一种检测序列图像中运动目标的新方法

运动目标的检测是应用视觉研究领域的一个重要课题。本文提出了一种新的用于检测序列图像中运动目标的方法,实验结果表明了该方法的有效性和实用性。     

动态场景图像序列中运动目标检测新方法

在动态场景图像序列中检测运动目标时,如何消除因摄影机运动带来的图像帧间全局运动的影响,以便分割图像中的静止背景和运动物体,是一个必须解决的难题。针对复杂背景下动态场景图像序列的特性,给出了一种新的基于场景图像参考点3D位置恢复的图像背景判别方法和运动目标检测方法。首先,介绍了图像序列的层次化运动模型以及基于它的运动分割方法;然后,利用估计出的投影矩阵计算序列图像中各运动层的参考点3D位置,根据同一景物在不同帧中参考点3D位置恢复值的变化特性,来判别静止背景对应的运动层和运动目标对应的运动层,从而分割出图像中的静止背景和运动目标;最后,给出了动态场景图像序列中运动目标检测的详细算法。实验结果表明,新算法较好地解决了在具有多组帧间全局运动参数的动态场景序列图像中检测运动目标的问题,较大地提高了运动目标跟踪算法的有效性和鲁棒性。     

复杂背景环境下运动目标的检测算法研究

首先对运动目标检测的理论和方法以及如何从背景图像中有效提取出前景物体做了简要概述,并结合传统的背景相减法容易受环境光线等外界因素影响这一弊端,提出了一种零均值归一化互相关的方法来实现对运动目标的检测判断.同时,采用了累积直方图的方法获得了一个理想阈值,实现了运动目标物的精确提取.实验证明,该方法较传统的背景相减法有明显的提高,在识别精度上也能达到较满意结果.     

复杂背景下运动点目标的检测和跟踪

为了解决复杂背景下运动点目标的检测和跟踪问题,本文提出了一种基于图像差分和聚类的运动目标检测和跟踪算法.该算法首先根据图像配准的方法,对序列图像进行差分运算,提取出候选的运动目标.在此基础上,利用运动目标在空间和时间上的相关性以及运动目标的轨迹所具有的连续性,采用一种特殊的聚类方法,从噪声环境中正确检测出运动目标的轨迹,并实现对运动目标的跟踪.实验表明该算法能快速检测出复杂背景下的运动点目标,并能有效处理轨迹相交和检测过程中出现新目标的情况.     

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。     

一种动态场景多运动目标的综合检测方法

提出一种动态场景下多运动目标检测的方法。该方法融合基于帧间图像差值的运动分割技术以及区域生长法来获得各运动目标的初始轮廓。再利用主动轮廓线模型进行优化,从而得到各运动目标的最优轮廓,该方法具有以下明显特点：允许背景任意复杂;在无补偿情况下仍能得到良好结果;目标大小不影响算法的鲁棒性．实验证明了该方法的有效性、实用性和鲁棒性。     

方向小波变换及其在运动弱目标检测中的应用

定义了一种新的小波变换即“方向小波变换”，它不仅保持了传统小波变换良好的时频局部分析能力，还具有良好的方向分析特性，研究了它在运动弱目标检测中的应用，提出一种多尺度的运动弱目标检测方法，其可以充分利用目标的不稳定“面”信息，迅速有效地检测出运动弱目标的轨迹。     

复杂监控背景下多运动目标的检测与跟踪

在目标跟踪系监测系统中,视频的处理主要由摄像机视频捕获、视频图像帧的预处理、运动中目标的监测、运动目标的跟踪、运动目标的分类和目标行为描述与理解等步骤.其中,运动目标检测与跟踪是视频处理系统中的核心内容.主要对运动目标在复杂环境下检测与跟踪技术进行研究.     

低照度视频序列运动目标的检测与提取

由于低照度环境下的成像质量存在比较突出的问题,使得低照度视频序列的运动目标检测与提取成为一项相当困难的工作。本文结合运动信息和梯度信息,提出了一种新的低照度视频序列运动目标检测与提取方法。该方法首先经帧间差分、滤除噪声得到运动区域的初始检测模板,针对初始检测模板中由于照度过低出现的目标漏检现象,采用提取函数法进行低灰度值的运动区域检测,最终形成完整的运动区域检测模板。采用多尺度形态梯度算子进行边缘检测,这种梯度算子抗噪能力强。实验结果表明这种方法能有效地实现低照度视频序列运动目标的检测与提取。     

低照度视频序列运动目标的检测与提取

由于低照度环境下的成像质量存在比较突出的问题,使得低照度视频序列的运动目标检测与提取成为一项相当困难的工作.本文结合运动信息和梯度信息,提出了一种新的低照度视频序列运动目标检测与提取方法.该方法首先经帧间差分、滤除噪声得到运动区域的初始检测模板,针对初始检测模板中由于照度过低出现的目标漏检现象,采用提取函数法进行低灰度值的运动区域检测,最终形成完整的运动区域检测模板.采用多尺度形态梯度算子进行边缘检测,这种梯度算子抗噪能力强.实验结果表明这种方法能有效地实现低照度视频序列运动目标的检测与提取.     

