基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

基于核密度估计和马尔科夫随机场的运动目标检测

针对目标和背景具有空间连续性的特点,提出一种基于核密度估计和马尔科夫随机场的运动目标检测方法。首先利用核密度估计计算像素点属于背景的概率密度,在特征向量中加入颜色空间运动矢量分量来提高对背景扰动和光照变化的鲁棒性;然后构造马尔科夫随机场,提出一种马尔科夫随机场能量函数代价项的构造方法,通过最小化其能量函数得到目标分割结果。实验结果证明,该运动目标检测算法对背景扰动和光照变化具有更好的鲁棒性,错误检测率更低。     

基于雷达测量的多目标联合检测、跟踪与分类方法

利用雷达测量中的目标速度、加速度等属性信息, 基于跳转马尔科夫系统模型高斯混合概率假设密度滤波算法, 提出了一种多目标联合检测、跟踪与分类方法.该方法在进行雷达多目标测量信息处理的多模型混合高斯概率假设密度滤波过程中, 对各高斯项编号, 进行航迹提取, 在滤波处理的同时形成带有航迹编号的明确航迹, 并进行航迹管理; 同时, 根据目标运动模型, 联合利用目标加速度控制输入与速度估计进行多目标分类.仿真试验验证了该方法能够在检测、跟踪的同时, 对目标航迹进行有效类型识别.     

基于混合高斯模型的三马尔可夫场红外图像分割

针对马尔可夫随机场在红外图像分割方面存在的问题,给出了一种基于混合高斯模型的三马尔可夫场红外图像分割算法.三马尔可夫场在马尔可夫随机场的基础上通过引入一个附加随机场和全体随机变量服从马尔可夫性假设,克服了马尔可夫场算法中对条件概率分布相互独立的要求,并赋予该附加随机场对目标和背景区域的标识作用,其中采用混合高斯模型作为三马尔可夫随机场的先验模型.仿真结果表明,文中提出的基于混合高斯模型的三马尔可夫场红外图像分割算法能够实现复杂背景的红外图像准确分割,得到较为理想的分割效果.     

基于快速EM算法的马尔可夫随机场模型运动目标自动分割

文章提出一种基于高斯马尔可夫随机场(GMRF)模型的运动目标自动分割算法。该算法采用高斯混合分布描述视频序列的差分图像，对标准Expectation—Maximization(EM)算法进行了改进，提出了快速EM算法。从不完整数据中估计出概率模型的参数。在此基础上建立马尔可夫随机场模型，构造系统能量函数。然后通过条件迭代模型(ICM)优化算法求解能量函数的最优解，得出标记场，提取出运动目标。实验结果证明，该算法对运动目标分割具有很好的分割效果。     

基于改进高斯混合模型的运动目标检测与跟踪

为了提高运动目标检测与跟踪的精确性与可靠性,提出一种基于改进高斯混合模型的运动目标检测与跟踪方法。首先,建立改进高斯混合背景模型,对运动目标图像进行分块处理,利用相连帧的连续性对运动目标图像的参数更新,提取完整的运动目标并进行分割;其次,将给定的当前帧像素点与目标图像进行匹配,减少高斯混合模型的分布数量和计算量,根据分块处理后的运动目标的大小、形状以及颜色信息完成运动目标全局匹配,实现运动目标的实时检测与跟踪。实验结果表明,与目前的高斯混合模型对运动目标检测与跟踪的方法相比,所提方法计算过程较为简单,具有更快的检测速度和更可靠的检测结果。     

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场（BGMRF, bivariate gaussian markov random field）模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings (M-H)算法进行模型参数估计,并依据最大后验概率（MAP, maximum a posterior）准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。     

采用扩展MRF的红外目标自适应检测方法

针对天基红外监视系统中不同形状目标的联合检测问题,提出基于扩展马尔可夫随机场的自适应目标检测算法。首先分析了天基红外监视系统中的目标特性,在此基础上以典型目标形状为模板,构建了扩展的马尔可夫随机场邻域系统;其次构建了新的马尔可夫势函数,并利用红外图像中背景与目标之间的马尔可夫势差异,将复杂背景中不同形状目标联合检测问题转换为马尔可夫势差异的判别问题,有效解决了马尔可夫随机场理论框架下混合形状目标检测问题。仿真试验结果表明,所提出的算法能够根据目标形状的变化自适应地检测各类目标,并可在不同图像信杂比条件下进行目标检测处理,具有较强的鲁棒性。     

基于纹理模型的红外图像弱小目标检测

针对红外图像中弱小目标的检测问题，提出了一种基于图像背景纹理分析的检测方法，利用二阶高斯－马尔柯夫随机场（ＧＭＲＦ）模型对背景纹理进行描述，并采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量。     

复杂背景下H.264压缩域运动目标检测算法

针对H.264/AVC压缩码流中的运动目标检测问题,提出了一种基于马尔可夫随机场的最大后验概率(MAP-MRF,maximum a posterior-Markov random field)框架下适合复杂背景的H.264压缩域运动目标检测算法。算法首先生成滤波后的4×4像素块均匀运动矢量(MV,motion vector)场,对MV的相位建立高斯混合模型(GMM,Gaussian mixture model),结合MV幅度、帧间宏块分割模式、MV相位背景模型和运动目标时空约束建立马尔可夫随机场(MRF,Markov random field)模型。通过求解该模型得到每个4×4像素块前景、背景标记检测出运动目标。实验结果表明,算法能从复杂场景的H.264码流中提取出运动目标,与传统算法相比,Precision和Recall指标平均分别提高了20%和3.5%。     

A generalized Gaussian image model for edge-preserving MAPestimation

The authors present a Markov random field model which allows realistic edge modeling while providing stable maximum a posterior (MAP) solutions. The model, referred to as a generalized Gaussian Markov random field (GGMRF), is named for its similarity to the generalized Gaussian distribution used in robust detection and estimation. The model satisfies several desirable analytical and computational properties for map estimation, including continuous dependence of the estimate on the data, invariance of the character of solutions to scaling of data, and a solution which lies at the unique global minimum of the a posteriori log-likelihood function. The GGMRF is demonstrated to be useful for image reconstruction in low-dosage transmission tomography.     

基于区域定位与轮廓分割的红外目标检测

红外图像受随机噪声干扰严重.传统的基于高斯混合模型的检测算法检测得到的红外目标受虚假轮廓影响,不易准确辨识.为了准确识别红外目标,采用了一种基于脉冲耦合神经网络和高斯混合模型的红外目标检测算法.首先利用高斯混合模型定位红外目标区域的位置,然后利用基于空间信息的分水岭算法得到闭合区域,再利用基于脉冲耦合神经网络的分割算法剪切其虚影,最终检测到完整的运动目标.结果表明,该方法能够消除在传统方法中产生的虚影现象,得到精确的红外运动目标.通过比较,实验结果优于传统方法.     

基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法

本文利用隐马尔可夫随机场和高斯模型分别建立标号场和特征场的邻域关系,提出了基于隐马尔可夫高斯随机场模型的模糊聚类分割算法。该算法用隐马尔可夫随机场模型定义先验概率,并将该先验概率作为尺度控制因子引入到KL（Kullback-Lerbler）信息中,在目标函数的定义中,KL信息作为规则化项,其系数表示算法的模糊程度。在基于高斯模型的后验概率中,像素相关性被定义在空间和谱间,并用该概率的负对数值表征像素点到聚类中心的非相似性测度。通过对合成遥感影像和高分辨率遥感影像进行分割实验,证明了算法的有效性和普适性。     

Multivariate Gaussian MRF for multispectral scene segmentation andanomaly detection

Gaussian Markov random field texture models and multivariate parametric clustering algorithms have been applied extensively for segmentation, restoration, and anomaly detection of single-band and multispectral imagery, respectively. The present work extends and combines these previous efforts to demonstrate joint spatial-spectral modeling of multispectral imagery, a multivariate (vector observations) GMRF texture model is employed. Algorithms for parameter estimation and image segmentation are discussed, and a new anomaly detection technique is developed. The model is applied to imagery from the Daedalus sensor. Image segmentation results from test images are discussed and compared to spectral clustering results. The test images are collages, with known texture boundaries constructed from larger data cubes. Anomaly detection results for two Daedalus images are also presented, assessed using receiver operating characteristic (ROC) performance curves, and compared to spectral clustering models. It is demonstrated that even the simplest first-order isotropic texture models provide significant improvement in image segmentation and anomaly detection over pure spectral clustering for the data sets examined. The sensitivity of anomaly detection performance to the choice of parameter estimation method and to the number of texture segments is examined for one example data set     

基于时空马尔可夫随机场的运动目标分割技术

复杂场景下的运动目标分割技术是近年来多媒体通信技术研究的热点之一。文中提出一种基于时空马尔可地随机场模型的运动目标分割技术。首先建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,通过模型可以提出期望的空间属性。然后利用迭代条件模型（ＩＣＭ）算法实现最大后验概率（ＭＡＰ）估算问题。最后利用形态滤波的方法对分割结果进行修正。模拟实验结果证明,该方法能够有效地抑制图像的噪声,对于运动     

分形方法用于有噪图像边缘检测的研究

本文研究了加性高斯白噪声对于基于离散分数布朗随机场模型图像分形维数估计的影响，并将分形方法用于图像边缘检测，指出在加性高斯白噪声的情况下，分形方法用于图像边缘检测较之经典的基于梯度运算的边缘检测方法有好的抗噪性能，同时又能检测比较丰富的图像边缘细节。