基于熵的静态背景分割下的运动物体提取

通过对图像序列中运动物体的提取方法进行探讨,提出了一种新的静态背景分割算法,根据交通序列图像的特点,适当修改了一些现有方法,将修改后的方法与新的静态背景分割算法相结合,形成一个完整的适用于交通图像中运动物体的提取方案。     

一种基于背景恢复的运动目标的分割方法

提出一种基于背景模型的运动目标的分割方法．该方法结合了背景恢复技术对运动目标进行分割．算法分背景重建、运动目标提取和分割图像后期处理3个步骤．在背景重建过程中提出了新的背景更新策略和新的判断阈值法．文章阐述了方法的基本思想、理论依据和实现．实验表明,该方法具有很好的效果,具有较强实时性．     

基于动态减背景图像处理算法的可变形线性物体识别

围绕可变形线性物体（deformable linear objects,DLO）的检测、目标特征提取和动态操作时的故障诊断3个方面进行研究．首先,应用静态背景下常用的动态减背景方法实现了可变形线性物体的动态目标检测;进而对检测出来的目标物体进行插补,并加以标记,从而提取得到目标特征．最后,通过对提取出的特征点进行监控,获得目标物体在不同状态下的信息,并提供故障诊断的依据．结合以上图像处理算法,在带视觉系统的三菱PAIO机械臂平台上操作可变形线性物体,进行了实验研究．结果证明,该方法可以较好地监控可变形线性物体在运动过程中状态,并及时诊断故障的发生．     

基于背景分割技术的水面运动目标提取

基于背景分割技术提出了一种复杂背景下水面运动目标提取算法。在算法的第1阶段，采用统计差分图像方法分割出无运动的岸上背景区域，同时获得场景中的运动区域，包括水面及水面运动目标。在算法的第2阶段，根据水面区域在HSI色彩空间中的统计信息，运用基于Mahalanobis距离的决策方法，分析得到运动区域中的水面部分.图像中最后留下的部分即是运动目标。实验表明，该算法能够稳定地实现对水面目标的提取及跟踪。     

基于特征图像方法的运动物体检测

在传统特征图像方法基础上,提出一种基于分块边缘特征图像的运动物体检测算法.该算法对背景图和叠加图进行分块处理,分别提取出背景图与叠加图的最大特征向量,求得背景图与叠加图的各块投影系数,进行运动物体的匹配检测.在实际处理时,采用了canny算子获取边缘图的方法来进行检测,以消除光照等外界干扰对检测的影响.     

基于自适应背景更新的运动车辆检测技术

在基于视频的交通检测系统中,运动车辆的正确检测是关键,目前采用的典型方法是背景差分法。为了得到较理想的背景图像,利用基于动态信息窗口的自适应背景更新算法,解决了背景的复杂性问题,提高了对多车道上运动车辆检测的正确率。     

相机运动条件下的视频前景提取

提出一种基于非参数化运动估计和图像配准的方法来进行相机运动条件下的前景提取.通过对视频帧和接近的训练背景图像进行非参数化运动估计,动态地构造出一幅和视频帧的视角完全相同的背景图像, 再通过背景减除提取前景. 为了解决运动估计的计算效率问题, 又提出一种基于流形的改进算法: 在离线阶段, 预先对训练背景图像进行非参数化运动估计, 并利用流形学习对训练背景图像进行建模; 在在线阶段, 通过在背景流形上进行运动插值来快速地估计新视频帧和训练背景图像之间的运动. 实验表明,改进的方法在基本保持像素提取准确率的同时获得了很高的效率．     

基于信息测度的图像过渡区提取与分割

图像过渡区提取的传统算法基于梯度算子,为克服梯度算法对噪声敏感的缺点,通过对图像过渡区特征的深入分析,提出基于信息测度的过渡区直接提取方法,依据过渡区的直方图确定一个最佳分割阈值。根据过渡区像素灰度变化频繁的特点,构造提取图像过渡区的特征参数———局部熵信息测度。实验结果表明,算法抗噪性能好,稳健性强,摆脱了传统算法对剪切点Llow和Lhigh的依赖,优于传统的过渡区间接提取算法和基于局部复杂度的过渡区直接提取方法。     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

基于改进型类间方差分割的红外目标提取算法

文章对最大类间方差法进行了改进,利用计算图像类间方差的约束条件,通过构造罚函数,把求最大类间方差问题转换为求带约束条件的函数最优解问题,再用迭代法对图像进行分割,从而有效地弥补了最大类间方差法对图像噪音和目标大小敏感不足。仿真实验结果表明,该方法效果良好。     

