动态场景图像序列中运动目标检测新方法

在动态场景图像序列中检测运动目标时,如何消除因摄影机运动带来的图像帧间全局运动的影响,以便分割图像中的静止背景和运动物体,是一个必须解决的难题。针对复杂背景下动态场景图像序列的特性,给出了一种新的基于场景图像参考点3D位置恢复的图像背景判别方法和运动目标检测方法。首先,介绍了图像序列的层次化运动模型以及基于它的运动分割方法;然后,利用估计出的投影矩阵计算序列图像中各运动层的参考点3D位置,根据同一景物在不同帧中参考点3D位置恢复值的变化特性,来判别静止背景对应的运动层和运动目标对应的运动层,从而分割出图像中的静止背景和运动目标;最后,给出了动态场景图像序列中运动目标检测的详细算法。实验结果表明,新算法较好地解决了在具有多组帧间全局运动参数的动态场景序列图像中检测运动目标的问题,较大地提高了运动目标跟踪算法的有效性和鲁棒性。     

图像序列中基于交叉熵的运动区域检测

图像序列中的运动区域的正确检测是一个相当重要但又非常困难的问题。采用了自适应的背景模型，并用交叉熵对差分图像阈值化，从而使分割出的运动区域更加正确。试验结果表明了本方法的有效性和鲁棒性。     

低照度视频序列运动目标的检测与提取

由于低照度环境下的成像质量存在比较突出的问题,使得低照度视频序列的运动目标检测与提取成为一项相当困难的工作.本文结合运动信息和梯度信息,提出了一种新的低照度视频序列运动目标检测与提取方法.该方法首先经帧间差分、滤除噪声得到运动区域的初始检测模板,针对初始检测模板中由于照度过低出现的目标漏检现象,采用提取函数法进行低灰度值的运动区域检测,最终形成完整的运动区域检测模板.采用多尺度形态梯度算子进行边缘检测,这种梯度算子抗噪能力强.实验结果表明这种方法能有效地实现低照度视频序列运动目标的检测与提取.     

低照度视频序列运动目标的检测与提取

由于低照度环境下的成像质量存在比较突出的问题,使得低照度视频序列的运动目标检测与提取成为一项相当困难的工作。本文结合运动信息和梯度信息,提出了一种新的低照度视频序列运动目标检测与提取方法。该方法首先经帧间差分、滤除噪声得到运动区域的初始检测模板,针对初始检测模板中由于照度过低出现的目标漏检现象,采用提取函数法进行低灰度值的运动区域检测,最终形成完整的运动区域检测模板。采用多尺度形态梯度算子进行边缘检测,这种梯度算子抗噪能力强。实验结果表明这种方法能有效地实现低照度视频序列运动目标的检测与提取。     

一种视频序列图像中运动目标的分割算法

提出了一种新的用于检测视频序列图像中运动目标的算法。该算法通过对差帧图像进行模板检测及形态学滤波,并结合Canny算子边缘检测获得运动目标的分割掩模,提取出运动目标。实验结果表明,该方法能够有效分割运动物体,具有较强的鲁棒性。     

一种基于图像序列的水下运动目标检测方式

根据水下运动目标检测的需要,提出改进的Vibe检测算法以适应水下环境中运动目标检测的特点。根据水下成像的特性对图像序列预处理,对于Vibe在首帧建模以及后期背景更新时产生的"鬼影",在首帧建模时目标区域进行近似的背景填充。针对水下运动目标运动相对缓慢及难以静止的特点在更新方式上采用保守更新与前景计数结合的方式,能较好地适应水下运动目标检测。     

基于G-GMM的视频序列运动目标检测算法研究

为了能够从视频序列中快速准确地检测运动目标,在混合高斯背景差分法的基础上引入Grabcut算法,提出了一种新的运动目标检测G-GMM(Grabcut-Gaussian Mixture Model)算法。首先通过混合高斯模型背景差分法提取运动目标初始二值轮廓,构建其最小的外接矩形;然后初始化矩形内图像信息,寻找潜在前景区域;最后采用迭代算法实现最优化分割,得到准确的运动目标轮廓。实验结果表明,在静止摄像机户外视频监控系统中,提出算法具有较高的准确性和鲁棒性,对刚性和非刚性两类目标都具有较好的检测结果。     

一种图像序列的运动目标检测方法

提出了一种在图像序列中的运动目标定位方法,运用了多种图像数据处理的技术,有效地去除复杂背景下的噪声,并对运动目标进行精确的定位.方法主要由两个部分组成:一是对运动目标的背景进行提取,并采用预先设定的经过边缘检测的像素点变化明显的特征区域匹配技术,二是对下一幅图像的运动目标进行定位,求出目标中心.实验结果表明,该方法有效.     

