视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

视频序列中运动目标自动提取的研究

本文提出了一种从彩色视频序列中,有效分割运动目标的算法。首先将当前帧图像和背景参考图像在YUV彩色空间中进行距离差分得到距离差分图像,然后根据差分图像直方图的单峰聚集特性,提出了基于直方图的自适应聚类分割算法;对分割后的二值图像采用图像形态学方法去除无用的噪声斑点,并根据得到运动模板,提出了背景参考图像的更新策略。实验结果表明这是一种简单、有效的运动目标提取方法。     

OBJCUT: Efficient Segmentation Using Top-Down and Bottom-Up Cues

We present a probabilistic method for segmenting instances of a particular object category within an image. Our approach overcomes the deficiencies of previous segmentation techniques based on traditional grid conditional random fields (CRF), namely that 1) they require the user to provide seed pixels for the foreground and the background and 2) they provide a poor prior for specific shapes due to the small neighborhood size of grid CRF. Specifically, we automatically obtain the pose of the object in a given image instead of relying on manual interaction. Furthermore, we employ a probabilistic model which includes shape potentials for the object to incorporate top-down information that is global across the image, in addition to the grid clique potentials which provide the bottom-up information used in previous approaches. The shape potentials are provided by the pose of the object obtained using an object category model. We represent articulated object categories using a novel layered pictorial structures model. Nonarticulated object categories are modeled using a set of exemplars. These object category models have the advantage that they can handle large intraclass shape, appearance, and spatial variation. We develop an efficient method, OBJCUT, to obtain segmentations using our probabilistic framework. Novel aspects of this method include: 1) efficient algorithms for sampling the object category models of our choice and 2) the observation that a sampling-based approximation of the expected log-likelihood of the model can be increased by a single graph cut. Results are presented on several articulated (e.g., animals) and nonarticulated (e.g., fruits) object categories. We provide a favorable comparison of our method with the state of the art in object category specific image segmentation, specifically the methods of Leibe and Schiele and Schoenemann and Cremers.     

Detection and Segmentation of Multiple,Partially Occluded Objects by Grouping,Merging, Assigning Part Detection Responses

We propose a method that detects and segments multiple, partially occluded objects in images. A part hierarchy is defined for the object class. Both the segmentation and detection tasks are formulated as binary classification problem. A whole-object segmentor and several part detectors are learned by boosting local shape feature based weak classifiers. Given a new image, the part detectors are applied to obtain a number of part responses. All the edge pixels in the image that positively contribute to the part responses are extracted. A joint likelihood of multiple objects is defined based on the part detection responses and the object edges. Computation of the joint likelihood includes an inter-object occlusion reasoning that is based on the object silhouettes extracted with the whole-object segmentor. By maximizing the joint likelihood, part detection responses are grouped, merged, and assigned to multiple object hypotheses. The proposed approach is demonstrated with the class of pedestrians. The experimental results show that our method outperforms the previous ones.     

基于随机区域合并的自动彩色图像分割算法

针对彩色图像分割精度不高的问题,提出了一种具备多尺度空间约束的自动彩色图像分割算法。基于改进的随机区域合并方法,该算法首先实施双边分解并执行基于多通道信息和多尺度梯度的过度分割;然后,在CIE L*a*b*颜色空间中使用规范化的颜色直方图来表示每个子区域,构造一个基于过度分割结果的区域邻接图;最后,在区域邻接图上执行具备空间约束条件的随机区域合并策略,为每个尺度构造一张分割图。在BSDS图像数据库中进行 对比实验,结果表明,在直接视觉对比和量化分析上,相比现有的分割算法,所提方法表现出了更好的分割效果。     

