视频监控中的图像拼接与合成算法研究

视频监控常用云台摄像机或多个静止的摄像机监控视场范围比较大的区域,分别研究了多摄像机的视频合成算法和云台摄像机的视频拼接算法.对于多个摄像机的情况,采用高斯混合模型对各个视频序列进行背景建模.然后根据背景图像计算各个摄像机的单应矩阵,并将多个视频序列合成为一个大的视频序列.对于云台摄像机跟随拍摄的情况,提出了一种基于关键帧的视频拼接算法.根据重叠区域的大小和纹理信息的丰富程度选取关键帧,并把各帧图像对准到其前面最近的关键帧,同时更新重叠区域内的背景模型参数.由于关键帧之间具有比较高的对准精度,因而该方法能够较好地重建运动目标所经过的场景的背景图像.     

基于多特征融合的视频火焰检测技术研究

基于彩色监控视频图像,利用火焰影像的时间运动特性,采用混合高斯背景建模方法从监控视频图像序列中提取出运动前景像素;在RGB色彩空间模型中通过火焰颜色的加权判别算法提取出具有火焰颜色的运动像素区域;最后,提出一种基于统计频率计数的火焰频闪特征识别方法,用于将视频图像中真实的火焰区域从具有火焰像素颜色的运动区域中区分出来。Matlab仿真结果表明,该算法具有很高的有效性和鲁棒性,能够应用实际的视觉火灾检测系统之中。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

一种高效的背景重建与更新算法研究

为了实时准确地重建出背景,提出了一种基于帧间差分的背景重建算法.该算法等间隔采样视频帧.然后对视频序列进行帧间差分,对得到的差分图像分块处理,通过比较各子块的亮度与能量均值,将各帧中满足要求的子块进行组合,从而快速地重建出背景.当背景发生整体或局部变化时,该算法能够快速地检测出背景变化,并采用相应算法实时更新背景.实验结果表明,该算法能快速、准确地重建出背景,从而能够完整地提取场景中的运动目标.     

基于图像特征点匹配的车辆运动检测

提出了应用于交通视频监控系统中车辆运动检测和分割的一种新颖有效的方法.采用了较为简易的特征点匹配检测车辆并利用纹理识别对车辆进行分割.此方法不需要对序列图像进行预处理,能有效消除光照阴影和背景,实验结果表明该方法可以实时准确提取道路交通信息.     

智能图像监控系统异常目标检测算法研究

为实现智能家居中的实时安全监控,提出了一种基于嵌入式平台和无线通讯的智能视频监控系统方案,并设计了智能视频监控系统中的异常目标检测算法。以背景差分法为基础,采用自适应闽值、运动目标跟踪及背景更新等方法,克服了背景光线变化、阴影及小目标带来的干扰,提出并实现了动态目标跟踪检测功能。该系统能够有效地对监控区域目标状态进行监测,并能根据监测结果进行报警等安全操作。实验结果表明,系统具有很高的实时性、可靠性和实用性。     

全局运动序列的视频对象分割算法

针对全局运动视频序列，本文提出一种快速有效的基于边缘均灰度投影匹配的全局运动估计与补偿算法，将连续几帧图像的相同背景稳定在同一幅图像的相同位置上，从而能够沿用静止背景序列的视频对象分割算法。实验结果证明，该方法能够从背景变化的视频序列中较好地提取运动对象，具有较强的鲁棒性。     

基于元胞自动机的动态背景运动目标检测

针对传统运动目标检测算法在动态背景条件下难以准确检测出运动目标的问题,提出了一种基于元胞自动机的动态背景运动目标检测算法。首先,根据SLIC算法分割视频图像,并应用多模态混合动态纹理模型对视频图像进行背景建模。然后,融合空时显著性检测与基于元胞自动机的自动更新机制得到优化的显著性图。最后,通过对优化后的显著性图做适当的阈值分割处理得到视频图像中的运动目标。实验仿真结果表明,在动态背景条件下该算法可以有效的抑制视频图像中非运动目标的显著性物体对检测结果带来的影响,检测运动目标的精度较高,并且具有一定的鲁棒性。     

