基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

基于颜色与线段的图像轮廓提取算法

传统二维图像轮廓识别算法通常是在图像中找到边缘,根据设定的条件将边缘像素组合起来形成轮廓。针对边缘检测算法通常需要对不同的图像设定不同的阈值,对不同类型的图像很难找出统一的阈值的问题,文中提出了一种同时利用图像中颜色与线段信息的彩色图像轮廓提取算法,算法采用自顶向下的颜色空间融合和自底向上的线段检测的方法,在初步获取边缘信息之后,综合利用检测结果生成目标的轮廓。算法的优点在于不需要进行阈值调整,实验表明:该方法可以有效地提取彩色图像中的目标轮廓。     

融合饱和梯度和Laplace谱的概率松弛匹配算法

文章将彩色图像的色彩信息和邻域信息引入谱匹配算法中,运用更能反映图的结构信息的Laplace谱,提出了一种融合彩色图像特征点的饱和梯度和Laplace谱的概率松弛匹配算法。先根据特征点点集的Laplace谱的相关性作为初始匹配,再利用概率松弛迭代寻找点之间匹配关系。实验结果表明该算法可获取较高的匹配精度。     

基于高斯混合背景模型的运动目标检测技术研究

在运动目标检测技术中,使用传统的高斯混合背景模型所得到的检测结果并不能完美地获取运动目标的轮廓信息,而图像中像素的梯度信息,刚好就是反映了各物体的轮廓和边界,并且相对于颜色信息而言,梯度信息对于噪声并不敏感。为此,该文对传统的高斯混合背景模型进行了改进,提出基于梯度时空信息的高斯混合背景模型,证明了改进的算法确实能够取...     

小目标图像局部极值收敛提取算法

复杂背景下小目标自动提取技术尚不够完善,针对小目标自动提取问题,提出一种通过汇聚于同一极值点的所有路径来描述小目标区域的目标提取算法。该算法根据图像梯度特性筛选出路径的起始点位置;从起始点位置出发,沿着梯度最速下降方向,使路径收敛于图像的局部极小值点,收敛于同一极值点的所有路径构成独立核心区域;分析了焦点独立核心区域和噪声独立核心区域特征间的差异,以该特征中的内外均值比特征,对独立核心区域进行了滤波,分离出焦点核心区域;对独立核心区域聚合,得到目标核心区域。通过实验证明:该算法能够自动检测出焦点目标,和现有算法相比,提高了小目标提取的自动化程度。     

录播系统中图像分割与轮廓提取算法的研究

在基于图像识别技术的录播系统中,通常使用背景差分法检测运动目标,在当前帧与背景帧做差之后,需要进一步选取合适的阈值进行图像分割,从而最终提取出运动目标的轮廓.研究了基于最大类间方差准则的图像阈值分割,在此基础上进一步研究了掏空内部点的轮廓提取算法,并且使用轮廓缺陷修补技术改进轮廓提取算法,从而得到封闭的轮廓,最后使用Freeman链码表示提取的轮廓.实验证明,该算法为录播系统的实现提供了良好的技术保障.     

机载气象雷达目标的三维建模方法研究

三维可视化系统能够为机载气象雷达回波数据分析提供支持。本文以预先提取的气象目标三维点云数据为基础,设计了一种面向机载气象雷达目标的三维建模方法。首先运用α-shape算法提取气象目标的外轮廓点云,并通过主元分析法求取点的法向量,再利用泊松重建算法对具有法向信息的外轮廓点云进行三维表面重建。结果表明,该方法得到的气象目标三维重建结果轮廓清晰,表面细节特征明显,能够反映气象目标的空间结构分布特征。相较于仅使用α-shape算法和移动立方体算法,该方法在重建精度和计算效率方面均有提高。重建模型整体上满足机载气象目标三维建模的要求,可以为未来的机载显控气象信息平台三维可视化提供技术支持。     

视频多运动目标提取的新方法

提出一种利用视频序列的时域和空域信息进行多运动目标检测的新方法.首先对相邻的图像帧进行差分,并利用3σ准则二值化差分图像,得到运动目标的时域信息,然后标记该二值图像的连通区域来消除噪声,结合边缘检测所得到的空域信息得到运动目标模型,最后连接模型的最外围轮廓点即得到目标的完整信息.该算法充分运用了运动目标的时域、空域两方面信息,能够准确的提取出运动目标.     

基于SIFT特征与预测的运动目标检测算法

为了在动态场景下对运动目标进行快速检测,提出一个改进的SIFT特征匹配的检测算法。首先采用SIFT方法提取匹配的特征点;然后为全局运动建立起旋转参数模型,并使用RANSAC方法排除外点的影响,运用最小二乘法求解全局运动参数;最后利用基于残差图像块的更新策略对特征点进行更新。该算法是基于预测的SIFT特征点匹配算法,不仅保持了SIFT方法的优越性能,而且提高了检测目标的速度。与块匹配算法的实验结果对比表明,该算法可以实时准确地检测出运动目标。     

基于RGB-D图像的重叠颗粒物分层计数

文中提出一种基于RGB-D图像的重叠颗粒物分层计数方法。由Kinect相机获取彩色和深度图像并配准,对彩色图像采用改进的K-means聚类算法提取颗粒物轮廓,利用格雷厄姆凸壳算法和圆形度对其摆放类型进行分类。利用插值算法对可提取的部分边缘轮廓进行轮廓重建以获取对应目标区域颗粒物数量;对于无法提取的颗粒物轮廓,由估算得到的单个颗粒平均像素点数,根据目标区域总像素点数计算出颗粒物数量;对于无法利用彩色图像提取到的上层目标区域,由深度图像进行阈值分割即可完成上层目标区域的提取和分类计数。文中采用大小均匀、类圆形核桃为研究对象,对任意摆放的不同颗核桃进行计数,平均正确率达99.38%。表明文中方法应用于重叠颗粒物计数是有效可行的。     