基于目标识别与显著性检测的图像场景多对象分割

提出了一种基于目标识别与显著性检测的图像场景多对象分割方法。该方法的步骤包括:在图像训练集上训练语义对象的检测器,用来检测输入图像中对象的位置,标定对象的包围盒;对输入的图像进行过分割处理,得到超像素集合,根据包围盒的位置和超像素的语义概率值计算兴趣区域;在3种稠密尺度上进行场景显著性检测,得到输入图像的显著图;在兴趣区域内计算超像素的邻接关系,形成邻接矩阵,构建条件随机场模型,将多对象分割问题转化成多类别标记问题,每一个对象是一种类别;以每个超像素作为场模型的节点,超像素的邻接关系对应场模型中节点之间的连接关系,将显著性和图像特征转化为节点和边的权重值;利用图割算法,在条件随机场模型上进行优化,迭代终止时得到像素的对象标记结果,从而实现对多个对象的分割。实验结果表明该方法效果较好。     

Segmentation and range sensing using a moving-aperture lens

The use of a novel motorized lens to perform segmentation of image sequences is presented in this paper. The lens has the effect of introducing small, repeating movements of the camera center so that objects appear to translate in the image by an amount that depends on the distance from the plane of focus. For a stationary scene, optical flow magnitudes are therefore directly related to three-dimensional object distance from the observer. We describe a segmentation procedure that exploits these controlled observer movements and present experimental results that demonstrate the successful extraction of objects at different depths. Potential applications of our approach include image compositing, teleconferencing, and range estimation.Received: 4 July 2002, Accepted: 16 December 2002, Published online: 23 July 2003 Correspondence to: Amy E. Bell     

非均匀背景目标图像的分割方法

对于非均匀背景下目标图像的分割,由于用通常的图像分割方法不能取得令人满意的效果,文章提出了一种新的图像分割方法。实验结果表明,用该图像分割方法能取得良好的效果。     

一种基于边缘生长的灰度和彩色图象分割方法

边缘检测可以快速准确地提供区域分割的边缘点,是图象处理的一个重要领域。但由于边缘点不连续和难以把存在大量碎边缘点的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为此提出用边缘生长的方法来解决不连续的边缘点链接问题和通过找出高细节区周围的区域,以便间接地将高细节区围成一个区域。该算法是边缘检测的后续处理,适合于多种应用目的,同时还可以嵌入到其它利用边缘信息的分割算法中。     

体育视频中的对象检测与分割

通过对体育视频中语义对象的检测和分割来实现对视频进行语义级检索的第1步。通过对体育比赛视频中的场地信息和运动信息的分析，提出了一种有效分割场地和运动员等对象的算法，并对此算法性能进行了讨论。该算法主要利用Canny算子和数学形态学方法对体育比赛场地进行检测，并利用主色累积直方图进行场地验证，然后利用Hough变换去除场地标志线，最后利用检测出的场地信息实现了场地内运动区域的检测和分割。实验表明该算法有较好的效果。场地和运动员区域的正确分割对比赛的分析和检索具有重要意义。     

图像纹理区检测及分割算法研究

图像纹理区是指在进行边缘检测时边缘分布相对密集,并存在一些伪边缘的区域。研究表明,现有的很多图像处理算法的误差集中在纹理区。图像纹理区分割的目的就是将这一区域分割出来以便对其采用不同的处理方法。本文提出了一种基于模糊增强的图像纹理区检测及分割算法。本文算法根据图像纹理区特点,首先增强纹理区像素对比度,并利用Canny边缘检测算法提高纹理区检测效果,最终实现了图像纹理区的准确检测和分割。     

基于边缘信息的工业CT图像分割法

由于CT技术各方面的原因,工业CT扫描测量图像质量不是很理想。要获得精确的测量数据,必须进行准确的图像分割。该文采用多尺度二维小波变换模极大值作为分裂合并图像分割的一致性度量,采用四叉树结构作为图像块的初始划分,设置合适的门限值抑制噪声的干扰并提取出图像边缘信息。实验证明,对于皮鞋内嵌的CT测量图像该算法比常规的算法更理想,能够准确分割出皮鞋的内外腔边缘。     

基于改进的最大类间方差算法的图像分割研究

每种图像分割方法都只利用了图像信息中的部分特征,必然带有局限性,因此只能针对各种实际应用领域的需求来适当选择所需的方法.比较了几种阈值分割和边缘检测算法,着重研究了最大类阃方差算法,并对其进行改进.针对不同的图像进行了仿真,对实验结果进行了分析、研究、比较.结果表明,改进的Otsu算法能有效地提高图像分割的质量.     

