基于光网络的运动图像轮廓像素点修复

为解决光通信网络下运动图像轮廓像素点损坏较为严重问题,研究光通信网络下运动图像轮廓像素点修复方法,基于光通信网络下运动图像的通信光路选取圆偏振光传输图像信息,利用减背景预处理、局部动态阈值分割两部分预处理光通信网络下运动图像提升图像质量,对预处理后图像建立动态轮廓线动力学方程,基于动力学方程采用动态轮廓线的迭代收敛算法...     

基于图像融合的运动目标轮廓提取新方法

提出了一种新的运动目标轮廓提取方法。该方法分为3个步骤：对于红外与可见光图像序列,首先应用运动分割得到运动目标的初始轮廓线;其次,使用了动态轮廓线使其收敛到目标轮廓;最后,应用了两种新的图像融合方法,第1种方法求解两类模式图像的动态轮廓线控制点向量差的L2范数平方极小化,第2种方法通过图像配准实行改进的微分耦合。对比检测实验表明,第2种方法具有较好的融合效果。同时,设计了一种基于Newmark方法的动态轮廓线快速迭代算法,该方法如Wilson-θ方法的对比实验表明,Newmark方法稳定收敛的迭代时间降低了21．01％。     

密集场景下基于轮廓运动的人群行为分析

密集场所条件下,基于视频监控下的人群行为分析在安全防范、智能预警、危机处理等方面具有较高的应用价值.本文针对密集人群的行为分析问题,首先通过边缘检测与混合高斯结合,对边缘梯度建模来提取前景边缘和前景人体轮廓;然后通过提取并跟踪前景轮廓上的特征点,提取可靠人群轨迹;最后,根据特征点与群组中心的拓扑关系进行聚类,获得局部一致性群组,在此基础上,分析群组中心运动向量的交点、群组间距离变化和运动速度,实现人群行为分析.     

基于头肩图像中脸部轮廓的运动估值

对于可视电话中的头肩图像,在提取出脸部轮廓后,在脸部区通过搜索出全局的二维运动参数来确定各像块运动矢量的初始搜索点。在此基础上搜索精确的运动矢量时,搜索范围很小,搜索结果更符合真实运动,保证了运动矢量场的一致性。因此,既加快了运动估值的速度,又节省了编码运动矢量所用的比特数,使图像的质量有所提高。     

运动物体轮廓检测系统

本设计使用由MSP430F149单片机控制的E18D80NK红外光电开关采集信息,通过NRF24L01无线传感器模块,将数据发送给另一块MSP430F149单片机。单片机首先将数据存储起来并进行数据处理,通过行列坐标打点的方式将物体轮廓,速度以及通过时间显示在LCD12864液晶屏上。     

基于主动轮廓模型提取运动目标的图像分割技术

复杂背景下的运动目标分割技术是近年来多媒体通信技术的研究热点之一。文中提出一种基于SNAKE模型的运动目标分割技术。首先，利用运动检测的方法，从视频图像中粗略提取出运动目标；然后再利用SNAKE模型收敛到更为精确的物体边缘。模拟实验的结果表明，该方法对运动目标的提取有较好的分割效果。     

基于水平集算法后向散射的运动目标轮廓提取

基于距离选通的激光主动成像系统在大气条件下对运动目标成像时,为了在更大范围内搜索跟踪目标,距离选通初始门宽通常在微秒量级,进而引起后向散射,严重影响了系统对目标的识别与提取。文中首先分析了基于距离选通的激光主动成像系统,在此基础上引入距离信息实时跟踪运动目标,研究了不同选通门宽引起的后向散射对图像质量的影响,提出了一种基于Sobel 算子和 GAC 模型的目标轮廓提取算法,将 Sobel 边缘检测的结果引入水平集边界停止函数,为水平集的曲线演化提供参考依据。实验结果表明,提出的水平集算法能够克服严重后向散射干扰影响提取目标轮廓,目标提取精度在0.9以上,高于 GAC、LIF、LBF 等经典水平集算法。     

基于变化检测和改进的GVF snake模型的运动目标轮廓提取

为了解决当前目标跟踪中目标轮廓提取不精确的问 题,在对传统GVF (gradient vector flow)snake活动轮廓模型改进的基础上,提 出一种基于变化检测和改进的GVF snake活动轮廓模型的视频目标轮廓提取算法。首先,通 过 基于t显著性检验的变化检测方 法消除背景边界的影响,并获取初始运动变化区域的临界四边形作为GVF snake的初始轮廓 。然后,对初始轮廓应用改进 的GVF snake模型以获得精确的轮廓边界。改进模型采用4方向各项异性扩散,并采用下降速 度较快的保真项系数以增强 GVF snake进入凹陷的能力,且保持对弱边界的收敛。本文方法克服了手动绘制初始轮廓的 缺点,对传统GVF snake方法进 行了改进,且空间准确度(SA)有很大提高。实验表明 ,本文方法成功分割出目标凹陷部分并对弱边界有较好的收敛效果,提高了轮廓提取的精确 度。     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题.该文提出一种基于显著轮廓特征的SAR图像"由粗到精"的匹配新方法.该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果.试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配.     

