基于"粒子"滤波器的复杂环境下头部跟踪算法

在复杂背景下进行头部检测与跟踪是多功能感知的重要交互通道。在对传统头部检测算法进行改进的基础上,提出了一种基于“粒子”滤波器的实时头部跟踪算法。试验结果表明该算法实时性强,且具有良好的鲁棒性,能在头部发生转动、遮挡及多人干扰等复杂环境下进行稳定跟踪,可广泛应用于头部跟踪、图像分割和人脸检测等领域。     

基于GPU的快速Level Set图像分割

水平集(1evel set)图像分割方法是图像分割中的一个重要方法,但是该算法的计算量大,往往不能达到实时处理的要求。给出了利用新一代的可编程图形处理器(GPU)实现level set的加速算法。首先介绍了如何在GPU上利用片元渲染程序进行网格化的线性运算和有限差分PDE计算,把level set方法的离散化算子映射到GPU上。由于以数据流处理方式的GPU的存储访问快,具有并行运算能力,同时level set算法演化的显示不再需要把数据从CPU传到GPU,因此较大地提高了算法速度与交互显示。文中实现并测试了一个与初始化状态独立的二维level set的算子用于图像分割,并对其运算结果和性能进行了比较,结果表明该方法具有更快的速度。     

一种基于背景重构的视频对象分割算法

为了更有效地实现基于内容的视频编码,提出了一种基于背景重建技术的视频对象分割算法.首先提出一种新的噪声参数估计方法,运用变化检测技术得到表示视频对象运动区域的二进制变化检测掩模(CDM),针对CDM纹理性差的特点,以邻域最大值法来修补边缘并填补空洞,经数学形态学滤波后得到完整的二进制掩模;然后利用二进制掩模映射获得本帧背景图象,通过多帧背景图象相互补充可得到较为完整的重构背景图象;最后用当前帧和重构的背景图象相减的办法消除背景遮挡的影响,得到初始的视频对象,经数学形态学边缘修正后,获得准确的视频对象,实验结果表明,本文提出的算法是有效的.     

复杂背景下圆形物体分割算法

对如何从复杂的工业图像中准确提取圆形目标进行了研究。阐述了传统分割方法应用于复杂图像中提取圆形目标的局限性,提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据两个阈值进行分割得到两幅二值图像,然后根据目标是圆形以及其大致位置等先验知识分别对两幅图进行腐蚀,开启,闭合等数学形态学运算,将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中,实现对复杂背景图像中圆形物体的准确分割与提取,解决了复杂背景图像中物体识别率低的问题。实验结果表明本方法对复杂背景的图像预处理是有效的。     

基于先验概率模型的自适应背景图像分割算法

在利用背景消减的视频图像分割过程中,背景模型假定为高斯模型下判断像素点是否为背景点一般采用规则。当模型中方差参数的值较大时,与背景相近的前景被误分割为背景的误差就较大。针对这一问题,提出了一种基于先验概率模型与距离因子对背景进行分割的算法,该算法判定当前帧像素点为背景的概率由其先验概率及该像素点在上一帧分割结果中与前景点的距离决定。实验结果表明,与判定规则相比,该方法在背景变化范围较大的情况下,可以减少前景点被误分割为背景点的误差。     

复杂背景下彩色数字图像分割算法研究

为了提高复杂背景下彩色数字图像分割的准确率,减少噪声对图像处理的干扰,尽可能的缩短运行时间,需要对复杂背景下彩色数字图像分割算法进行研究。当前图像分割算法在彩色数字图像分割的过程中,仅仅考虑了图像像素的亮度值,没有考虑其空间特征,存在计算的复杂性过大等缺陷,影响彩色数字图像处理效果。为此,提出了一种基于随机权重粒子群的复杂背景下彩色数字图像分割算法。该算法先采用多尺度均匀滤波方法,对复杂背景下彩色数据图像进行划分,其中包含噪声和不含噪声的像素点的亮度值、结构元素以及局部区域内的图像像素加权亮度密度特征。采用多段图分割获取彩色数字图像的优化分割,在平滑项中代入彩色数字图像梯度信息,对彩色数字图像分割结果中的弱边界进行剔除,从而实现准确的彩色数字图像分割。实验仿真证明,所提算法增加了彩色数字图像分割的对比度和信噪比,提高了复杂背景下彩色数字图像分割的准确性。     