基于改进的四叉树Sobel算子图像分割研究

研究图像分割精度提高问题,由于图像噪声的干扰,造成图像模糊。传统的Sobel图像分割方法容易造成图像分割不清晰和对比度不明显。为解决上述问题,应用Sobel算子检测出数字图像真正的边缘,并进行边缘提取;最后运用四叉树算法对去噪图像进行多区域目标分割,并对分割的不同区域进行合并,有效地解决了因局部图像的叠加和分割不准确的难题,并且通过仿真实验显示,本文提出的改进型算法,也就是利用四叉树Sobel算子,能够有效地去除图像分割所带来的去除噪声,大大地提高升图像边缘的清晰度,是一种有效地图像分割方法。     

精子运动图象的多目标检测与分割

采用差图象动目标检测,窗口自适应分割技术实现了精子的快速检测定位和分割,克服了因目标亮暗不均造成的分割误差和目标丢失。利用形态特征鉴别静止精子大小差不多的杂质,为高效实用的ＣＡＳＡ系统奠定了基础。     

面向视觉监视的变化检测与分割

文章介绍了一种针对目标跟踪的高级视觉保安系统的双摄象机方案,在此框架下研究了变化检测问题,提出了一种简单、快速的分割算发：中点导引扫描方法。实验证明该算发对于将变化区域用矩形分割表示十分有效,是一种建立视觉监视系统的实用方法,可以作为目标跟踪研究的基础。     

基于CNN和MRF的运动目标分割

针对动态图像序列中背景成像过程因各种因素而变化存在复杂性,提出了一种基于细胞神经网络(CNN)和马尔可夫随机场(MRF)的目标分割方法.首先根据细胞神经网络与马尔可夫随机场能量函数的相似性,将马尔可夫随机场的最大后验概率模型映射到细胞神经网络近邻系统模型中.然后建立图像每一像素点的邻域系统模型,并且构造相应的能量函数.为使能量函数达到快速收敛,再利用模拟退火算法实现能量函数的最小值,以达到对运动目标的提取.由于CNN是由局部互连的细胞组成,因此易于用VLSI实现.实验的结果表明,该方法能够有效地抑制图像的噪声,对于运动目标的提取有较好的分割效果.     

图象分割阈值平面的进化优化方法

提出了一种基于进化计算的图象分割方法。它首先检测图象的边界,将已经检测得到的边界作为图象分割阈值平面的插值限制条件,将图象分割转化为对这种分割阈值平面的插值优化问题。采用浮点数编码的进化规划方法进行优化计算,进化规划的适应度函数由插值平滑性,分割区域的结构有效性和图象边界点阈值不变性3个限制条件决定,在进化规划收敛时得到图象分割阈值平面。对不同图象的分割实验显示了这种方法的有效性、合理性和较强的抗噪声干扰能力。     

基于改进的Sobel算子最大嫡图像分割研究

研究图像分割精度问题。针对传统的Sobel算子图像分割容易造成图像分割不清晰、对比度不明显、分割精度低等问题缺陷,提出一种改进的Sobel算子的二维最大墒数字图像分割方法。算法首先根据数字图像特征对图像进行初分割,然后应用Sobel算子检测出数字图像真正的边缘,将通过Sobel算法边缘检测获得的阂值应用到二维最大墒分割方法中。对数字图像目标和目标边缘分别使用不同的阂值进行分割,解决由于局部图像叠加而产生的分割不准确的问题。仿真实验表明,提出的算法对图像分割鲁棒性好,分割准确率高,是一种有效适用的算法。     

一种复杂背景下的目标提取算法

针对目标与背景颜色接近,普通阈值处理算法不能有效实现图像分割的情况,提出了一种基于阈值处理的目标提取算法.首先对图像进行阈值处理得到目标,然后针对剩余像素进行二次阈值处理,最后第三次阈值处理在两次阈值处理后得到的目标总和中去掉被误提取的背景,得到了较好的分割效果.