提取方法.首先在YCgCr空间中对图像数据进行阈值分析,建立肤色模型,并通过肤色模型对肤色区域进行初定位,再经过对肤色区域的连通区域标记,进而根据区域像素数量筛选去除非人脸区域.然后提取人脸初步轮廓,并结合人脸形态比例去除颈部轮廓.最后通过相关形态参数构建出人脸下巴轮廓,最终得到一个连续、封闭的人脸轮廓.     

基于Rough集和概率统计方法的决策规则提取

Rough集是一种处理不精确的、不一致的、不完整的信息,并从中发现隐含的知识,揭示潜在规律的新型方法.Rough集理论的主要思想是在保持分类能力不变的前提下,通过属性约简,删除其中不相关或不重要的知识,从而导出问题的决策或分类规则.概率统计方法是传统数据处理方法,两者各有其优缺点.在决策规则提取过程中,将两者方法结合起来,在满足决策规则力度、肯定因子和覆盖因子的基础上对规则进行筛选,从而提高了决策的准确性和合理性.     

基于动态图像序列的运动目标跟踪

介绍了运动目标跟踪中基于特征、 3 D、变形模型和区域的 4种跟踪方法 ,着重分析了变形模型中Snake的跳跃模型跟踪方法和基于区域的几个有代表性的跟踪方法 ,说明了其在智能交通监控中的应用 ,并给出了区域跟踪的实验结果。     

一维运动目标的特征估计

为了提取具有强平稳杂波背景和空间距离很近的散射体环境下运动目标的高距离分辨率特征,文中首先建立了强平稳杂波环境下运动目标的数学模型,采用基于松弛算法的非线性最小二乘算法估计了目标特征与杂波;然后对该算法进行了仿真实验,用最小均方误差与克莱美-罗界进行比较验证了该算法的优越性。数字举例证明了该算法在强平稳杂波环境下,对运动目标具有高分辨率和较好的估计性能。     

非经典感受野的朝向和对比度特性在轮廓提取中的应用

对于普通的复杂背景图像的边缘检测方法,在检测出主体轮廓的同时也保留了背景的纹理,不利于检测出主体的轮廓.根据生物视觉感知的特性,模拟出复杂细胞感受野的响应函数,然后提出了一种基于朝向和对比度特性的非经典感受野抑制模型,从而得到了清晰的轮廓.仿真实验证明,该方法在提取物体轮廓的同时有效地抑制了背景的纹理,提高了轮廓提取的正确率.     

基于WVHT 的合成孔径雷达运动目标检测与成像

目的针对合成孔径雷达（ＳＡＲ）的运动目标检测和成像提出了一种通用、完整的ＷｉｇｎｅｒＶｉｌｅＨｏｕｇｈ变换（ＷＶＨＴ）．方法基于线积分,将ＷＶＤ和Ｈｏｕｇｈ变换结合起来,推导出ＷＶＨ变换,并利用计算机仿真的ＳＡＲ回波数据对该新ＷＶＨ变换作了验证．结果与结论计算机仿真结果证明了该变换的正确性和有效性．和传统的ＷＶＤＨＴ方法相比,这种基于ＷＶＨＴ的ＳＡＲ运动目标检测和成像的新方法,可以将多目标回波的ｃｈｉｒｐ信号从时间域直接转换到参数域,同时完成了ＷＶＤＨＴ方法中的交叉项抑制和运动参数的估计,进而对多目标成像,简化了处理过程．这种新ＷＶＨ变换还可以应用于其它场合的ｃｈｉｒｐ信号检测中．     

基于双差分法的目标检测与分析

用双差分法检测静止背景下运动目标的轮廓，并利用矩方法研究了运动目标的几何特征，利用目标的质心估计目标的运动信息．给出了实验结果及分析．     

一种基于显著性活动轮廓模型的图像分割方法

为了有效地提取图像中物体的轮廓,结合视觉注意机制,提出一种改进的距离正则化水平集活动轮廓模型的分析方法。首先提取图像的初级特征,构成图像显著图;然后采用最大类间方差法获得显著区域的初始轮廓,以此作为活动轮廓模型中曲线演化的初始位置;最后利用距离正则化水平集演化,获得目标物体的边界,完成图像分割。这种结合视觉注意机制与改进的距离正则化水平集演化方法能够显著降低水平函数演化次数,提高图像分割效率。仿真结果表明,它能有效检测单个及多目标物体的边界,且定位准确。