一种改进的CV水平集图像分割方法

由Chan Vese提出的水平集图像分割模型可以不依赖于图像的边缘信息而对弱边缘以及含有内部轮廓的图像具有良好的分割效果.但对于背景图像灰度包含两个及以上等级分层时,图像分割得不到准确的结果.提出一种新的基于C V模型的改进算法,该算法引入了快速C V方法的思想,融入全局梯度信息以及目标的先验知识.实验结果表明,该方法能够很好地分辨出背景图像复杂灰度包含多个等级分层的目标区域轮廓且具有良好的适应性.     

用于目标定位的图像边缘点检测算法

提出了一种检测特殊边缘点定位图像中目标的算法,该算法可以检测图像中感兴趣的边缘信息。通过检测图像行序列中是否存在特定的灰度序列来判断特殊边缘点的存在并计算其所在位置。利用本文算法对焊缝图像中的焊缝和虹膜图像中虹膜区域进行了定位验证。实验表明,本文算法可以准确定位焊缝的边缘点。在虹膜区域定位时,得到感兴趣边缘点后使用Hough圆检测方法可以定位虹膜区域的轮廓,可用于UBIRIS.v2虹膜图像数据库中各种类型图像的虹膜区域定位。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

基于高斯混合模型和canny算法的运动目标检测

提出一种基于高斯混合模型和canny算法的运动目标检测算法.利用高斯混合模型计算像素之间的颜色信息,同时利用高斯混合模型更新背景信息;用canny算子提取图像的边缘信息;将颜色信息和区域结构信息线性融合起来,较好地解决了边缘信息明显的运动目标检测.实验中采用改进的加权高斯模型及传统的canny算法相结合.结果表明,本文...     

复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

基于目标形态特征的工件自动分割方法

为了使交互式工件分割算法满足实时性的要求,提出了一种将工件形态特征与图像分割算法相结合的工件自动分割方法.利用MeanShift算法分割图像提取目标区域;利用形态学开运算消除目标区域的噪声,进而分离相连的目标区域;对目标区域进行边缘检测,计算完整的工件轮廓信息,然后根据外轮廓的面积确定工件区域;利用工件区域的最小外接矩形在图像中标出前景和背景区域,再利用GrabCut算法分别对前景和背景建立高斯混合模型,然后通过mincut/maxflow算法分割前景与背景区域,最终实现工件目标的提取.实验结果表明,对于制造商提供的样本,该方法分割工件的召回率和准确率分别为94.97%和88.48%,具有较强的实用性和良好的实时性.     

融合MOG2算法与FT算法的移动目标检测方法

针对移动目标检测方法存在的受背景环境影响而导致检测结果不准确的问题,本文提出一种融合高斯混合模型的背景减除法。算法与频率调谐显著性区域检测(frequency-tuned, FT)算法的移动目标检测方法。该研究以摄像头拍摄到的遥控车行走视频为分析材料,在降采样图像上用MOG2算法检测移动目标,经二值化和滤波去噪后框选移动目标感兴趣区域,采用FT算法检测此感兴趣区域,并利用置信度结合两次检测结果完成移动目标检测。实验结果显示,在置信度分别为α=0.6,β=0.4时,本文检测方法将检测300帧图像时平均交并比由0.72提高到0.78,说明该算法可以消除背景阴影及鬼影影响,从而有效提高移动目标的检测精度。     

基于边缘颜色对特征及笔画穿越双层检测车牌定位算法

针对现有车牌定位算法鲁棒性不够、准确度不高以及参数设置困难等问题,提出基于边缘颜色对特征以及笔画穿越双层检测车牌定位算法,不但充分利用车牌边缘颜色搭配信息,而且有效利用了车牌字符结构信息。粗检测阶段：首先进行边缘检测,人工收集所有搭配的彩色边缘特征数据,利用机器学习模型建立车牌边缘颜色对覆盖分类学习模型,然后利用车牌边缘颜色对覆盖分类学习模型,并利用先验信息进行形态学处理形成车牌候选区域。验证阶段：针对粗检测车牌候选区域,扫描车牌边缘穿越信息,最后利用车牌区域整体边缘分布覆盖分类模型进行候选区域验证处理。该方法利用车牌背景与字符具有固定颜色搭配的重要特点,综合利用了车牌的结构特征和纹理特征,提高了车牌定位的可靠性。实验采用100幅含有不同颜色搭配的车牌图像进行实验,定位准确率达到96%以上。     

局部能量模型边缘检测方法研究

绝大多数边缘检测算法都是基于梯度的边缘检测,但是随着纹理复杂度加深,梯度会变得模糊,在边缘图像中很难找到有用信息。提出了一种采用局部能量模型来检测健全和有用的图像边缘的新方法。该局部能量模型与人类视觉系统相关,采用非标准的感受野（Non-CRF）抑制进行感兴趣边缘检测。实验结果表明,在感兴趣的边缘检测中,新方法比梯度模型（Canny）算法取得了更好的检测效果.     

双目立体视觉测距系统目标车辆检测算法研究

研究以高速公路为背景的双目立体视觉测距系统中目标车辆检测算法.提出一种基于统计理论的方法对图像进行二值化处理,根据图像的边缘特征,运用Sobel算子实现边缘增强,以获取精确的边缘信息.边缘提取后利用Hough变换检测车道边缘并确定日标车辆所在路面区域范围,在该范围内通过检测车辆底部的阴影确定车辆的位置.试验结果表明,该...     