基于ROI信息的活动轮廓模型MR图像分割

参数活动轮廓模型和几何轮廓模型是目前常用的图像分割方法。传统的参数活动轮廓模型在曲线演化过程中仅使用了梯度信息,在处理具有强噪音或弱边界的目标时往往得不到理想的结果,且不具有拓扑可变性。为此,构造一种基于区域信息约束力的参数活动轮廓模型,在新的约束力的作用下,模型可以有效降低噪音的影响并防止曲线从弱边界泄漏,且提高曲线进入细窄区域的能力,将参数模型几何化,使该模型具有拓扑可变的能力。实验表明,该模型具有较好的分割效果。     

基于姿态模型的人群目标分割方法

多相机间运动目标的跟踪与识别需要获得尽可能准确的目标区域。针对人群目标的粘连问题,提出一种基于姿态模型的人群目标分割方法。依据人体在运动过程中姿态的变化规律,构造7种出现频率较高的姿态模型。依次对单个目标和联合目标进行模型匹配,获得各个目标的位置、大小以及运动姿态信息。实验结果表明,该方法能有效解决相互遮挡情况下的目标分割问题。     

基于多观测模型的粒子滤波头部跟踪算法

粒子滤波在非线性和非高斯问题上具有独特的优越性,但在视频跟踪过程中,其跟踪性能却在很大程度上依赖于观测模型的选择。为了解决被跟踪目标特征状态随时间变化而与粒子观测模型不匹配的问题,提出了一种新的粒子滤波算法,即将被跟踪目标的不同特征状态与粒子观测模型相结合,形成一组具有不同观测模型的粒子,并且在跟踪过程中,对应不同观测模型的粒子根据被跟踪目标所表现的特征线索的变化而相互转换,从而动态刻画了被跟踪目标特征变化的过程。实验结果表明,本算法能够有效处理由于头部旋转而导致跟踪性能下降甚至丢失跟踪目标的问题,提高了跟踪的准确性,并且具有较好的鲁棒性。     

复杂背景彩色图像中的人脸分割技术

主要介绍了如何在含有复杂背景的彩色图像中进行人脸分割的技术。首先根据人的肤色在色度空间的聚类特性,寻找合适的色彩空间建立肤色模型。计算图像中所有像素的颜色与肤色的相似度值,并将其转换成0到255之间的灰度值,以得到图像的相似度灰度图,接着通过大津阈值分割进一步得到二值图,将人脸肤色区域与背景分离,从而定位了人脸区域。最后,利用人脸的结构特征,进一步缩小人脸区域范围,最终找到包含人脸主要特征部位(眼睛、鼻子、嘴巴)的人脸区域。     

基于简化Mumford-Shah模型的水平集图像分割算法

为解决传统图像分割方法受噪声和边界轮廓影响而使分割效果不佳问题,基于简化的Mumford Shah模型的水平集图像分割算法通过将曲线嵌入水平集函数,利用函数的求解以达到曲线演化和图像分割的目的。试验表明此分割算法与初始轮廓线位置无关、不受边界轮廓线连续性限制、对图像噪声具有很强的鲁棒性,对均质灰度目标分割效果良好。     

改进的多目标图像的水平集分割模型

Guo等人利用n个水平集方程构造n个区域提出一种改进的CV模型（简称MCV模型）,该模型需要的迭代次数很少,提高了图像分割的效率,但其分割结果受初始曲线位置的影响较大,极易陷入局部最优,无法分割复杂图像,且利用传统的Heviside函数无法得到准确的均值信息,因此无法保证数值的稳定性。本文对MCV模型进行改进,先对图像进行预分割得到初始曲线以提高分割效率且能保证分割结果全局最优,构造新的符号函数取代传统的Heviside函数改进MCV模型以保证数值稳定性。对MR图像进行的分割实验表明,其在保证迭代次数较少的同时分割更加准确。     

