基于区域活动轮廓运动目标跟踪方法研究

根据贝叶斯估计理论，首先建立了图像序列中运动目标的跟踪模型，然后用高斯分布来描述图像的区域信息，并通过对模型的分析，与区域活动轮廓模型建立对应关系，将问题的求解转化为能量最小化问题。同时为了克服目标在运动中发生的拓扑形变，采用水平集方法进行数值实现。实验结果表明，这种方法不仅可以对多个运动目标进行跟踪，并能非常好地逼近运动目标的轮廓，而且能够自然地处理运动目标的拓扑形变。     

实现测地线活动轮廓模型的改进变分水平集方法

传统的实现测地线活动轮廓（Geodesic Active Contour,GAC）模型的水平集方法中,采用迎风方案作数值求解,需要使用足够小的时间步长,在曲线演化的过程中需要重新初始化,故效率低,据此,给出一种基于测地线活动轮廓模型的变分水平集方法,引入了一个水平集函数的强制项,避免了重新初始化,简化了初始化的工作,通过实验证明了这种方法是有效的,稳定的。     

一种测地线活动轮廓模型的快速算法*

为了完成测地线活动轮廓模型在图像分割中的平滑预处理和图像梯度的计算,给出水平集方法以实现中符号距离函数的构造。通过对Gaussian函数以及差分运算的讨论,提出了一种基于Sobel算子图像预处理方法,并利用同心圆扩散方法计算符号距离。得出将图像平滑与梯度计算结合为Sobel算子的处理,一种计算符号距离函数的快速计算方法。通过实验比较,Sobel算子既可以完成平滑处理,又降低了差分计算梯度的时间复杂度,而同心圆扩散方法能够提高模型算法的执行效率。     

基于DRLSE模型的运动目标跟踪

高斯粒子滤波不能处理曲线的拓扑变化,而基于水平集的几何活动轮廓模型能较好地适应拓扑变化,为了跟踪和提取刚体和非刚体运动目标精确的轮廓信息,提出基于距离规则化的水平集演化(DRLSE)模型和高斯粒子滤波(GPF)相结合的运动目标跟踪方法.首先用高斯粒子滤波对目标跟踪得到目标的运动区域,然后把水平集规则项引入到测地线活动轮廓模型中,以外接轮廓的中心为基础进行DRLSE.距离规则化不仅消除了水平集重新初始化的需要,而且避免了因此而导致的数值错误,在水平集演化过程中保持了水平集函数的规则化.最后,将获得的精确轮廓信息反馈到跟踪框架.实验结果表明,该方法适用于刚体和非刚体目标,在实际交通环境中跟踪结果更加精确.     

基于灰色关联分析的改进GAC模型轮廓检测方法

针对传统的基本测地线活动轮廓( GAC)模型在检测噪声干扰、弱边界及凹陷边界目标的轮廓时提取效果不佳的问题,文中提出一种基于灰色关联分析的改进GAC模型轮廓检测方法。该方法利用灰色关联度代替梯度信息来构建停止函数。与传统的梯度信息相比,灰色关联系数对于具有模糊的边界信息的图像信息表示更为准确,从而更好地提取弱边界目标轮廓。初步实验结果表明,文中方法在提取弱边界目标轮廓时效果优于基于传统GAC模型和传统的LBF模型的轮廓检测方法。     

活动轮廓模型目标跟踪算法综述

目标跟踪是当前计算机视觉领域最活跃的研究主题。首先对基本的跟踪类型进行了介绍;然后讨论了基于活动轮廓模型的图像分割,重点分析了参数活动轮廓模型的梯度矢量流模型（Gradient Vector Flow,GVF）,以及几何活动轮廓模型中的模型;并讨论了基于粒子滤波的目标跟踪算法的研究现状,最后展望了这一领域未来研究的热点。     

基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界。为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型。首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数。其次,构建梯度下降流,促使轮廓曲线运动到目标边界上。最后,对5组含有弱边界的图像进行仿真实验。实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型。     

基于自适应帧差和水平集的运动目标检测和分割

首先采用自适应帧差法对视频中运动目标进行检测,依据帧差面积的变化趋势选择采用2帧差法还是3帧差法来自动调节帧差面积,以防止检测目标的丢失;然后采用数学形态学方法对帧差图像进行后处理,根据帧差区域的质心移动推测运动目标的质心位置,同时将帧差区域拟合为与其具有相同标准2阶中心矩的椭圆,从而确定测地活动轮廓(GAC)模型的初始轮廓.水平集函数在归一化传导率非线性热方程的约束下,消除了耗时的重新初始化过程,减少了迭代次数和运行时间.实验结果表明了所提出算法的有效性.     

