基于标记的多尺度分水岭视频目标分割算法

针对视频目标提取的问题,提出了基于标记的多尺度分水岭视频目标分割算法.该算法以帧间变化检测为基础,通过改进的最小Tsallis交叉熵进行去噪、滤波,经形态学处理后得到运动目标初始二值掩模,并利用初始二值掩模得到用于分水岭算法的前景与背景标记,用该标记修正当前帧的多尺度形态学梯度图像,最后进行分水岭分割,得到具有精确边界的视频对象.实验结果表明,该算法能有效地分割和提取视频序列中的单个、多个以及快速运动的目标,继承了变化检测和分水岭算法速度快的优点,克服了分水岭容易产生过分割的缺点,具有较强的适用性.     

运动背景下移动目标分割定位算法研究

针对运动背景下运动目标分割定位困难的问题,提出了融合背景补偿与均值漂移的运动背景下目标分割定位算法。该算法首先在运动背景补偿的基础上,利用帧间差分法得到差分图像。其次,对差分图像中非零像素点建立多特征描述子,运用均值漂移算法对其进行聚类。最后,利用均值聚类得到的非零像素点来对运动目标进行分割定位。实验结果充分表明,该算法可以比较精确地进行运动背景下移动目标的分割定位。     

基于HSV空间的岩心图像处理

针对石油勘探中的岩心图像在分割过程中难以有效识别出灰度值相近的颗粒与颗粒、颗粒与背景的边缘信息,且容易造成过度分割或欠分割的问题,提出一种彩色图像分割并获取颗粒粒度分布的算法,并将结果与灰度迭代算法、最大熵法和分水岭算法分割结果进行比较。结果表明,该算法以彩色图像HSV模型的V分量为依据进行图像分割,可以在较为复杂的岩心背景下校正分割结果,更准确地分割出目标和背景颜色相近的边缘,获得砾石、泥沙颗粒的粒度分布。     

一种新的鲁棒主成分分析方法及其应用

背景建模在视频运动分析中具有重要作用.视频序列背景图像通常具有低秩性,为了更好地刻画该特性,精确提取视频背景,提出了一种基于截断核范数的鲁棒主成分分析模型.同时设计了一种两步迭代算法来求解该模型,最后将该算法应用于视频背景建模.不同视频数据库实验表明,该算法对于求解背景建模问题是有效的.     

一种结合Grabcut的Vibe目标检测算法

针对传统背景建模方法不能非常有效地提取出完整运动目标这一问题,提出了一种新颖的结合Grabcut和Vibe算法的运动目标检测方法.首先利用改进的Vibe目标检测算法初步寻找出当前帧中的所有可能目标前景区域;然后对这些前景区域进行进一步的选择从而滤去无效前景,合并有效区域;最后对每个前景区域再利用Grabcut算法来分割出更加完整的目标前景.实验结果表明,与传统的背景建模方法相比,本算法在有效时间内可以更加完整地分割出运动目标前景,对与背景颜色类似的目标前景也有很好的检测效果.     

彩色图像处理综述

介绍彩色图像处理的研究背景,对目前所提出的主要颜色空间进行归类分析,并对各种颜色空间的转换关系进行论述。并且介绍了基于彩色图像的增强,彩色图像的滤波,彩色图像的分割和彩色图像的压缩的些处理算法。     

一种基于马尔可夫随机场的运动目标检测算法

本文提出了一种基于马尔可夫随机场的运动目标检测算法.针对传统时间分割使用主观固定阁值的缺点,使用马尔可夫随机场模型对差分图像建模,并提出了一种新的模型阶次选择算法,以及一种可以加速收敛过程的随机场迭代算法.采用期望最大算法获取高斯分布参数并检测运动变化区域,利用形态学运算修正时间分割模板;空间分割部分提出了基于人眼视觉特征的改进分水岭算法,有效地解决了过分割问题;最后对时、空间分割结果进行信息融合处理,从而得到完整的运动目标.仿真实验结果证明了本文算法可以有效地分割视频运动目标.     

一种采用背景统计技术的视频对象分割算法

利用背景统计技术从累积的帧差信息中构建出完整、可靠的背景区域,并将其与当前帧相比较,得到初始对象分割掩膜;再对之进行后处理,以消除噪声影响和平滑对象边界,从而获得较好的对象分割掩膜,并提取出视频对象。该算法不需要预知运动对象的形状、数目等,就能较好地从静止背景中分离出目标,实验证明,它具有一定的实用性和鲁棒性。     

基于视频算法的鱼类运动跟踪研究

针对利用鱼类行为监测进行水体环境保护的问题,本文提出了基于视频的鱼类运动跟踪研究,通过对鱼类运动视频进行分割、跟踪,获得鱼类运动的轨迹和速度,为鱼类参与环境污染研究奠定了理论基础(通过对比不同污染环境中鱼类运动的一些参数,进行水体环境污染程度的定量分析).该算法采用标记多尺度分水岭方法进行鱼类运动分割,然后通过改进的加权Hausdorff距离对鱼类运动视频进行跟踪,最后为了容纳鱼类在运动过程中形状的变化,在多值图像中引入欧几里德范数作为约束务件来完成跟踪模型的更新.实验结果表明,本文算法呈稳定跟踪状态,在连续100帧的跟踪过程中没有出现超过1个像素的位置差,跟踪速度差值也未超过0.12个像素,能够快速、精确分割和跟踪鱼类运动目标.     

