包含运动物体的图像拼接关键技术

提出一种基于特征点的运动场景图像拼接算法。基于相似变换消除选取在运动物体上的特征点,并使用RANSAC算法进行外点的剔除。在融合阶段,根据齐次变换矩阵求得对2幅图像的差异图像,并执行区域增长算法,从而分割出运动区域。使用一种分段映射算法生成全景图像。实验证明了算法的有效性。     

多特征组合和图切割支持的物体/背景分割方法

运动物体分割是计算机视觉应用领域中的一个基本问题,阴影和亮度变化均易造成分割结果错误.通过组合多种图像特征,实现了一种新的检测运动物体方法.一方面,组合图像的颜色、梯度和纹理特征,利用梯度和纹理信息时亮度变化不敏感的特性,提高运动物体分割的准确性;另一方面,使用图切割算法对物体/背景进行分割,在不影响整体分割结果前提下修正局部判别错误的像素点,分割结果噪声少且稳定性强.对不同场景的分割结果表明,该方法是高效的和实用的.     

一种图像序列中的运动前景分割算法

提出了一种在图像序列中分割运动前景的算法，该算法首先对前后连续的两帧图像作差值，然后再对差值图像的直方图进行处理，并通过曲线拟合获取最佳分割门限，最后对分割结果进行形态滤波恢复出图像序列中的运动前景。实验结果表明：该算法简单易行，能够成功分割出图像序列中的运动物体，是一种较好的运动前景分割算法。     

融合深度和颜色信息的图像物体分割算法

讨论立体图对的图像分割问题,提出一种基于深度和颜色信息的图像物体分割算法。该算法首先利用基于聚类的Mean-shift分割算法对目标图像进行适度的过分割,同时借助双目立体视觉算法获取立体图对的稠密深度图,并依据深度不连续性从过分割结果中选取用于继续进行“精致”分割的种子点集,接着对未分配种子标签的区域用图割算法分配标签,并对彼此之间没有深度不连续边界但具有不同标签的相邻区域进行融合。相比于传统图像分割算法,该算法可有效克服过分割和欠分割问题,获取具有一定语义的图像分割结果。相关的对比实验结果验证了该算法的有效性。     

面向RGBD图像的标记分水岭分割

目的 针对分水岭分割算法中存在的过分割现象及现有基于RGB图像分割方法的局限,提出了一种基于RGB图像和深度图像(RGBD)的标记分水岭分割算法。方法 本文使用物体表面几何信息来辅助进行图像分割,定义了一种深度梯度算子和一种法向量梯度算子来衡量物体表面几何信息的变化。通过生成深度梯度图像和法向量梯度图像,与彩色梯度图像进行融合,实现标记图像的提取。在此基础上,使用极小值标定技术对彩色梯度图像进行修正,然后使用分水岭算法进行图像分割。结果 在纽约大学提供的NYU2数据集上进行实验,本文算法有效抑制了过分割现象,将分割区域从上千个降至数十个,且获得了与人工标定的分割结果更接近的分割效果,分割的准确率也比只使用彩色图像进行分割提高了10%以上。结论 本文算法普遍适用于RGBD图像的分割问题,该算法加入了物体表面几何信息的使用,提高了分割的准确率,且对颜色纹理相似的区域获得了较好的分割结果。     

基于改进分水岭算法的VCH-F1图像分割

针对分水岭算法存在的过分割问题以及VCH-F1切片图像的特点,提出了一种能够有效消除局部极小值和噪声干扰的分割方法。首先比较并选取彩色分量图像梯度信息的最大值,达到提取图像有效边缘信息的目的;然后提出基于多阈值分割的方法消除无效梯度信息;最后介绍了算法的步骤及结果。实验结果证明,基于该方法处理梯度图像进行分水岭算法处理可以得到准确的分割结果。     

一种改进的分水岭算法在医学图像分割中的应用研究

分水岭算法在图像处理领域得到了广泛的应用,但单独使用分水岭进行图像分割会产生过分割现象,难以得到令人满意的结果。针对分水岭算法存在的过分割问题,提出一种改进的分水岭算法,能有效的抑制过分割现象。首先对输入图像进行平滑滤波处理并计算该图像的多尺度灰度梯度图像;然后提出基于多阈值分割的方法消除无效的梯度信息;再进行分水岭变换并对相似的区域进行合并。实验结果表明,提出的改进的分水岭算法能有效地处理过分割问题,比传统的分水岭算法得到的分割效果要好很多。     