基于几何活动轮廓模型的目标跟踪与快速运动估计

为了快速灵活地实现对图像序列中的目标运动的跟踪与描述,首先基于几何活动轮廓模型,提出了一种目标跟踪与运动估计的耦合变分模型,该模型可在进行多个目标跟踪的同时,估计运动矢量场,并以此修正跟踪的结果;然后分别从耦合模型的两个方面,讨论了模型对序列图像处理的执行效率和精度,接着针对耦合框架中的目标跟踪环节,改进了几何活动轮廓模型的外力场,从而增强了模型的跟踪能力和收敛速度;最后针对运动估计问题,由于耦合框架基于几何活动轮廓模型,因此框架在跟踪过程中,天然地提供了图像水平集信息,并在此信息的基础上,提出了一套用于快速计算图像序列局部目标的运动矢量场的方法,其对混合有非刚性运动的目标也能有较好的逼近结果。多种类型图像的数值实验结果证明,整套框架是有效的和鲁棒的,而且与经典光流方法进行的对比实验表明,新算法可以快速准确地同时估计图像序列中局部运动目标的轮廓位置与运动参数,从而为后续图像分析与处理打下了良好的基础。     

辅以区域力量的梯度矢量流测地线活动轮廓模型

梯度矢量流测地线活动轮廓模型作为对测地线活动轮廓模型的重要改进,不仅扩大了测地线活动轮廓模型的适用范围,而且改进了它的分割效果。但由于该模型中推动活动轮廓演化的外部力量来自于梯度矢量流,因此活动轮廓在演化过程中可能会由于弱边缘等因素的影响而陷于不希望的局部最小值。为尽量减少弱边缘对活动轮廓初始位置的限制及其对轮廓演化的不利影响,提出了一种新的辅以区域力量的梯度矢量流测地线活动轮廓模型,该模型首先将基于区域信息的力场与梯度矢量流力场相耦合,然后由以上两种力量构成的耦合力场,使活动轮廓模型能够有效地克服弱边缘的影响而收敛到所期望的边缘。实验结果表明,辅以区域力量的梯度矢量流测地线活动轮廓模型与梯度矢量流测地线活动轮廓模型相比,不仅可以更灵活地设置初始轮廓的位置,而且对弱边缘的干扰也有较好的适应性,并能有效地避免边缘泄漏。     

动态背景下运动目标检测与跟踪研究

主要研究动态背景下的运动目标检测和跟踪问题。背景补偿差分法是一种常用的动态背景下运动目标检测算法,但检测到的目标轮廓要比其真实轮廓大,检测结果不准确且算法复杂度较高。主动轮廓模型在图像分割和目标提取过程中具有拓扑结构变化灵活性,对数值计算方案的设计更加方便、有效,据此提出一种基于改进C-V模型和卡尔曼滤波的算法,用来检测和跟踪动态背景下的运动目标。提出的算法利用C-V模型曲线演化检测和跟踪目标,使C-V模型在目标的边缘处收敛。结合卡尔曼滤波预测运动目标下一帧位置,从而实现对运动目标轮廓的跟踪。实验结果表明,该方法可以对动态背景下运动目标进行精确的检测与跟踪。     

基于Gabor小波的几何活动围道纹理图像分割方法

用活动围道分割纹理图像时,纹理经常被分割为一个个独立的区域,影响了分割的质量。针对此问题,提出了一种基于Gabor小波的几何活动围道分割新方法。该方法先用Gabor小波对纹理图像进行特征提取,再用几何活动围道模型进行分割,模型求解时采用了无需初始化的曲线演化方法,减少了计算量。对自然界真实图像和合成纹理图像的分割实验结果说明,与传统几何模型分割法相比,提出的分割方法精度高、速度快。     

Viscosity solutions for geodesic active contour under geometrical conditions

This paper addresses the issue of introducing geometrical constraints into segmentation processes in image analysis. This question has emerged from the analysis of classical tools: indeed, usual methods such as deformable models, fast marching prove to be fruitless when image data are missing or of poor quality or when the image owns homogeneous-textured regions. To cope with these hindrances, the idea developed hereafter consists of integrating geometrical constraints in the modelling to make the segmentation process easier to handle.

