基于梯度的光流计算方法中梯度计算对性能的影响

基于梯度的方法是光流计算中很重要的一类方法,而梯度的计算对整个算法的性能有着重要的影响。文章考察了几种常用梯度算子对光流计算的影响,并给出了理论分析。实验结果证明理论分析是正确的。     

基于光流场的动态目标分割

采用光流法结合基于小波变换的像素级图像融合算法,研究了一种动态目标分割方法。光流场可以看作是带有灰度的像素点在图像平面运动产生的瞬时速度场,算法先以光流法计算出的动态目标瞬时速度场的水平速度分量和垂直速度分量作为初始信息,再利用基于小波变换的融合算法获得动态目标的初始分割,最后对初始分割结果进行图像去噪和图像增强,并最终获得清楚的分割图。实验证明,该方法能够产生良好的目标分割效果。     

基于梯度的图像分割新方法

针对玉米图像和Lena图像的分割方法进行了讨论与研究,将传统的阈值分割与图像梯度计算结合在一起,提出了一种新的彩色图像分割方法.该方法对玉米图像和Lena图像不但具有较好的分割效果,而且具有计算简单,抗噪声能力强,并且同时适用于灰度与彩色图像的场合,较好地克服了传统阈值分割方法的缺点.实验表明该算法不仅能够较好地分割出图像边界,且具有较好的时间性能和较好的分割效果.     

基于形状先验和梯度约束的彩色图像分割

针对图像遮挡、噪声等复杂场景下,仅依赖颜色信息难以准确分割的问题,将形状先验和图像梯度分别引入马尔科夫随机场框架中,提出一种基于形状先验和梯度约束的彩色图像分割方法。该方法基于颜色特征和形状模版定义能量函数,梯度信息的引入允许待分割目标与形状模版间有一定差异,且待分割目标与形状模版间的变换具有仿射不变性,整个能量函数通过图割算法实现能量最小化,得到最终分割结果。实验结果表明,该方法具有有效性。     

基于色彩和饱和度的彩色时变图像光流场计算

从物体光照模型的角度出发,依据物体的颜色在运动过程中保持不变,表示物体色彩和饱和度的量在运动过程中也不变,提出了基于色彩和饱和度信息的彩色时变图像光流场计算方法.该方法不仅可以避免RGB颜色模型带来的线性相关问题,而且更符合生物视觉原理本文用HSV和HLS两种颜色模型计算彩色时变图像的光流场,实验结果表明该算法能够得到较好的计算结果.     

基于梯度向量流场的颅脑内胼胝体的分割研究

介绍一种基于梯度向量流场的医学图像分割方法。无论初始轮廓线位于真实边界以内或以外,变形轮廓都具有较宽的作用范围以及良好的收敛性,经过迭代算法后可以得到与真实图像边界十分接近的最终变形轮廓。此外,该方法对噪声图像也表现出良好的鲁棒性,特别适用于医学图像分割场合。将该方法应用于MRI图像上胼胝体的分割提取,实验结果表明,与传统手工方法相比,应用梯度向量流场方法提取出的胼胝体轮廓清晰,效果良好,而且耗时大为降低,这在临床应用中具有积极意义。     

机器人视觉中彩色时变图像光流场计算的综述

本文对机器人视觉中彩色时变图像的光流场计算方法做了全面概述．彩色时变图像光 流场计算的基础是基本等式,列举了目前几种基于彩色图像光流场计算方法,并提出目前彩 色时变图像光流场计算中存在的几个问题,总结出今后彩色时变图像光流场计算的发展趋势 ,以期对彩色时变图像光流场的计算理论和方法提供较为具体的指导方案．     

基于形态学分水岭的彩色图像分割

将数学形态学理论应用到彩色图像处理是当前的研究热点问题。由于彩色图像的高维特性,导致经典的分水岭方法难以直接拓展到彩色图像处理中。已有的方法常常忽略彩色图像的色度信息,因此分割精度较低。本文提出了一种新的方法,该方法首先定义了新的彩色空间,在新的彩色空间下对彩色图像的色调和亮度分量分别进行分割,然后利用饱和度加权以实现各个分量的融合,得到最终的分割结果。实验结果表明,本文提出的新方法能正确分割彩色图像,分割效果明显优于传统的方法。     

基于区域生长的彩色图像分割算法

针对传统种子区域生长算法在分割具有复杂纹理的彩色图像中存在的问题,提出一种改进的种子区域生长算法,该算法在YCbCr颜色空间中进行,采用离散余弦变换提取图像纹理特征值,进行自动种子及种子区域的生长,并用区域合并改善过度分割。实验结果表明,该算法能有效提高图像分割的精确性。     