一种基于标记的分水岭图像分割新算法

为了降低分水岭算法的过分割问题,提出一种新改进的基于标记的分水岭图像分割方法。该方法是在分水岭算法的基础上,算法直接应用分水岭在原始梯度图像而并非简化之后的图像进行分割,从而保证没有物体边缘信息的丢失。与此同时,新算法设计一种新的标记提取方法,从梯度的低频成份中提取与物体相关的局部极小值。它们将构成二值标记图像。然后,将提取的标记利用形态学极小值标定技术强制作为原始梯度图像的局部极小值,而屏蔽梯度图像中原有的所有局部极小值。最后,分水岭在经过修改之后的梯度图像上进行图像分割,最终获得较好的图像分割结果。利用本文提出的图像分割算法可以获得较为理想的图像分割结果。通过对不同类型的图像进行试验,证明本文提出的图像分割算法能够获得符合人类视觉特点,具有实际意义而且一致的分割区域,以及较为准确、连续、一个像素大小的物体边界。与其他的分水岭改进方法相比,本文提出的方法要求的计算复杂度较低,具有简单的参数,同时能够更为有效地降低分水岭算法的过分割问题。     

图像分割研究进展

至今提出的分割算法有上千种,而新的算法还在不断被提出。从图像分割实际应用的角度,或者从图像分割中使用的特定的理论工具的角度,可以对图像分割进行分类。Otsu算法、基于聚类的图像分割方法、运动分割、基于图论的图像分割方法和基于活动轮廓的图像分割方法是图像分割的主要研究领域,自然计算算法已成为图像分割新的研究热点。     

结合随机游走与FCM的脑图像分割方法

随机游走算法只考虑相邻像素灰度相似性,忽略了邻域像素梯度信息,抑制了random walker沿着某些与种子点灰度相近的边向种子点前进,从而导致错分与漏分。提出一种脑图像分割方法,先对原图进行小波变换,提取图像梯度信息,将梯度信息融入边的权重。最后使用改进的FCM算法,结合像素邻域信息,进行最终脑图像分割。实验表明,本方法分割的脑组织图像正确率高,图像空洞与斑点明显减少,图像边缘更加平整。     

一种基于时空联合的视频对象分割方法

视频对象分割在基于内容的视频编码和视频检索中均有重要的应用.为此,针对视频对象分割,提出了一种时域和空域信息融合的视频对象分割方案,该方案首先对时域分割采用基于F-假设检验的方法来得到初始的变化检测模板,然后通过与基于形态学的空域分割融合来获得最终的运动对象.实验结果表明,该方案计算比较简单,能较好地将前景运动对象从静止或运动、简单或复杂的背景中分离出来,且定位精度较好.     

结合运动信息与表观特征的行人检测方法

提出一种结合运动信息与表观特征的行人检测方法.在对通过表观检测子获得的候选检测窗口执行分割验证的框架中,将运动信息融入到基于图像序列的对象分割算法中,通过获取更准确的分割结果来提高对候选检测窗口的检测准确率.该方法利用运动信息更新运动对象的前景/背景分布模型,将颜色信息间接地融入行人检测中,并通过形状特征表现出来,与行人表观检测子形成互补的特性,获得更好的检测结果.上述结论在CAVIAR视频以及行人检测视频中得到了实验验证.     

一种动态场景下运动对象分割新算法

视频运动对象分割是计算机视觉和视频处理的基本问题。在摄像机存在全局运动的动态场景下,准确分割运动对象依然是难点和热点问题。本文提出一种基于全局运动补偿和核密度检测的动态场景下视频运动对象分割算法。首先,提出匹配加权的全局运动估计补偿算法,消除动态场景下背景运动对运动对象分割的影响;其次,采用非参数核密度估计方法分别估计各像素属于前景与背景的概率密度,通过比较属于前景和属于背景的概率及形态学处理得到运动对象分割结果。实验结果证明,该方法实现简单,有效地提高了动态场景下运动对象分割的准确性。     