We have devised a geodesic active contour-based model, in which we are trying to determine a curve that best approaches the given points (geometrical data) while detecting the object under consideration (see also Apparato et al., Segmentation of medical image sequence under constraints: application to non-invasive assessment of pulmonary arterial hypertension, Int. J. Comput. Math. 5(2004), pp. 527–536 and Gout and Vieira-Testé C. Gout and S. Vieira-Testé, An algorithm for segmentation under interpolation conditions using deformable models, Int. J. Comput. Math. 80(1) (2003), pp. 47–54 where other approaches are given for this kind of problems). In this paper the main results concern the study of the existence and uniqueness of the viscosity solution of this problem (following three different approaches). We also give numerical examples on real data sets.     

基于贝塞尔滤波改进的测地活动轮廓图像分割模型

活动轮廓模型广泛应用于图像分割和目标轮廓提取,基于边缘的测地活动轮廓（GAC）模型在提取边缘明显的物体时得到广泛的应用,但GAC演化过程中,迭代次数较多,耗时较长。针对这一问题,结合贝塞尔滤波理论,对GAC模型改进。首先,利用贝塞尔滤波对图像进行平滑处理,降低噪声;其次,基于贝塞尔滤波的边缘检测函数,构建新的边缘停止项,且并入到GAC模型中;最后,在构造的模型中同时加入反应扩散（RD）项以避免水平集重新初始化。实验结果表明,与多个基于边缘的模型相比,所提模型在保证分割结果精确度的同时,提高了时间效率,更适用于实际应用。     

基于活动基模型的非刚体目标跟踪算法研究

近年来,非刚体目标跟踪技术作为视频目标跟踪中的一个难点受到了广泛关注。为了精确跟踪非刚体目标,克服跟踪过程中目标形状变化和遮挡带来的困难,提出一种基于活动基模型的非刚体目标跟踪算法。首先采用共享草图算法从目标训练样本集中学习得到目标的活动基模型,然后把活动基模型嵌入粒子滤波观测模型中。在对金鱼与企鹅序列跟踪的实验结果表明,与现有算法相比,该算法在非刚体目标形状变化以及存在遮挡的情况下,具有更好的跟踪性能。     

基于改进高斯混合模型的实时运动目标检测与跟踪*

为提高运动目标检测与跟踪的可靠性,提出了一种基于改进高斯混合模型的实时运动目标检测与跟踪算法。该算法建立可自动调节分布数目的高斯混合背景模型,通过背景减除获取前景图像;利用目标相邻帧的连续性分割运动目标;在此基础上将传统的颜色直方图模型进行改进,提高目标颜色分布的可信度,进而根据目标的位置、大小和颜色构造运动目标全局匹配相似度函数,实时完成运动目标检测与跟踪。利用大量的监控视频数据进行验证,结果表明,与传统的检测跟踪算法相比,该算法减少了计算量,提高了复杂背景情况下运动目标检测与跟踪的可靠性。     

基于马尔可夫随机场与活动轮廓的运动目标分割

针对视频序列图像中的运动目标分割,提出了将马尔可夫随机场模型和活动轮廓模型相结合的运动目标分割算法。该算法首先利用马尔可夫随机场模型的运动检测算法,得到运动目标的初始模板。在此基础上提取出活动轮廓模型的初始轮廓点,然后构造活动轮廓模型的能量函数。用改进的贪婪算法求得能量函数最小值,提取出运动目标的精确轮廓,从而得到具有精确边缘的运动目标。实验结果表明该算法能有效地分割和提取出视频序列中的运动目标。     

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。