基于纹理特征的尺寸方向自适应均值漂移算法

针对均值漂移算法在目标跟踪中由于相似背景干扰和固定带宽值核函数引起的跟踪精度下降的问题,结合目标的纹理特征及尺寸方向的变化,提出了一种新的跟踪算法。首先,通过自适应算法求解出目标的灰度阈值,得到纹理特征参数,并结合颜色特征建立目标模型;然后,通过求解目标相似度最大值提取出运动目标的图像区域;最后,采用协方差矩阵估计方法,结合最小二乘算法对运动目标尺寸方向的变化量进行自适应计算,表示出运动目标在视频帧中的像素区域,保证了跟踪的准确性。实验证明,本文提出的算法较其它均值漂移算法有更高的精度和效率。     

视频图像中运动目标检测算法研究

视频图像中运动目标的检测一直是视觉分析的研究热点之一,应用广泛。文中主要针对静态背景下即摄像头固定的情况下,提出一种基于高斯模型的背景差分法来实现运动目标的检测。算法首先建立混合高斯背景模型,然后再利用背景差分法提取运动轮廓,最后通过后续的形态学处理得到完整的运动目标。实验结果表明,该算法不仅能够检测到运动目标,而且检测效果得到了提高。     

基于联合标定的图像分割

针对普适环境下人体区域的提取问题,提出一种基于彩色摄像头和深度摄像头联合标定的图像分割方法。首先根据深度摄像头采集的深度信息易处理和受外界环境影响小的优点,利用大律法从深度图像中快速提取出人体区域;然后建立世界坐标系中彩色图像坐标系和深度图像坐标系的对应关系,实现彩色信息和深度信息的相对位置映射;最后根据分割的深度图像及其在彩色图像中的映射,在彩色图像中完成人体区域分割。通过在复杂背景和不同光照条件下的图像分割实验,验证了本方法具有良好的精度和鲁棒性。     

Iris Feature Extraction and Recognition Based on Fractal Dimension of Grayscale Extremums

This paper presented an individual recognition algorithm for human iris using fractal dimension of grayscale extremums for feature extraction.Firstly,iris region was localized from an eye image with modified circle detector stemmed from Daugman's integro-differential operator.Then,segmentation was used to extract the iris and to exclude occlusion from eyelids and eyelashes.The extracted iris was normalized and mapped to polar coordinates for matching.In feature encoding,a new approach based on fractal dimension of grayscale extremums was designed to extract textural features of iris.Finally,a normalized correlation classifier was employed to determine the agreement of two iris feature templates,and the feature template was rotated left and right to avoid the interference from rotation of eyes and tilting of head.The experimental resuits show that fractal dimension of grayscale extremums can extract textural features from iris image effectively,and the proposed recognition algorithm is accurate and efficient.The proposed algorithm was tested on CASIA-IrisV3-Interval iris database and the performance was evaluated based on the analysis of both False Accept Rate (FAR) and False Reject Rate (FRR)curves.Experimental results show that the proposed iris recognition algorithm is effective and efficient.     

钢轨磨损视觉测量的轮廓精确快速提取

为保证钢轨磨损动态视觉测量的高精度,综合图像获取和图像处理技术,实现了清晰光条图像获取和光条中心点亚像素坐标精确提取。根据光条与背景环境亮度的高对比度,提出一种依据光条亮度的相机自动曝光法,用于获取清晰的光条图像;分析图像光条法线方向的亮度衰变特征,采用动态阈值分割法初步提取光条,滤除图像背景的同时保留光条法线方向的亮度衰减信息;根据图像过度曝光信息确定光条中心点像素大致位置,再对分割的光条图像相对应像素位置点计算Hessian矩阵,获取光条中心点的亚像素坐标。采用MFC编写应用程序进行试验,在不同光照环境和背景物的干扰下,该方法可精确地提取光条中心,与经典Steger算法相比提取精度偏差为0.05pixel,运算时间节约40%。试验结果验证了该方法稳定性好,有较强的抗干扰能力,较好地满足钢轨磨损测量的现场要求。     