基于彩色模型的重构标记分水岭分割算法

分水岭算法是一种适用于图像分割的强有力的形态学工具,但传统的分水岭算法存在严重的过分割现象,并且实际图像容易受到反射亮光和阴影的影响。针对该问题提出一种新的彩色空间重构标记分水岭分割算法。该算法首先将RGB彩色图像转换到新的彩色空间中,抽取不受反射亮光和阴影影响的分量进行梯度计算;然后利用形态学开闭重构提取感兴趣目标构成二值标记图像,利用标记图像修改梯度图;最后在修改的梯度图上进行分水岭变换。新算法不仅可以抑制由于纹理细节和噪声引起的过分割,还可以有效地抑制由于反射亮光和阴影产生的过分割,同时由于该分割算法是在原始梯度图上而非滤波简化的图像上进行的,因此物体的边缘信息也得以最大程度的保留。理论分析和实验结果表明了该算法的有效性。     

结合全卷积网络的无监督视频目标分割

对视频中的目标进行像素级分割是计算机视觉领域的研究热点，完全没有用户标注的无监督视频分割对分割算法提出了更高的要求。近几年在分割中常使用基于帧间运动信息进行建模的方法，即用光流等运动信息预测目标轮廓，再结合颜色等特征建立模型进行分割。针对这些方法产生的前景背景混淆以及边缘粗糙等问题，本文提出结合全卷积网络的视频目标分割方法。首先通过全卷积网络预测视频序列中显著目标的轮廓，结合光流获得的运动显著性标签进行修正，然后建立时间-空间图模型，运用图割的方法获得最终的预测标签。在SegTrack v2以及DAVIS这2个通用数据集上进行评估，结果表明本文方法较基于帧间运动信息的方法在分割效果上有明显的提高。     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息;首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标;实验结果表明该方法分割比较精确。     

基于多尺度形态滤波的分水岭图像分割方法

采用多尺度形态滤波器对输入噪声图像及滤波后图像的梯度图像进行平滑,实现了消除噪声、简化图像、保持物体重要轮廓信息的作用．最后,给出一种改进的快速区域合并算法优化分割结果．实验证明,采用文中分割方法可以获得很好的分割结果。     

基于先验信息的运动物体分割与跟踪

提出一种基于先验信息的运动物体分割与跟踪算法。该算法假设帧间运动物体颜色直方图和大小等信息是相对不变的,利用动态规划思想最小化当前帧目标物体颜色直方图和大小与已知目标物体颜色直方图和大小信息的差距,从而找到较准确的目标物体轮廓。与梯度向量流算法相比,该算法对初始轮廓的鲁棒性较好,能在复杂的背景中找到物体轮廓。     

Multispectral image segmentation by a multichannel watershed‐based approach

Watershed transformation in mathematical morphology is a powerful morphological tool for image segmentation that is usually defined for greyscale images and applied to the gradient magnitude of an image. This paper presents an extension of the watershed algorithm for multispectral image segmentation. A vector‐based morphological approach is proposed to compute gradient magnitude from multispectral imagery, which is then input into watershed transformation for image segmentation. The gradient magnitude is obtained at multiple scales. After an automatic elimination of local irrelevant minima, a watershed transformation is applied to segment the image. The segmentation results were evaluated and compared with other multispectral image segmentation methods, in terms of visual inspection, and object‐based image classification using high resolution multispectral images. The experimental results indicate that the proposed method can produce accurate segmentation results and higher classification accuracy, if the scales and contrast parameter are appropriately selected in the gradient computation and subsequent local minima elimination. The proposed method shows encouraging results and can be used for segmentation of high resolution multispectral imagery and object based classification.     

面向多种场景的视频对象自动分割算法

针对当前应用于视频对象分割的图割方法容易在复杂环境、镜头移动、光照不稳定等场景下鲁棒性不佳的问题,提出了结合光流和图割的视频对象分割算法.主要思路是通过分析前景对象的运动信息,得到单帧图像上前景区域的先验知识,从而改善分割结果.论文首先通过光流场采集视频中动作信息,并提取出前景对象先验区域,然后结合前景和背景先验区域建立图割模型,实现前景对象分割.最后为提高算法在不同场景下的鲁棒性,本文改进了传统的测地显著性模型,并基于视频本征的时域平滑性,提出了基于混合高斯模型的动态位置模型优化机制.在两个标准数据集上的实验结果表明,所提算法与当前其他视频对象分割算法相比,降低了分割结果的错误率,有效提高了在多种场景下的鲁棒性.