一种基于动态背景的运动目标提取方法

为了实现旋转摄像头下运动目标的监控,提出了一种动态背景下提取运动目标的方法．在全局运动估计过程中,首先提取当前帧的特征点并将其离散化,然后以特征点为中心在当前帧和前一帧之间进行块匹配,其后用3σ准则除去误差块,从而得到全局运动估计量,并且在VC平台上实现了该算法．     

基于运动图像序列的啤酒瓶凸性字符快速提取方法

运用基于动态图像序列的运动目标跟踪技术，结合图像边缘提取理论中的检测算子模板，提出了一种快速提取啤酒瓶凸性字符的方法：首先采用单个面阵CCD得到啤酒瓶字符的运动图像序列，然后利用背景在运动图像序列中的镜头突变性和出现的必然性，检测视频流中的背景帧，最后采用基于边缘检测的背景配准方法，得到运动图像和校正背景图像的差分图像，恢复出真正的运动物体(字符)．实验结果表明，该方法比现有的字符图像提取方法具有更好的抗噪性和实用性，加快了字符提取的速度，满足了在线检测的要求．     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

基于改进的鬼影抑制和自适应视觉背景提取的运动目标检测

视觉背景提取算法(ViBe)利用第一帧图像对背景模型进行初始化,很容易产生鬼影现象.由于ViBe使用固定的分割阈值来实现前景和背景的分割,对于高度动态的背景,ViBe的检测会产生很多的误检测.针对这些问题,本文提出了一种改进的"鬼影"抑制和自适应视觉背景提取算法.首先,利用像素的时间与空间信息,在视频序列的奇数帧中,利...     

基于遗传算法的背景提取算法

针对视频图像处理中传统背景提取算法在时间复杂度和空间复杂度兼顾性能较差的缺点,提出一种基于遗传算法的背景重构算法.即在假设背景以最大概率出现在图像序列中的前提下,选择出现频率最高的图像作为背景图像.算法通过将图像分割成子图像,并将子图像参数化再进行统计,达到减低时间复杂度和空间复杂度的目的.仿真结果表明：在运动目标有较长的暂时停顿的情况下,该算法进行实时背景重构具有明显的优点;该算法能够准确地重构背景,并有效地避免混合现象,与直方图法相比,在不增加时间复杂度的情况下,空间复杂度可以减低到约1/50.     

复杂背景下图像中弱小目标的分割和提取算法

针对有些图像中的目标与背景之间存在区域边界往往不明显，加上噪声的影响，目标边界具有一定的模糊性，有时还存在目标与背景面积对比差别很大等问题，提出了一种基于图像边缘增强的自适应最佳阈值图像分割方法，有利于将弱小目标从复杂背景中精确地分割和提取。该算法将闽值法和其它方法进行结合，有效地解决了目标边缘模糊图像阈值选取困难这一问题；采用图像切割技术，有效解决了弱小目标在大背景下分割难的问题；将类别方差法和迭代算法相结合建立数学模型，不但有利于自适应最佳闻值的选取，而且有效地减少噪声对最佳自适应阈值的影响，提高了图像的分割效果。     

一种新的运动目标自适应图像分割算法

提出了一种新的运动目标自适应图像分割算法．在设置自适应跟踪波门对运动目标进行跟踪的基础上,依据最大类间方差函数准则自适应地求出调节系数,再用设置门限分割法完成图像的自适应分割．对该算法进行了详尽的图像分割实验,与著名的Otsu法、迭代法、最大熵法相比较,该分割算法不仅能适应多种复杂背景,而且分割精度高、速度快,是一种实用有效的图像分割方法．     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

基于位平面的运动矢量估计

为了提高序列图像稳定算法的速度,将图像像素点的灰度用位平面的方法表示,对序列图像中相应位置的像素点采用二值布尔函数进行计算;同时为了进一步提高运算速度,在对运动矢量估计的过程中,算法中抛弃全域搜索方法,采用局域自适应搜索方法。实验结果表明该算法在保证运动矢量估计精度的条件下,简化了序列图像间匹配的计算方法,显著地减少了运动矢量估计过程中的计算量,保证了数字图像稳定系统（DISS）实现实时稳定图像。     

基于像素统计特性及细胞神经网络的运动目标分割

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，提出了一种基于像素统计特性及细胞神经网络（CNN）的目标分割方法。首先建立图像每一像素点的高斯分布模型，并根据图像序列中的当前帧及历史帧信息自适应地调整模型的参数。然后结合图像的帧间信息将图像从空间域映射到统计域。最后在统计域中用细胞神经网络方法对其进行目标分割。由于CNN是由局部互连的细胞组成，因此易于用VLSI实现。通过对图像像素建立细胞近邻模型，可以获得较强的鲁棒运动目标分割。实验的结果反映了该方法的有效性。