图像分割中分段光滑Mumford-Shah模型的水平集算法

图像分割和轮廓提取在计算机视觉和模式识别中具有重要意义,基于主动轮廓模型的图像分割和轮廓提取是目前研究热点,分析了Mumford—Shah模型的主动轮廓新的视觉机制;并推导了简化的分段光滑水平集模型,通过构造具有柔性距离函数,对迭代步骤中水平集函数重新初始化,结合本质上无振荡格式(ENO scheme)和预测校正格式,提出了一种新的有限差分算法,该算法不但能提取多个具有不同凹凸拓扑结构和灰度差异物体的轮廓,而且能保持分割后物体的灰度特性。最后给出了若干算例,算例表明,该水平集算法具有数值稳定性,不会出现振荡现象。     

一种区域自适应主动轮廓模型的图像分割方法

为了有效地分割灰度不均匀图像,提出了一种区域自适应主动轮廓模型,在该模型中,定义了一个包含全局能量项和局部能量项的能量泛函。在算法的初期,全局能量项占主导地位,它具有收敛速度快、对初始轮廓不敏感的优点。在算法的后期,局部能量项占主导地位,它具有定位精度高的优点。理论分析和实验结果表明,该模型具有收敛速度快、分割精度高、对初始轮廓不敏感等优点。     

改进的分级多相图像分割模型及其快速实现

提出一种基于分级C-V模型的改进的快速图像分割算法.针对现有的多相水平集图像分割算法存在的问题,本文从曲线演化方程的平均曲率项、水平集函数Φ的狄拉克(Dirac)函数δ(Φ)等方面进行改进,并引入了一个非线性扩散方程对图像进行预处理,从而优化组合了分级C-V模型的全局特性.实验结果表明,改进的图像分割模型不仅保留了原有方法的优势,而且提高了对多目标图像分割算法的速度与精度,同时也可以有效解决具有弱边界物体的分割问题.     

变分水平集分割方法

针对三维图像多相分割问题,提出一种变分水平集分割方法。由变分方法和梯度坡降方法得到能量泛函取极小值的水平集函数演化方程,与基于区域模型的参数估计构成一个交替迭代过程。仿真结果表明,该方法简单高效,能快速实现三维图像的轮廓分割与重建,真实反映采集序列断层图像的信息,具有较好的应用价值。     

基于圆形保持水平集方法的虹膜分割研究

虹膜分割是虹膜识别系统中最重要的环节,其分割的好坏将影响虹膜识别的准确率,而虹膜识别也是最可靠的人体生物终身身份标志之一。因此,提出了基于水平集算法的虹膜分割算法。此算法是利用水平集隐式特点与圆形形状方程显式的特点相融合确保了演化曲线在演化过程中仍保持圆形,利用其思想分割内边缘。引入自适应面积项到形状约束的CV模型中用来约束外边缘。实验结果表明,尽管眼睛睁开有限、眼镜和睫毛及眼睑等遮挡以及成像设备形成图像的角度等问题,此模型仍能取得很好的分割效果。选用区域相互重叠度——DICE作为分割算法的评价指标,由实验数据可知,提出的算法对虹膜分割是有效的。     

变分水平集分割方法

针对三维图像多相分割问题,提出一种变分水平集分割方法。由变分方法和梯度坡降方法得到能量泛函取极小值的水平集函数演化方程,与基于区域模型的参数估计构成一个交替迭代过程。仿真结果表明,该方法简单高效,能快速实现三维图像的轮廓分割与重建,真实反映采集序列断层图像的信息,具有较好的应用价值。     

基于梯度的混合Mumford-Shah模型医学图像分割

针对C-V法的水平集图像分割法缺少局部控制能力等问题,将基于边缘的几何主动轮廓线模型和基于区域的C-V法两者结合起来,提出了基于梯度的混合Mumford-Shah图像分割模型HMSG。给出了HMSG模型的参数设置准则,在分割的初期加大模型中全局特征项的权值,在分割的后期则加大局部特征项的权值,以提高模型的图像分割能力。对合成图像与医学图像的分割实验结果表明,该方法优于C-V方法对于含有噪声和边缘模糊的非二值图像的分割,能够较为准确地提取图像边界,可以有效提高图像分割整体性能。     

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。