复杂景物环境下运动目标检测的新方法

文中提出一种复杂景物环境下自动检测运动目标的新方法。该方法具有四个明显特点：①背景允许任意复杂；②帧间摄像机允许运动；③目标的面积大小不影响算法的效果；④帧间允许的运动光流比较大。大量实验验证了文中方法的有效性和实用性。     

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。     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法,但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征,以前景和背景最大程度地分开为判据,提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值,达到较好的图像分割效果。     

视频图像序列中的运动目标检测技术

对视频监控中的运动目标检测的基本原理和方法进行了阐述,介绍了几种运动目标检测方法,最后指出了评价各种方法的性能所面临的问题.     

复杂场景中运动目标的检测

由于检测场景的复杂性,传统的运动目标的提取常常采用自适应背景更新及自适应阈值分割方法,以去除噪声干扰,提高检测准确性。针对这种情况,提出在背景减除法的基础上通过改进的背景掩膜算法进行背景更新,利用场景的复杂性及系统中运动目标出现在障碍物边缘的特点,进行检测区域及非检测区域的划分,并采用阈值伪图的方法对整个视频序列图像进行自适应阈值分割。实验结果表明,该方法能够有效去除由于光线变化产生的噪声,以及由于相机抖动引起的背景与当前检测帧之间由位置偏差而产生的噪声,并避免了阈值分割时运动目标本身会出现空洞的问题,为后续运动目标的识别与跟踪奠定基础。     

红外序列图像的小目标检测

在红外序列图像中识别规则变化小目标时,传统Top-hat算法是常用的目标检测方法,但是可能会检测到很多虚假目标,而且目标发生变化时不能稳定检测。为了准确检测目标,提出一种红外序列图像中规则变化的小目标检测方法。首先对序列图像利用SIFT算法提取特征点,然后利用RANSAC算法进行特征匹配,拼接形成全景图像,结合对单帧图像利用改进的Top-hat算法进行小目标检测,并且标记,最后根据标记的统计结果得到真实目标位置。     

一种改进的基于样例的图像修复方法

以基于样例修补的目标移除方法为基础,改进了基于样本块的图像修补方法。在自然图像上通过傅里叶变换,发现许多自然图像具有方向性纹理的特征,将搜索空间约束到纹理方向的范围,优化了Criminisi方法优先块的选取,提高了搜索精度;并通过在源图像区使用图像分割的方法实现分区,使搜索目标块仅在其相邻的源区域内搜索,进一步缩小样本图搜索范围,增强搜索的准确性。在自然图像上进行的实验结果表明:改进的方法不仅显著提高了图像修补的时间,且有效地维持了图像的线性结构,取得了良好的修补效果。     

一种基于边缘信息的车牌图像分割方法

为提高车牌预处理过程中字符与背景的分隔效果,提高识别准确率,从人类视觉分析的特点出发,首先根据车牌图像中汉字字符和字母数字不同的统计特性对最优的阶梯型边缘检测算法进行了改进;并提出了一种新的动态分割,区域处理的方法。实验表明本方法能够有效提取车牌字符特别是汉字中的较复杂的细节信息,保证了字符边缘的准确性以及内部联通区域的一致性,并对不同质量的车牌图像具有一定的普适性,为识别提供了良好的保证。     

一种简单快速的多媒体视频序列中运动对象分割方法

为了提高视频分割的实时性和效果,针对低比特率多媒体应用的视频序列,提出了一种简单快速的运动对象分割方法。首先利用对称差分得到差分图像,然后再求出当前帧的梯度图像,二者相与得到连续的运动对象边界;再对其进行形态学处理及二次扫描,得到运动对象掩模;最后用原图像的灰度值填充该区域。实验证明,使用该方法得到了较好的分割效果并缩短了处理时间。     

动态场景下基于精确背景补偿的运动目标检测

针对动态场景下因背景补偿效果欠佳而不能准确检测运动目标的问题,提出一种基于精确背景补偿的运动目标检测算法。算法采用加入对称约束的SURF特征点匹配算法,以获得稳健的匹配点对。同时利用自适应外点滤除法去除目标点对全局运动估计的影响,显著地提高了背景补偿的精度。最后用帧差法准确地检测出运动目标。实验结果表明,该算法具有很好的鲁棒性,能够在背景复杂且摄像机运动的环境下准确地提取出运动目标。