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。     

Segmentation and tracking in echocardiographic sequences: activecontours guided by optical flow estimates

This paper presents a method for segmentation and tracking of cardiac structures in ultrasound image sequences. The developed algorithm is based on the active contour framework. This approach requires initial placement of the contour close to the desired position in the image, usually an object outline. Best contour shape and position are then calculated, assuming that at this configuration a global energy function, associated with a contour, attains its minimum. Active contours can be used for tracking by selecting a solution from a previous frame as an initial position in a present frame. Such an approach, however, fails for large displacements of the object of interest. This paper presents a technique that incorporates the information on pixel velocities (optical flow) into the estimate of initial contour to enable tracking of fast-moving objects. The algorithm was tested on several ultrasound image sequences, each covering one complete cardiac cycle. The contour successfully tracked boundaries of mitral valve leaflets, aortic root and endocardial borders of the left ventricle. The algorithm-generated outlines were compared against manual tracings by expert physicians. The automated method resulted in contours that were within the boundaries of intraobserver variability     

Active contours without edges

We propose a new model for active contours to detect objects in a given image, based on techniques of curve evolution, Mumford-Shah (1989) functional for segmentation and level sets. Our model can detect objects whose boundaries are not necessarily defined by the gradient. We minimize an energy which can be seen as a particular case of the minimal partition problem. In the level set formulation, the problem becomes a "mean-curvature flow"-like evolving the active contour, which will stop on the desired boundary. However, the stopping term does not depend on the gradient of the image, as in the classical active contour models, but is instead related to a particular segmentation of the image. We give a numerical algorithm using finite differences. Finally, we present various experimental results and in particular some examples for which the classical snakes methods based on the gradient are not applicable. Also, the initial curve can be anywhere in the image, and interior contours are automatically detected.     

TNRAC: a system for tracking multiple moving non-rigid objects using an active camera

This paper presents an enhanced method for detecting and tracking moving objects from an active camera image sequence using active contour models. Such enhancements are: (1) Using best block matching instead of the conventional block matching technique to locate the promising feature points in the current frame. (2) Developing a new algorithm for rejecting bad feature points that affect negatively the background compensation process. (3) Applying a modified region growing and labeling algorithm to extract moving objects then applying active contour models around these moving objects in order to take into account the object inside this contour. Various factors are studied to measure the system performance and limitations. A comparison of TNRAC and the conventional approach is conducted using both rigid and non-rigid objects in both indoor and outdoor scenes.     

基于边缘特征的自动运动对象分割

为了准确分割出视频场景中的运动对象,该文提出了一种基于边缘特征的运动对象分割及跟踪算法。首先对相邻帧进行自适应变化检测,得到相邻帧二值差分图像。结合当前帧Canny算子检测的边缘图像,获得运动对象的初始边缘模板。其次对运动对象的运动分为快变和慢变两部分进行跟踪并更新运动对象的边缘模板。最后对运动对象的边缘模板进行数学形态学处理得到运动对象的外轮廓,使用梯度向量流场作为外力的改进活动轮廓算法收缩获得运动对象准确的闭合轮廓曲线。该算法对运动对象的整体运动和局部形变都有很强的鲁棒性, 能够得到运动对象准确的轮廓,并且对复杂背景有很好的适应性。     

基于变形模板技术的目标轮廓跟踪算法

为了适应目标旋转、尺度、场景光照等变化,利用B样条曲线表达目标轮廓,结合变形模板技术对运动目标的轮廓进行跟踪.在跟踪过程中,沿着模板曲线的法线方向检测目标轮廓,提高了检测效率.根据同一曲线上相邻点间的相关性,对检测所得的轮廓点集的坐标序列进行中值滤波,有效降低噪声干扰.将检测到的轮廓点集在形状空间匹配,使目标轮廓的形变限制在一定范围之内,有效抑制噪声和背景边缘特征的干扰.仿真试验表明,该算法能够有效得到目标轮廓,且具有较好的实时性.     

基于运动跟踪匹配技术的视频对象提取

本文提出一种自动分割VOP的技术。其方法是：先对初始帧使用形态运动滤波技术提取出初始运动对象的二值轮廓模型,并在后继帧中使用豪斯道夫对象跟踪器跟踪运动以对象模型;而为了适应对象的形状变化,本文使用活动轮廓模型（snake）技术对运动心合匹配;最后根据一系列精确的二值轮廓引导提取运动对象序列。实验结果表明,我们的算法可有效地提取视频对象平面。     

基于主动轮廓模型联合Camshift算法的目标跟踪方法

针对城市道路交通环境中传统Camshift算法跟踪窗不能描述运动目标轮廓以及易受近似颜色干扰跟踪丢失的问题,提出基于Snake主动轮廓模型联合Chamshift区域模型的目标跟踪方法,算法将原Camshift算法中使用的HSV颜色特征和LTP纹理特征融合,增加了抗干扰能力,同时利用多尺度小波改进的Snake主动轮廓模型进一步对物体轮廓检测,去除阴影区域,更为直观的描述了物体的轮廓。实验证明,新方法在城市道路交通监控中有良好的应用前景。     

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮...