基于改进的均值漂移算法的非刚性目标跟踪

针对现有的均值漂移算法不能适应非刚性目标的复杂运动情况,本文首先利用基于边缘的背景减方法去除背景干扰;然后利用GVFSnake技术提取出目标轮廓,结合目标轮廓改进了传统的颜色直方图;最后基于该颜色直方图结合卡尔曼滤波器或粒子滤波器改进了传统的均值漂移算法。实验表明,该算法可以实现快速的非刚性目标跟踪,对目标的不
不规则运动和严重遮挡有很好的鲁棒性。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

基于自适应活动轮廓模型的实时手势跟踪

在基于视觉的手势分析与识别中,一个关键环节是手势跟踪。本文提出了基于颜色信息的自适应活动轮廓模型,并与均值漂移算法相互融合,实现图像序列的实时手势跟踪。跟踪算法分为两步进行,首先应用均值漂移算法实现手部区域的定位,然后基于自适应活动轮廓模型提取手部轮廓。在跟踪过程中,轮廓提取为下一帧的区域定位更新搜索窗口,提高了搜索效率,使目标跟踪达到实时性要求。同时,本文根据跟踪区域模板与目标模板的相似性度量Bhattacaryya系数给出了在跟踪目标被遮挡时的处理方法,有效地解决了这一难题。实验结果证明了在无遮挡和遮挡两种情况下算法均能实现准确、实时的手势跟踪。     

基于GVF-Snake人体轮廓提取的优化算法

通过分析基于边缘、区域分割和形变模型等3类轮廓提取算法,提出一种分别对三者进行优化综合的基于梯度矢量流-主动轮廓模型(GVF-Snake)的人体轮廓提取优化算法。利用内嵌置信度边缘检测得到理想边缘图,通过形态学方法提取物体粗略轮廓作为GVF-Snake模型的初始轮廓。采用优化GVF-Snake模型提取精确轮廓。将上述方法应用于人体图像轮廓提取,实验结果表明,该方法达到了预期目的且具有较好的实用性。     

基于背景提取和扩展均值漂移算法的目标跟踪

通过在静态背景模型下利用自适应背景提取和扩展均值漂移算法相结合的方法对人机交互式的目标跟踪作了进一步的改进。首先利用自适应的背景提取算法从带有运动目标的复杂背景中构建背景图,并提取出运动目标轮廓。在跟踪模块,在均值漂移算法的基础上加入协方差得到的扩展均值漂移可以很好地解决传统均值漂移算法在跟踪过程中因为目标的形状或大小改变而导致跟踪的框架偏离目标的问题。实验结果表明,该算法能够较好地实现自动、实时、较准确的跟踪目标效果。     

基于时间颜色特征及快速模糊C-均值聚类的多人跟踪方法研究

首先用一种改进的背景减除方法检测行人的运动轮廓;然后将检测出的行人的轮廓区域分割成代表单人的轮廓区域;再用快速模糊C均值聚类的算法提取每个人的颜色特征;最后利用点特征和颜色特征对多人进行跟踪,并且在跟踪的过程中利用时间颜色权值来消除噪声对颜色信息干扰。实验结果表明,在基于点特征跟踪的系统中结合时间颜色特征能有效地解决多人跟踪的问题,并提高了跟踪的鲁棒性。     

基于Kinect的手势跟踪概述

综述了当前基于Kinect手势跟踪的几种代表性方法:基于轮廓和特征匹配运动目标跟踪算法、均值漂移跟踪算法、连续自适应均值漂移跟踪算法、卡尔曼滤波跟踪算法以及粒子滤波跟踪算法,分析其特点及相互关系,详细探讨了各方法的优缺点.最后对手势跟踪发展趋势作出了展望.     

视觉机器人对于快速道路检测问题的研究

针对复杂环境下视觉机器人道路检测算法的抗干扰性差、速度慢的缺点,为抑制噪声的干扰,提高算法的运行速度,提出了一种基于边缘和区域相结合的道路检测算法。算法先采用Canny算子求出图像的边缘,再根据道路的色彩信息进行自适应的区域分割,然后结合图像边缘信息和区域分割信息确定出道路的边界区域,最后对该区域的边缘图像进行Hough变换检测道路。实验结果表明,边缘提取的检测算法有效地提高了算法的抗噪性能和运行速度,具有更好的道路检测效果。     

基于局部抠像技术的融合图像精确跟踪算法

为了提高跟踪精度,提出一种基于局部抠像的融合图像全自动精确跟踪算法。首先采用帧间差分法获取运动目标的大致区域,并自动生成局部抠像框,由此采集目标、背景代表颜色集合;在此基础上自动生成抠像所需的草图,实现对目标的抠像;最后对抠像产生的前景映射图进行边缘检测即可获取精确的目标轮廓,并可根据跟踪结果对模型进行更新。对于实验的图像序列,与目标实际中心相比较,抠像跟踪误差均值为0.9像素,传统均值漂移跟踪误差均值为5.2像素。实验结果表明,该方法跟踪结果能完整、清晰地表示目标轮廓,很好地解决了跟踪中的漂移问题,提升了跟踪精度     