运动人体轮廓检测算法的分析与改进

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的关键步骤。为了克服不均匀光照、前景运动缓慢、背景中存在摇摆的树叶等因素对检测带来的影响,提出了一种背景减除法与帧间差分相结合的运动目标检测方法。该方法首先通过基于帧差法的背景模型建立方法建立背景图像,再结合背景减除与带有权值的帧间差分检测运动目标,降低目标物体对速度和环境干扰的敏感性。最后通过形态学梯度运算操作消除外界噪声的影响。实验结果表明,本文提出的算法计算简单,对环境适应能力较强,是一种有效的运动人体检测方法。     

结合运动目标轮廓提取的均值漂移算法

提出一种结合运动目标轮廓提取的改进均值漂移算法。对相邻4帧的图像两两配准之后进行差分相乘运算,再进行形态学处理获得理想的目标区域,经权值计算之后在该区域内建立目标颜色直方图模型,计算均值漂移向量进行目标跟踪,当相似性系数小于某个阈值时更新目标模板模型,以适应目标的形变等情况。实验结果表明,改进后的算法具有较好的抗背景干扰能力,能够有效和准确地跟踪目标,而且对跟踪不规则和形变目标有很好的适应性,提高了均值漂移算法的跟踪性能。     

复杂背景下多运动目标轮廓检测

该文在研究多种运动目标轮廓检测算法的基础上,提出了一种新的复杂背景下基于连续3帧即可精确检测多运动目标轮廓的算法。分析和实验表明,该算法抗干扰能力强,可以有效地消除被运动目标遮挡和重现的纹理背景,对复杂背景及不重叠多目标运动情况,可以精确地定位各个运动目标的外轮廓。此外,该算法具有潜在的并行机制,易于实现实时运动图像处理。     

彩色图像序列中运动目标外轮廓的自动提取

该文提出了一种新的多运动目标精确外轮廓自动提取算法。算法的主要创新点是：采用指数滤波计算彩色图像的梯度强度,改善了彩色图像梯度局部极值点的定位精度,所得到的梯度强度和运动边缘位置信息供随后的轮廓迭代中使用,成功地避免了动态轮廓的过收缩。此外,充分利用轮廓的方向信息,又有效地克服了动态轮廓迭代中的外扩展。从而,算法自动地提取出一个真正紧贴的目标外轮廓。分析和实验表明,该算法抗干扰能力强,对复杂背景及不重叠物体,可以精确定位并提取出各个运动目标的外轮廓。     

基于相移轮廓术的双采样运动物体三维重构EI北大核心CSCD

相移轮廓术因其高精度和高鲁棒性广泛应用于三维重构。由于需投射多幅条纹图到物体表面,相移轮廓术要求物体在重构过程中保持静止,导致运动物体的三维重构精度较低。文中提出了一种基于相移轮廓术的双采样运动物体三维重构方法。首先调整相机和投影仪时序,使投影仪投射一幅条纹图的同时,相机完成两次采集。然后分析物体运动对双采样条纹图的影响,并建立条纹描述方程。结合物体的运动信息,提取混合相移条纹图中的相位信息。最终对拍摄条纹图进行复用,提高运动物体的三维重构帧率。实验结果表明,该方法不仅可以精确重构运动物体,减少运动误差,还在投影速度受限的前提下提高了运动物体的三维重构帧率。     

运动的目标圆盘的轮廓和圆心提取方法研究

文章研究了在运动状态下提取目标匹配点圆盘及其圆心的方法。对视频流采用背景差和相邻帧差法获得运动物体的运动参数,采用随机Hough变换对较小区域进行圆检测,检测的结果中包含真圆和假圆。在运动过程中随着光照和位置的变化真假圆圆内的灰度也发生变化,因为本文结合圆内灰度值统计来判别目标圆。并根据判别出的目标圆来计算出圆盘的圆心。实验验证了上述方法的有效性,给出了检测结果并统计了目标圆心在整个视频中的像素运动轨迹。     

基于车型轮廓的车牌定位识别

在目前的车牌识别方法中,有基于灰度图像的方法,基于小波变换的车牌定位方法等。然而,由于光照变化容易影响车牌识别的准确性,为了提高识别系统的环境适应能力,本文提出了基于车辆轮廓特征识别车牌的方法。首先,提取车辆轮廓,然后比较该模型的轮廓区域与数据库中的汽车轮廓模板相交点的位置。匹配成功后,找到交叉处Bisquare线性拟合点,使用交点坐标和车牌4个顶点坐标来定位车牌之间的相对位置关系。     

基于可变形轮廓片段的物体检测

针对实际场景中的物体遮挡,背景复杂和待测物体偏离图像中心等影响检测结果的问题,本文提出一种新颖物体特征：可变形轮廓片段。该特征更贴切的描述待检测物体的边缘信息。利用Real AdaBoost算法,可变形轮廓片段级联成强检测器,用于物体检测。实验验证,本算法具有很好的检测效果和鲁棒性。     

基于图像显著轮廓的目标检测

为了应对由复杂场景和目标形变所造成的目标难以检测的问题,提出一种基于图像显著性轮廓的目标检测方法.该方法首先利用全局概率边界算法（Globalized probability of boundary,gPb）提取图像轮廓,然后利用改进的最大类间方差法（Otsu）自适应地阈值处理获得图像的显著性轮廓;再通过检测并移除目标不稳定轮廓部分构造目标的鲁棒扇形模型;最后联合轮廓的多种局部及全局特征提出三种相似且基于特征概率密度分布的匹配策略,分别检测目标、目标镜面翻转以及发生旋转的目标.通过对多个数据库的实验分析,该方法能够有效地检测出目标及目标镜面翻转,同时在小偏转角范围有效检测旋转后的目标.