基于运动优化语义分割的变分光流计算方法

针对光照变化和大位移运动等复杂场景下图像序列变分光流计算的边缘模糊与过度分割问题,文中提出基于运动优化语义分割的变分光流计算方法.首先,根据图像局部区域的去均值归一化匹配模型,构建变分光流计算能量泛函.然后,利用去均值归一化互相关光流估计结果,获取图像运动边界信息,优化语义分割,设计运动约束语义分割的变分光流计算模型....     

视频运动对象分割技术的研究

随着视频标准MPEG-4和MPEG-7的出现，视频运动对象的分割显得极其重要．详细分析了几种典型的视频运动对象分割技术，并对视频运动对象分割技术的发展趋势进行了展望。     

面向运动分割优化的变分光流计算方法研究

面向运动分割的需求,围绕变分光流计算中的运动边缘保留问题,对反应-扩散式光流计算模型中的扩散张量设计与改进方法进行系统深入研究。 在分析已有设计方法的基础上,提出了一种融合图像和流场信息驱动的扩散张量设计方法,并利用该扩散张量建立光流计算模型,然后在多尺度计算框架下给出了相应的偏微分方程数值计算方法。 理论分析与对比实验结果表明,这种设计方法能有效克服现有方法提取运动边缘不精确的缺点,更准确地刻画出运动边缘,提高光流的计算精度。     

视频序列图像中运动对象分割综述*

视频分割技术作为多媒体技术应用的一个主要方面, 在视频编码、检索、多媒体交互中存在着广阔的前景, 而且在计算机视觉中也有着极为重要的应用; 但是由于视频图像内容复杂, 还没有一个通用的分割方法, 视频分割算法还面临着挑战。主要介绍视频分割中采用的一些算法, 并对各种算法和性能进行了比较和讨论。     

基于运动相似性的运动对象分割算法

由于全局运动参数在一些情况下不能很准确地被估计,因此基于全局运动补偿算法存在一定的局限性。该文提出了一种基于运动相似性的视频运动对象的分割算法。该算法对运动矢量场进行累加和滤波处理,根据运动相似性对运动对象进行初次分割,并利用空间相关性进行二次分割,细化运动对象边缘。实验结果表明该算法避免了全局运动补偿算法的局限性,并使分割的精确性有明显提高。     

一种有效的基于时空信息的视频运动对象分割算法

为实现视频编码标准MPEG-4中语义对象的自动提取,提出一种基于时空信息的运动对象分割算法。在时域上通过双边加权累积帧差和分块高阶统计算法得到目标的运动区域检测模板,以在充分利用时域信息的同时提高算法的速度;在提取空域信息时,先对视频序列的灰度图进行对比度增强处理,然后利用自适应Canny算子获取准确的空间边缘信息;最后进行时空融合,用空域边缘信息修正过的时域运动模板来提取运动对象。实验结果表明,本算法可以快速准确地分割视频运动对象。     

基于微分光流和粒子滤波的视频运动目标跟踪

针对传统跟踪方法中存在的背景遮挡问题,提出一种基于微分光流的粒子滤波跟踪方法。该方法建立一个用于描述目标的微分光流模型,该模型在每一帧的跟踪处理之前获得更新。使用光流相似函数计算目标与粒子所表示区域的相似度,通过粒子     

分割视频运动对象的研究

随着新的视频压缩标准MPEG-4的出现,如何从视频序列中分割出在语义上有意义的单独运动对象显得极其重要。文章从组成视频运动对象的分割系统出发,详细分析视频分割的各种方法如运动参数模型。变化检测掩模、图象分割及运动对象跟踪等,并对分割运动对象所采用的技术和方法进行了讨论。     

一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

基于边缘流的煤电厂炉膛火焰图像分割方法

针对炉膛火焰灰度变化不明显采用传统的分割算法无法达到满意分割效果的问题,采用了基于边缘流的分割方法对电厂炉膛火焰图像进行分割;首先选用高精度的灰度边缘流对图像进行分割,得到边缘流的矢量方向和边缘能量,然后再对图像闭合处理得到初始分割图像;最后,再利用颜色相似度对相邻区域进行处理,得到最终分割图像,该方法不仅避免了单纯边缘流算法提取边界不连续无法检出较弱边界的问题,而且也可以避免过分割问题;通过实验表明,基于边缘流的方法是对炉膛火焰图像进行分割的有效方法。     

基于二维直方图和彩色分割方法的运动目标检测

该文提出了一种新的彩色图像序列中运动目标提取的方法,它将彩色图像序列看作一个时空三维矩阵,在空域处理(帧内)中采用二维亮度直方图结合色度均匀性的方法进行空域分割;在时域处理(帧间)中采用时域梯度方法并利用时域色度差异分割出运动信息;然后将时、空分割图像采用子块相关方法合并成最终结果。实验结果表明,由于利用了空域分割结果,该方法具有很高的鲁棒性,可有效去除非目标运动信息及阴影等。     