一种改进的复杂场景运动目标检测算法

提出了一种复杂场景视频序列中运动目标精确检测及提取的改进算法,该算法首先采用混合高斯模型(简称GMM)对背景及前景建模快速地实现前景运动区域提取,然后结合目标帧间相关性和随机噪声帧间无关的特点采用时间滤波(Tem-poral Filter)法和数学形态学进行后处理.实验结果表明本文所采用的改进算法能准确的提取运动目标滤除动态噪声,提高了检测鲁棒性,对复杂干扰场景下的实时运动目标检测得到了较令人满意的效果.     

复杂场景中运动目标的检测

由于检测场景的复杂性,传统的运动目标的提取常常采用自适应背景更新及自适应阈值分割方法,以去除噪声干扰,提高检测准确性。针对这种情况,提出在背景减除法的基础上通过改进的背景掩膜算法进行背景更新,利用场景的复杂性及系统中运动目标出现在障碍物边缘的特点,进行检测区域及非检测区域的划分,并采用阈值伪图的方法对整个视频序列图像进行自适应阈值分割。实验结果表明,该方法能够有效去除由于光线变化产生的噪声,以及由于相机抖动引起的背景与当前检测帧之间由位置偏差而产生的噪声,并避免了阈值分割时运动目标本身会出现空洞的问题,为后续运动目标的识别与跟踪奠定基础。     

一种自动门限选取的视频Shot分割方法

文中首先针对镜头Ｓｈｏｔ分割在基于内容的视频检索中的重要性,介绍了现在普遍采用的镜头分割新方法,同时针对这些方法的不足,提出一种基于自动门限选取的镜头分割及分类方法,该方法能同时检测视频中的突变,缓变等镜头变换和视频中的闪光灯以及运动区域。通过实际测试,结果表明算法能够有效地对视频领事进行镜头分割。     

一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法

为了改进智能交通中的运动车辆检测和跟踪方法,提出一种基于改进的帧间差分和光流技术结合的运动车辆检测和跟踪的新方法。先用帧间差分法检测出运动物体的运动区域,再计算差值图中不为零处的光流,然后利用其光流场来实现运动目标的跟踪。为了减少计算量,提出一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪。     

文本行字符基线的精确测定算法

本文给出了精确测定文本行字符基线的算法 ,讨论了基线检测的容差 .该算法也可用于手写字符的分析 .实验结果表明 ,我们的基线检测算法对不同大小的字符有满意的处理结果 .     

一种新的基于小波变换的边缘检测方法

本文根据经典的基于小波变换的多尺度边缘检测方法,提出了关于一维信号和二维信号的基于相邻尺度上小波变换乘积的边缘检测方法,该方法可以有效地增强边缘和抑制噪声,对一维和二维信号的计算机仿真实验表明该方法是正确的和有效的。     

基于知识的快速角点提取

本文提出一种基于查表技术知识的基角点提取方法．就一定的考察点数目来说，该方法由于采用了人的知识，其检测效果是很好的．由于采用了查表技术，该方法的速度非常快，并且易于硬件实现．当用硬件实现该方法，对于５１２×５１２的真实图像，角．点提取能以电视速率进行．本文详细讨论了查找表的构造方法和知识的采集方法．实验表明该方法工作得很好．     

一种自动识别最优阈值的图像分割方法

阈值分割是图像分割的常用方法,但至今没有一种对多数图像都适用的阈值选择的通用方法。本文基于图像的灰度级特征,以前景和背景最大程度地分开为判据,提出了一种简捷的自动识别最优阈值的图像分割方法。该方法对更多图像都可以给出最佳的闽值,达到较好的图像分割效果。     

一阶方向导数极值法--一种检测边缘的新方法

文中通过傅里叶变换（Ｆｏｕｒｉｅｒ ｔｒａｎｓｆｏｒｍ）,在频率域,通过求垂直于边缘的阶方向导数,并检测其极值（极大或极小）点来确定边缘,同时,参考一阶方向导数的数值来排除一些非边缘点（一阶方向的数值为数者,零也为常数）,实验证明该方法检测边缘有准确度高,而且不选取门限值（阈值）。