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。     

基于二维熵和轮廓特征的非结构化道路检测

针对非结构化道路场景复杂干扰因素较多、检测困难的问题,提出了一种基于轮廓特征和二维最大熵的道路检测算法。采用融合色彩特征不变量的二次二维最大熵分割算法对道路图像进行分割;利用边界跟踪算法提取分割图像的轮廓特征,根据道路区域的位置和几何特性选取最大轮廓;通过改进Mid-to-side算法进行边缘点搜索,用三阶道路模型重建道路边界,并对道路方向进行判断。实验结果表明,所提算法与传统算法相比,对三类不同场景下非结构化道路的检测准确率可提高25%左右,具有较强抗阴影干扰的能力,并能有效识别道路方向。     

图像分割算法在胃溃疡图像上的应用

主要研究了对胃溃疡图像中溃疡轮廓进行精确提取的问题。首先要解决对胃溃疡图像进行图像分割时,复杂多变的背景噪音对分割效果的影响,利用小波变换的多尺度特性对胃溃疡图像进行边缘提取,获得不同尺度下的边缘提取图。通过不同尺度下的边缘效果和溃疡边界的连通性,将不同尺度下获取的边缘再次进行对比和提取,把降低噪音的影响和保持边界连续性有效的统一起来,得到效果更佳的边缘提取图。同时利用梯度矢量流模型将轮廓收敛至溃疡的边界上,并对轮廓内的面积进行计算得到溃疡的面积。计算结果显示,利用小波变换和梯度矢量流模型后得到的溃疡面积,已经能够达到临床医学的要求。     

Urban road extraction from high-resolution optical satellite images

In recent years, many approaches have been exploited for automatic urban road extraction. Most of these approaches are based on edge and line detecting algorithms. In this paper, a new integrated system for automatic extraction of main roads in high-resolution optical satellite images is present. Firstly, a multi-scale greylevel morphological cleaning algorithm is proposed to reduce the grey deviation of the road regions. Secondly, based on the greylevel difference between road surfaces and environmental objects, a colour high-resolution satellite image is segmented into a simplified imagemap by using the mean shift algorithm, which consists of three stages. The first stage deals with image filtering, the second stage deals with colour segmentation, and the third stage is proposed to fuse small regions in the segmented image. The mean shift filter algorithm not only smoothes the image, but also preserves abrupt changes (i.e. edges) in the local structure. The mean shift segmentation algorithm is a straightforward extension of the smoothing algorithm, which preserves discontinuity. From the histogram of the simplified imagemap, we can find the potential road surfaces, and use greylevel threshold to convert the segmented image into a binary one. The binary image is processed by using binary mathematical morphological closing and opening to remove small objects and to open the connected street blocks. We use a contour tracing algorithm to remove holes in street-block regions and to detect the street blocks' contours. In this research we found that many street blocks' contours were preserved perfectly, except for some of them which were depressed. Finally, we utilize the convex hull algorithm to smooth the street blocks' zigzag edges and to close the gaps in some street blocks, and then, we get the road edges. The integrated system for road network extraction is tested on the red band of an IKONOS multispectral image; all algorithms in this study are developed in C++ under Windows XP operating system. Results of the road network extraction are presented to illustrate the validation of the extracting strategy and the corresponding algorithms in this research, and future prospects are exposed.     

跟踪窗口尺度自动更新的Mean—Shift跟踪算法

Mean—Shift算法作为一种高效的模式匹配算法,已经广泛地应用在实时性要求较高的目标跟踪系统中,但标准的Mean—shift跟踪算法缺乏窗口尺度自动更新机制无法满足图像中运动目标尺寸变化的需要。在分析图像的轮廓检测的基础上提出了一种窗口自动更新方法,实验证明本算法能够有效地跟踪尺寸变化的目标并且提高了跟踪精度,增强了跟踪稳定性。     

一种改进型多尺度DDCM主动轮廓模型边界检测算法

尽管主动轮廓模型 (Active contour model) ,或称 Snakes,近年来已经在计算机视觉和图象处理领域得到了广泛的应用 ,尤其在边界检测方面也表现出良好的性能 ,但是由于传统的 Snakes图象边界检测对初始轮廓线的位置十分敏感 ,因而限制了它的更广泛应用 .为了克服这一问题 ,提出了一种改进型多尺度 DDCM主动轮廓模型的边界检测算法 ,该算法是首先通过分阶段改变轮廓曲线的内力 ,使轮廓曲线的曲率能自适应地进行多尺度调整 ,进而改变了轮廓线的柔性和刚性 ,使之能够更好地与目标边界匹配 .实验结果证明 ,该算法在计算速度和边界检测精度上 ,均优于传统的主动轮廓边界检测算法 ,因而具有一定的实用价值 .     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。