视觉测量中圆形标志两种提取方法的比较

针对靶场视觉测量相机标定中圆形标志在复杂背景图像上的提取和定位问题,研究了两种不同的圆形标志提取方法,一种是基于感兴趣区域的交互式提取方法,另一种是基于图像灰度和几何形态学的提取方法。对两种方法的圆形标志提取过程进行了研究,并分别采用两种方法对视觉测量图像中的圆形标志进行提取实验,对两种方法的边缘提取效果和定位结果进行了对比,分析了两种方法的优势和不足。圆形标志的提取结果表明,第一种方法能够平滑地提取出圆形标志的边缘,但受圆形标志的成像情况影响较大,第二种方法边缘提取效果受圆形标志的成像情况影响较小,但提取出的边缘为锯齿形,部分圆形标志的像素点被误判为背景,与圆形标志的实际成像有一定误差。     

基于成像提取的RCS精确测量方法研究

高精度雷达散射截面(RCS)测量对背景环境具有较高要求,当背景环境存在较强干扰时,通过背景矢量对消难以消除杂波影响。提出基于成像提取的高精度RCS测量方法,从背景杂波中分离和提取出目标的散射信号,从而提高了测量的精度。首先推导了像与RCS的数学关系,然后利用转台模式下的测量回波进行成像处理,得到目标区域的二维像;从成像区域中提取目标的二维像,通过波谱变换和定标获得目标的RCS。仿真结果表明,该方法对于具有干扰情况下的RCS测量,可以改善3~5 d B的测试精度,并且能够对弱散射目标进行测量。实验结果表明了成像提取方法的有效性和准确性。     

涂树白机器人视觉的实现

本文针对涂树白机器人视觉系统设计出了一种有效地树木识别方法,该方法主要应用纹理分析和二进制图像操作技术来识别图像的性质和消除图像的背景,通过该方法可快速有效地提取树木的轮廓。试验结果表明本文采用的方法是行之有效的。     

一种基于模糊熵的相位编组提取直线的方法

相位编组方法可以检测出弱对比度的直线;同时也提取了大量的杂碎的小直线段。给后续的处理带来负担。本文提出了将所有的直线支持区域按长度统计建立直线长度直方图,利用信息论中的最大模糊熵原理,在条件概率与模糊熵划分的基础上来确定图像的主轮廓直线段和其它的碎小干扰直线段的长度阈值的方法。利用该阈值可以提取图像的主轮廓结构直线段,通过实验表明该方法能有效的提取图像主轮廓直线。     

面向挤出中聚合物形态的层析图像处理方法的研究

依据光学信息论中的多维随机变量的联合熵、条件熵、平均互信息之间关系和互信息的链式法则,提出了面向挤出中聚合物形态的层析图像处理方法.它包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量.实验表明,通过该方法不仅能将目标形态从目标与背景之比为1∶9的层析图像中分辨出来,而且能提高目标图像的空间分辨率30%,解决了由于目标图像信息量小、对比度差而使得层析图像测量方法难以在工程中应用的问题.     

基于LabVIEW图像识别的物体外观实时分类研究

采用了实时图像与背景图像相减的方法提取物体图像,有效的提高了图像的识别效率。通过对物体轮廓坐标重建的方法提取了边界坐标,及根据型心与边界坐标的欧式距离峰值或峰谷的个数对物体进行了分类识别。通过LabVIEW进行编程,并对圆形、三角形和矩形物体进行实验,结果表明该方法能有效的对物体外观重建,并进行分类。