基于运动一致性的视频对象分割方法研究

视频运动对象检测和分割是图像处理中最具挑战性的问题之一。针对目前大部分分割算法相当复杂而且计算量大的问题，提出了一种基于运动一致性的视频对象分割方法。该方法从MPEG压缩码流中提取运动矢量场来分割视频对象，首先对运动矢量场进行滤波和校正，然后进行全局运动补偿得到对象的绝对运动矢量场，最后采用K-means聚类算法对运动矢量场进行聚类分析从而分割出感兴趣的视频运动对象。MPEG标准测试序列的试验结果证明，该方法是有效的。     

基于颜色传递和对比度增强的夜视图像彩色融合

针对基于颜色传递夜视图像彩色融合算法存在的热目标不突出问题,提出一种基于颜色传递和对比度增强的彩色融合算法。该算法首先利用非线性扩散和迭代阈值分割方法提取出图像中的热目标,然后在HSI颜色空间利用热目标和灰度融合图像对颜色传递得到的初步彩色融合图像进行调整,接着将处理结果变换回RGB颜色空间,得到最终的融合图像。实验结果表明,利用该算法得到的融合图像不仅与人眼视觉感知习惯一致,而且显著增强了目标与背景的对比度,从而有效提高了目标的可探测性。     

一种基于能量最小化的运动阴影检测方法

针对传统方法经常将运动阴影也检测为前景的问题,本文将检测问题表示为能量函数,通过最小化能量函数来检测运动阴影.这种方法先用传统的背景对消方法分别得到静态背景和含有真实前景和运动阴影的运动目标,然后在运动目标中,利用阴影的颜色不变性和纹理不变性,以及阴影和前景的时空一致性,构造出能量函数,最后通过最小化能量函数,将真实前景从运动目标中准确地分割出来,从而达到消除运动阴影的目的.我们在包含运动阴影的视频中,对本文方法进行测试,并和其它方法比较.实验结果表明,本文的方法无论在室内场景,还是在室外场景都可以很好地分割前景和阴影.     

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法.首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景.其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域.最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓.实验结果表明,该算法能实现固定摄像机滥控中刚体或非刚体的多运动目标的自动检测和轮廓分割.     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

岩心颗粒彩色图像的多维特征KFCM聚类分割算法

岩心颗粒的彩色图像包含的信息具有复杂性和多样性,除了人眼视觉系统容易感知的颜色与空间形状特征之外,还隐含着更深层次的纹理特征信息。提出一种多维特征核模糊C均值(Kernel Fuzzy C-Means,KFCM)聚类分割算法:首先使用Gabor滤波器组在频域的不同尺度和方向上对岩心颗粒彩色图像进行卷积滤波处理,并将Gabor滤波结果作为频谱的局部纹理特征;然后将纹理特征、颜色特征以及图像像素点空间位置信息合并到核模糊C均值聚类算法中,从而实现岩心颗粒彩色图像的分割。结果表明:与其他算法的分割结果相比,多维特征KFCM聚类分割算法能更准确地识别不同类型的岩心颗粒的彩色图像,获得了良好的分割结果。     

一种视频图像序列中运动对象的分割与跟踪算法

本文提出了一种视频图像序列中运动对象的分割与跟踪算法。该算法通过Canny算子检测出差帧图像的边缘信息,并结合当前帧与背景帧的边缘图像,提取出运动对象。在后续帧中通过建立前帧感兴趣运动对象与当前帧中各运动对象的帧间向量来跟踪当前帧中感兴趣的视频对象。实验结果表明,该算法可行,而且由于该算法简单、计算复杂度小,能很好地满足实时监控系统中对感兴趣运动对象的提取与跟踪。     

一种累积帧差视频对象分割算法

经过对视频序列的多帧累积,利用帧间变化信息可求得帧差之和,并用数学形态学方法处理之后,即可提取出对象边界。由此,提出了一种累积帧差的视频对象分割算法。实验结果表明,该算法能对低比特率视频序列中运动较为缓慢、背景相对简单的对象进行有效的分割,而且所用时间较短,算法简单、高效。     

基于差异积累的视频运动对象自动分割

针对视频运动对象的自动分割,本文给出了一种基于差异积累的自动分割算法。与传统的基于运动信息变化检测方法不同,该算法通过累积的帧差信息构建出可靠的背景,与当前帧比较进而提取出视频运动对象。本文提出了一种增强的基于Otsu法的自适应阈值化方法,能更准确地对背景差图像进行阈值化分割,克服了传统Otsu法阈值化容易失效的问题。改进的基于区域生长的定位方法更能避免传统方法的误定位及重定位的问题。实验结果表明,本文算法具有较好的实时性、自适应性以及鲁棒性,可以较为可靠地建立背景模型并进行实时更新,适用于刚体或非刚体存在平缓的光照变化以及摄像头微抖动的视频运动对象的自动分割。     

基于块估计的运动目标检测方法

提出了一种适合于运动目标检测的块运动分析方法,用以补偿移动背景所带来的杂波信息,准确检测运动目标。在对原始图像进行滤波的基础上,选择合适的子块,通过块匹配,得到背景位移矢量;利用这些运动参数,在相邻帧之间进行运动补偿,达到分割运动目标的目的。该算法对背景的适应性能好。     

基于阴影消除和混合高斯模型的视频分割算法

针对固定场景监控中复杂背景、光照变化、阴影等影响视频分割的问题,提出了一种有效的混合高斯模型的自适应背景更新算法,各像素点根据其像素值出现的混乱程度采取不同个数的高斯分布描述,通过对背景模型的学习与更新、高斯分布生成准则等方面的改进和优化,采用基于形态学重构的阴影消除方法使得前景目标分割的性能得到了有效地提高。文中同时给出了光照突变检测及其背景更新方法。通过对各种实际场景的实验仿真表明,该算法能够快速准确地建立背景模型,准确分割前景目标,与其它算法比较具有更强的鲁棒性。