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。     

基于光流的运动分析理论及应用

运动目标的检测是计算机视觉领域中最活跃的研究主题之一,运动目标的正确检测与分割影响着运动目标能否正确跟踪和分类;光流法是运动图像分析的重要方法,它能够检测出独立运动的对象,不需要预先知道场景的任何信息,并且可用于摄像机运动的情况;文中首先引入光流的基本概念,然后介绍基于光流方程的两种常用的图像分析方法--梯度法、块匹配法;接着结合光流法在红外图像序列的运动目标检测、活动轮廓模型以及医学图像处理方面的应用,对这两种光流法的优缺点进行分析;最后对光流法在未来其他领域如电子制造业和芯片检测行业的应用提出展望.     

结合对象分割的运动行人检测

目标检测大量应用于监控系统的行人检测以及人脸识别,是当前深度学习的研究热点.监督学习利用人工标注大量数据集训练出针对特定场景的行人检测器.但是人工标注方法费时费力,本文针对监督学习需要人工标注数据集的缺点,研究了一种半自动标注行人的方法.针对静止的单目摄像机拍摄的监控视频,利用光流信息提供的初始前景可能性,以及跨越时间的视觉相似性来迭代地更新初始的前景可能性,分割出运动的行人,根据分割的前景对象,提出了一种半自动标注行人的方法.实验结果显示,本文的方法可以为行人检测系统提供大量数据集,且效率上明显优于传统人工标注的方法.     

基于层次光流的半自动时空视频分割技术

在新一代 MPEG- 4视频编码标准中 ,为了支持面向对象编码和实现基于内容的应用 ,视频的半自动分割成为关键技术之一 ,为此提出了一种基于层次光流的半自动时空视频分割算法 .该算法由空域分割和时域分割组成 .在空域分割中 ,提出的基于点的图形用户界面 (PBGU I) ,在用户的协助下 ,能够精确地定义需要分割的视频对象 (VO) .时域分割根据空域分割的结果采用层次光流算法对视频对象进行边界和整体跟踪 .实验结果表明 ,利用该算法 ,能够较精确地分割出视频对象 .     

基层层次光流的半自动时空视频分割技术

在新一代MPEG-4视频编码标准中，为了支持面向对象编码和实现基于内容的应用，视频的半自动分割成为关键技术之一，为此提出了一种基于层次光流的半自动时空视频分割算法。该算法由空域分割和时域分割组成。在空域分割中，提出的基于点的图形用户界面（PBGUI），在用户的协助下，能够精确地定义需要分割的视频对象（VO）。时域分割根据空域分割的结果采用层次光流算法对视频对象进行边界和整体跟踪。实验结果表明，利用该算法，能够精确地分割出视频对象。     

运动目标检测中的光流扰动效应

在一些运动目标检测过程中,需要自动判断是否检测到运动目标,虽然在场景中没有出现运动目标,检测结果却错误的判断为检测到了运动目标.为了找到这个错误的根源,通过实验,发现了光流扰动效应,并且设计了光流扰动效应检测算法,清晰地检测出了光流扰动效果.接下来,通过图像二值化方式,消除了光流扰动效应,避免了运动目标误判现象,得到了理想的运动目标检测结果.研究证明在空间中存在光流扰动效应,该效应会对运动目标检测造成干扰,消除光流扰动效应,可提高了运动目标检测与判断的准确度和可靠度.     

基于改进光流算法的机器人目标跟踪系统

基于计算机视觉的机器人运动目标检测与跟踪,就是建立起一种机器人视觉与电机驱动相关联的系统。光流算法在此类系统中有着广泛应用,但是求取所需稠密光流场的运算量过大是其明显的缺点。为减少计算时间,提高跟踪系统响应速度,引入均值平滑算法对传统H-S(Horn和Schunck)光流算法进行改进,并在此改进算法基础上建立起目标跟踪系统。通过此系统,机器人可以根据采集到的图像的光流场变化来检测运动目标,再通过对光流场的奇异值分解,对跟踪系统模型所需参数进行估算,并驱动机器人做出相应动作,保持对目标的跟踪,从而使机器人对周围环境变化做出及时、准确的动作。经过实验证明改进后的光流算法有效的减少了计算时间,增强跟踪系统的实时性能。     

一种基于SIFT特征光流的运动目标跟踪算法

针对传统光流跟踪算法计算复杂度高、受噪声影响大的问题,提出了一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)和卡尔曼滤波器的特征点光流跟踪算法。首先,利用SIFT算法提取图像中的特征点;然后,根据最小绝对值误差准则对运动目标的特征点进行匹配,建立卡尔曼滤波器方程来计算特征点光流;最后,通过光流特征聚类实现运动目标的识别与跟踪。实验结果表明,算法对自然场景中的运动目标具有良好的跟踪特性,稳定性好,计算量小,易于实现。