基于先验形状的CV模型肝脏CT图像分割

针对目标被部分遮挡或部分信息丢失情况下CV模型不能正确识别的问题,提出一种新的分割算法。首先,利用数学形态学对原肝脏图像进行滤波,并结合其他算法建立肝脏先验形状;然后,采用边缘查找和区域标定等算法,对肝脏先验性状的边缘以及边缘内外区域进行赋值,构建执行效率高的符号函数距离函数,将其通过形状比较函数嵌入到CV模型的能量泛函中,形成新的基于先验形状的CV模型,并将此模型用于分割存在干扰或者被部分遮挡的肝脏CT图像。与CV模型分割结果相比,本文算法能在目标周围存在干扰信息或者被部分遮挡的情形下,成功地正确识别出目标区域。     

视觉注意计算模型及其在自然图像压缩中的应用

为了提取自然图像中的主要视觉信息以便更好地对图像进行压缩，提出了一种新的基于感兴趣区域的图像压缩方法.该方法使用一个基于视觉生理和心理物理实验结果的视觉注意计算模型计算图像中的感兴趣区域，并用JPEG算法对感兴趣区域和背景区域采用不同的压缩比进行压缩，对部分图像进行了初步实验.结果表明，用该方法压缩后图像的字节数和每像素比特数等参数均好于JPEG算法；同时压缩后图像在视觉上对比突出了感兴趣区域，有利于对感兴趣区域的观察.     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

融合边缘片断与水平集分割的目标跟踪算法

提出了一种融合边缘片断特征与水平集分割的非刚体目标跟踪算法.首先通过Gentle AdaBoost训练器训练得到目标边缘特征字典;然后在每一帧图像中把目标边缘特征字典与图像边缘作Chamfer匹配,通过把具备鉴别能力的图像边缘片断特征嵌入到水平集能量函数中,用来降低背景中边缘信息的干扰.实验结果表明,在非刚体目标局部被遮挡的情况下,仍能准确获得目标轮廓,体现出了该跟踪算法良好的跟踪性能.     

基于改进的四阶各向异性扩散的中值先验重建算法

针对只能提供有限局部先验信息的最大后验法可以使重建后的图像出现阶梯状边缘伪影和过度平滑等缺点,提出了一种基于改进四阶各向异性扩散的中值先验重建算法.该算法首先在中值先验分布重建算法的目标函数中加入先验信息,用于保真图像的细节;然后针对重建图像依然存在块状伪影的问题,在每次迭代中对重建的图像进行改进的四阶偏微分降噪处理,从而使图像得到进一步的优化.仿真实验结果表明,该重建算法可以在对重建图像进行降噪的同时很好地保持图像的边缘和细节,获得高信噪比以及高质量的图像.     

轮廓匹配的复杂背景中目标检测算法

为解决基于形状的目标检测算法受图像复杂背景的影响,本文提出了一种新的基于轮廓匹配的复杂背景中目标检测方法,算法结合了显著性检测和模板匹配的方法.首先对输入图像在超像素级别进行预处理,应用显著性区域检测方法得到不含复杂背景的区域图像,然后在显著性区域内得到初始边缘图像,对初始边缘图像进行优化处理后利用形状描述子进行轮廓匹配,最后,通过深度优先的搜索策略识别目标的假设位置并进行假设验证来确定最终的目标位置,完成复杂背景图像中的目标检测任务.在ETHZ形状数据集的实验结果证明了本文算法的可行性,根据50%-IoU和20％-IoU标准与其它几种基于形状的目标检测方法进行对比,当误报率为0.3时,算法平均检测率是96%,误报率为0.4时,检测率已经达到99%,如果接受更高误报率时检测率可达到100%,均高于其余几种算法.算法的实验和对比分析结果表明本文方法可以提高检测精度,具有明显的性能优势,为复杂背景中的目标检测提供了新的解决方法.     

Mean shift 算法在带钢缺陷图像分割中的应用

带钢自动表面检测系统中缺陷图像的分割效果对缺陷识别具有重要影响．为了提高缺陷图像的分割效果,提出了采用 Mean shift 算法对带钢缺陷图像中的感兴趣区域进行平滑从而获取缺陷边缘的方法,并将该算法与中值滤波算法进行了比较．测试结果表明,Mean shift 算法能够有效地对缺陷图像中的感兴趣区域进行平滑,并精确得到缺陷目标的边缘,该算法在带钢的缺陷分割中具有较好的性能．     

基于背景统计的ROI提取方法

针对基于视觉特征的ROI提取算法的不足和图像噪声的影响,借鉴图像分块的思想,提出了一种基于背景像素点统计模型进行ROI提取的算法。该算法基于图像分块,消除了噪声作为显著视觉特征时对ROI提取的影响。将该算法运用于室内监控图像中的ROI提取实验。结果表明,所提算法能实现多种情况下感兴趣区域的自动准确提取。     

基于灰度投影运动估计的ViBe改进算法

传统的ViBe算法在目标检测中是比较常用的检测算法,该算法因为便于实现、运算效率高等优点在运动目标检测方面得到了广泛的应用.但是传统的ViBe算法在分离前背景时经常出现"鬼影现象".针对以上问题提出了一种基于灰度投影运动估计的ViBe改进算法,首先用三帧差分法和ViBe算法对运动目标进行了实时检测,分离了前背景后,发现由于背景发生变化时对检测的前景目标图像有误检现象,为了去除运动背景的影响,采用了灰度投影运动估计的方法,用于估计两帧图像的平移参数和缩放参数,并选取一个参照帧的背景图像作为参考,最后根据将运动参数映射到当前输入的背景图像中,实现了背景的补偿,得到了真实的背景图像.实验结果表明,本文算法在对运动区域的目标进行检测时可避免鬼影、抗动态背景模型干扰等方面有很好的优势,并可以准确的在动态背景下检测出运动目标的位置信息.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。