一种适合于多目标检测的图像分割方法

提出一种适合于多目标检测的8邻域图像分割方法,用以获取目标特征量,准确分割图像。在对二值化图像扫描形成目标块的过程中,标记各个目标像素,记录目标的边界点,得出分割目标的面积、周长、质心坐标。利用这些信息,可以选择跟踪一个或多个目标。仿真结果证明了该方法实用可行。     

一种累积帧差视频对象分割算法

经过对视频序列的多帧累积,利用帧间变化信息可求得帧差之和,并用数学形态学方法处理之后,即可提取出对象边界。由此,提出了一种累积帧差的视频对象分割算法。实验结果表明,该算法能对低比特率视频序列中运动较为缓慢、背景相对简单的对象进行有效的分割,而且所用时间较短,算法简单、高效。     

一种基于改进PCNN模型的图像分割方法

通过对传统脉冲耦合神经网络(PCNN)模型的改进,在模型的输入端加入目标区域的边缘数据,使最高灰度级不同的非连通神经元同期点火,实现了多目标区域同时分割。给出了影响同期点火激励范围的主要参数β的自动设定方法,并设计了基于图像最大熵准则的自动分割算法。用分割精度评价准则验证了所提出方法的有效性。实验证明,对于低噪声污染的图像,改进的PCNN模型在多目标识别中的正确接受率达到95%以上,明显优于经典的Fastlinking模型。     

灰度值频数和遍历八方向的指纹图像分割算法

提出基于灰度值频数和遍历八方向的指纹图像分割算法。对于脊谷线灰度值相差较大的,利用灰度直方图上出现频数较多的两个灰度级的差值大小,判断是否为指纹前景区;脊谷线灰度值相差不大的,利用纹线的方向性,通过八个方向的模板计算在各个方向上灰度差值的大小,确定是否为指纹前景区。该方法的阈值可以根据图像自然决定,避免了人为选择阈值的困难和不准确性。对脊谷线灰度值相差较大、不大、较小的指纹图均能容易而准确地分割,只求出指纹的边界而不改变指纹图。实验表明,与常见的分割方法—方向图、方差法相比,该方法的平均误分概率大大减小,比方差法降低5.7875%,比方向图法降低5.6625%,且对指纹图像脊谷线的对比度和方向性要求不高,鲁棒性更强。     

一种基于DA-GMRF的无监督图像分割方法

提出一种基于间断自适应高斯马尔可夫随机场(DA-GMRF)模型的无监督图像分割方法.针对MRF模型中的过平滑问题,利用边缘信息构造能量函数,定义了一种DA-GMRF模型.利用灰度直方图势函数自动确定分类数及分割阈值,进行多阈值分割,得到DA-GMRF模型中标记场的初始化,用Metroplis采样器算法进行标记场的优化,实现了图像的无监督分割.实验结果表明了该方法的有效性.     

星敏感器中快速星匹配跟踪算法研究

阐述了基于星体中心位置信息匹配的跟踪原理,提出了一种基于匹配的星跟踪方法.采用FPGA实现实时的星点位置信息的获取,解决了传统星跟踪过程中图像数据获取的瓶颈,增加了跟踪星体的个数,加快了匹配跟踪的速度;并且采用先排序后匹配的匹配方法,减少无谓的星体间的比较.仿真测试结果表明,此方法使得匹配跟踪的时间大约降低为原来的10%,提高了整个跟踪算法的计算速度,对星敏感器整体效能的提高也非常明显.     

基于支持向量机的红外成像跟踪算法

为提高传统红外成像跟踪算法的性能,克服相关跟踪对"图像灰度一致性"的要求,在分析光流方程和支持向量机基本理论的基础上,提出一种由光流方程引出的基于支持向量机的成像跟踪算法.以机动车的红外图像序列为研究对象,该算法利用支持向量机的分类值替代方差和误差函数,将每帧中分类值最大的位置看作当前帧中目标的位置,从而实现了对目标的跟踪.该算法不仅不要求满足"图像灰度一致性",而且有效地减少了跟踪的累积误差.研究结果表明,与传统相关跟踪算法相比,本文提出的跟踪算法的精度、稳定度和鲁棒性都有所提高.     

用于彩色图像分割的改进遗传FCM算法

本文提出了一种适用于彩色图像分割的遗传模糊C均值聚类(GAFCM)算法.该算法使用Ohta等人提出的彩色特征集中的第一个分量作为图像像素的一维特征向量,并利用由像素空间到特征空间的映射来改进目标函数,从而大大降低了运算量;使用对特征空间结构没有特殊要求的特征距离代替欧氏距离,从而克服了特征空间结构对聚类结果的影响;使用引入FCM优化的遗传算法来搜索最优解,从而提高了搜索速度.实验表明,该算法不但能很好地分割彩色图像,而且具有运算量小、收敛速度快的优点.     

综合边缘检测和区域生长的红外图像分割方法

针对红外图像的特点,提出了一种综合应用边缘检测和区域生长方法的图像分割方法。其思路为:先对图像进行边缘提取,得到边缘像素点集;然后利用该点集的平均灰度和目标区域的连通性作为生长判决条件,采用区域生长法实现图像分割。仿真结果表明,该方法能快速准确有效地实现红外图像分割,避免了单独使用边缘提取或区域生长法进行图像分割时的典型分割错误。     

一种纯方位跟踪中的在线式伪线性算法

针对伪线性参数估计不能进行实时状态跟踪的问题，讨论了一种新的在线式的伪线性跟踪算法．对算法的实现过程进行了推导，并应用于纯方位目标的跟踪问题中．仿真结果表明，与传统累积形式的伪线性跟踪算法相比，该算法在保证一定精度的同时，能够降低每个估计时刻的计算量，减少计算占用的资源，是一种有效的算法．     