基于梯度向量流的医学图像自动分割

提出了一种基于梯度向量流的自动图像分割算法，该算法首先将梯度向量流场转化为一个标量场，该标量场能够显著简化种子点选取和区域增长的步骤。在得到图像的初始分割后，再使用基于区域邻接图的算法来将相似区域合并得到最终分割结果。试验结果表明，该算法能够有效地解决医学图像中多目标区域的自动分割问题。     

基于梯度光流场计算方法的一种改进

提出了一种新的改进光流场技术计算方法。它采用类似差分的方法从图像序列的多帧图像中检测出运动目标区域。通过代数运算减轻了Hom算法中全局约束对运动边界的影响。实验证明该方法是有效的。     

基于角点跟踪的光流场计算

在综合视觉运动分析中的两类处理方法，选取图像中的角点作为特征点，并检测和跟踪图像序列中的角点。记录检测到的角点在图像序列中的位移，在理论上证明了时变图像的光流场可以近似地用角点的位移场代替，同时给出这种替代的两个前提条件。本文用真实图像序列验证提出的算法，实验结果表明该算法取得了较好的效果。     

图象光流场计算技术研究进展

时变图象光流场计算技术是计算机视觉中的重要研究内容，也是当今研究的热点问题。为了使人们对该技术有一个较全面的了解，因而对时变图象光流场计算技术的研究和进展做了较系统的论述，首先分别列举了灰度时变图象和彩色时变图象的光流场计算方法，并对这些方法进行了分类，然后总结了出目前图象光流场计算中存在的几个问题，最后对光流场计算技术的研究发展及其应用前景指出了一些可能的方向。     

基于向量流场节点的图像分割算法

人工干预使蛇模型只能用于半自动的图像分割,该文在梯度向量流（GVF）蛇模型的基础上提出一种基于流场节点与最小路径方法的全自动图像分割算法。在图像的GVF场上检测出流场节点,以节点为种子,采用多标记快速扫描法获得一个初始分割,采用区域合并得到最终分割结果。实验结果证明了该算法的鲁棒性和有效性。     

基于复小波的彩色光流估计

利用色彩恒常性假设,将RGB色彩分量光流基本方程映射至小波域,通过复小波构建的过定线性方程组进行多分辨率光流估计,避免实小波相位震荡带来的光流求解误差,并利用各颜色分量组成的线性方程组的系数矩阵条件数判断求解的可靠性,选择各颜色分量中最可靠的解最为该点最终的光流解。数值实验结果证明了该算法的有效性。     

心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪

应用动态轮廓线模型(ACM)解决心脏运动估计问题是该领域的主要研究方法之一．采用经典外力和传统ACM模型对感兴趣边缘进行搜索及跟踪时，普遍存在模型的局部适应性程度不高的缺陷．为解决这一挑战性难题，该文提出了广义模糊梯度矢量流(GFGVF)的概念，并构造出一组新的Snake平衡方程，该方程可对心脏内部边缘逐帧进行鲁棒跟踪．为进一步跟踪每一特征点的运动，该文将前一步的轮廓跟踪结果作为似然条件，结合一致性和连续性先验条件，通过最大后验概率(MAP)的方法对整个过程进行了优化计算．通过对MR及CT两类心脏序列图像进行运动跟踪实验并对计算结果进行多种比较，此方法显示了较好的鲁棒性．     

基于流向标量场与快速扫掠法的图像分割

通过将梯度向量流(Gradient vector flow, GVF)场与种子区域生长(Seeded region growing, SRG)法相结合, 提出了一种快速的自动图像分割方法. 首先基于梯度向量流场构建一个流向标量场, 然后提出一种新型的快速种子区域生长分割法——快速扫掠法(Fast scanning method, FSM)对标量场进行初始分割, 最后采用区域邻接图对初始分割结果进行区域合并得到最终结果. 本方法分割速度快, 如采用一个快速的梯度向量流算法, 则可以用于实时应用. 实验结果证实了本方法的高效与鲁棒.     

基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。     

一种改进的全局光流估计方法

基于光流基本约束和平滑性约束条件的Horn-Schunck光流场佑计算法是图像运动估计的重要方法。但是,该方法存在在梯度值较小处运动参数估计不准确的问题;同时,现有的改进方法由于步及到可调参数的人工选取,并在阈值设置过高时容易在运动目标区域产生空洞,限制了光流法的应用。对光流基本约束项的权函数加以改进,给出了两种改进的光流估计算法。实验结果表明,改进算法能够在权函数阂值设置过高时降低对可靠光流的抑制,提高了算法的自适应性,为运动目标检测跟踪提供了有力条件。