基于运动一致性的视频对象分割方法研究

视频运动对象检测和分割是图像处理中最具挑战性的问题之一。针对目前大部分分割算法相当复杂而且计算量大的问题，提出了一种基于运动一致性的视频对象分割方法。该方法从MPEG压缩码流中提取运动矢量场来分割视频对象，首先对运动矢量场进行滤波和校正，然后进行全局运动补偿得到对象的绝对运动矢量场，最后采用K-means聚类算法对运动矢量场进行聚类分析从而分割出感兴趣的视频运动对象。MPEG标准测试序列的试验结果证明，该方法是有效的。     

LTV-MPC自动驾驶汽车路径跟踪算法研究

为解决自动驾驶汽车在时变曲率路径上的跟踪精度和操控稳定性问题,提出一种基于线性时变(LTV)模型的模型预测控制(MPC)算法.分别建立车辆运动学参考模型和动力学参考模型,通过分析期望路径的几何特征获得车辆航向角的前馈参考量,并通过迭代线性化方法推导线性时变的车辆运动参考模型.根据车辆行驶状态设计车辆运动学参考模型/动力...     

一种改进的势函数聚类多阈值图像分割算法

针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法。由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并。改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算。利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果。     

基于多分辨率分析和分水岭的图像分割方法

提出了一种基于小波多分辨率分析和分水岭算法的图像分割方法.在小波分解后的低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性.此外预处理过程中,在梯度图像上基于Rayleigh分布采用阈值处理的方法,有效抑制了高斯噪声对梯度图像的影响,避免了过分割.实验结果证明,本文所提出的基于小波多分辨率分析的图像分水岭分割算法能够很好地兼顾算法的效率和分割的准确性.     

基于多阈值单水平集方法的医学图像分割

针对Chan-Vese的无边界主动轮廓模型(CV模型)只能区分前景与背景的缺点,提出了一种基于多阈值单水平集的医学图像分割方法,并将此方法应用于微创手术的预处理中.由于医学图像结构复杂,具有器官轮廓多连接等特点,因此使用常规的水平集方法进行分割往往不能取得理想的效果,而该方法采用修改目标泛函的方式引入多类分割,具有多区域分割的特点,只需经过一次单水平集的迭代循环,即可将图像根据灰度不同划分为多个区域,具有精确、快速等优点.对不同的合成图像和医学图像的实验结果表明,该方法实现了快速精确的多区域分割,能很好地提取到医学图像中的骨骼轮廓,分割效果达到了预期水平.     

基于最大后验概率密度的粒子过滤器跟踪算法

Kalman滤波的弱点是它无法解决非线性、非高斯问题的跟踪。为此提出了一种新型的跟踪算法,粒子过滤器算法。该算法采用加权的粒子集模型表示状态的分布,迭代跟踪状态的变化。其优点是它可以适应复杂环境的重叠和遮挡情况,且能同时跟踪多目标。采用最大后验概率模型确保了状态判断和估计的准确性。对重采样的分析减少了算法对噪声的敏感。并把样本安排在目标可能出现的区域。在眼睛跟踪系统上实现了该算法。仿真结果表明MAP模型在精度上与传统的方法比较提高7%。眼睛跟踪的结果证实了仿真的结果。     

红外序列图像的支持向量机分割方法

红外序列图像的准确分割是自动目标识别的关键,而当图像背景复杂时,传统的图像分割技术往往难以满足要求,为此,提出了基于支持向量机的红外序列图像分割方法。序列图像中的部分帧被作为训练样本,通过选择适合的模型参数,运用支持向量机方法建立学习机器,将后续图像帧中的目标从复杂的背景中识别出来,从而实现红外图像分割。实际红外序列图像分割表明,基于支持向量机的图像分割方法不需要复杂的预处理和后处理工作,分割效果理想,对于小目标的图像,识别正确率可达 99%。     

基于YOLOv3和ASMS的目标跟踪算法

为了解决传统算法在全自动跟踪过程中遇到遮挡或运动速度过快时的目标丢失问题,本文提出一种基于YOLOv3和ASMS的目标跟踪算法.首先通过YOLOv3算法进行目标检测并确定跟踪的初始目标区域,然后基于ASMS算法进行跟踪,实时检测并判断目标跟踪效果,通过二次拟合定位和YOLOv3算法实现跟踪目标丢失后的重新定位.为了进一...     

一种新的基于颜色统计特征的判别跟踪方法

针对目前目标跟踪的大部分判别算法注重跟踪效率而没有考虑尺度变化这一问题,提出了一个简单而鲁棒的基于颜色统计特征的判别跟踪方法。这种新的颜色统计特征具有一定的光照不变性,同时保持较强的判别能力。建立了跟踪过程的仿射运动模型,利用优化参数来解决尺寸及角度变化等问题。此外,为了进一步提高跟踪速度,采用低维的颜色统计特征描述目标外观,利用颜色统计特征训练贝叶斯分类器,将置信值最大的样本作为跟踪结果,并在线更新分类器。与现有跟踪器的大量综合性的对比实验表明,该判别跟踪方法在不同挑战因素下均有明显优势。     

分水岭变换和统计区域合并的图像分割算法研究

提出了一种基于分水岭变换和统计区域合并的图像分割方法.该方法综合利用高斯低通滤波、分水岭变换和统计区域合并,先对原始图像提取分割标记,然后利用Meyer分水岭变换对标记分水岭进行分割,最后利用概率统计的方法对过分割区域进行合并.该算法通过调节尺度参数可以实现由粗到细(coarse-to-fine)的分割.实验结果表明,这种简单可行的算法在分割噪声图像时依然有良好的效果,具有较强的鲁棒性.