利用Poisson方法实现图像前景提取

图像前景提取是运用图像处理算法快速、准确地提取出图像中人们感兴趣的信息,它是图像研究的基础和重要的工作.图像前景提取的重点工作是研究出高效、准确的算法来确定图像中的每个像素点是属于需要提取的前景还是需要舍弃的背景.用Alpha值来表示该像素点属于前景的部分,称为掩模值.根据图像的表达公式可知,求解Alpha值是一个病态问题,快速、准确地进行前景提取成为图像研究的重点.介绍了前景提取的基本概念,详细介绍了Poisson前景提取算法并对关键代码进行分析,对Poisson前景提取算法进行了分析与展望.     

一种去光照干扰方法在行人检测中的应用

在基于图像差分的行人检测算法中,光照的变化对提取图片中的行人干扰非常大,一般的自适应背景更新方法很难消除光照快速变化带来的影响。为了解决这一问题,设计了一种基于直方图分布特征相似性的光照变化干扰去除方法,分析了光照干扰前后两幅图片局部区域的直方图分布特征相似性原理,给出了图像直方图分布特征相似性测量方法及评价参数---标准差。通过对光照频繁变化环境下相邻两帧图片进行差分实验,结果表明,该方法能够克服光照突然变化的干扰且鲁棒性好,能够准确分割出运动目标和抑制大幅度光照变化带来的干扰。     

一种改进的自适应阈值前景提取方法*

为了尽可能完整地提取前景,针对视频处理中提取的前景区域出现断层导致单个目标出现分裂的问题,提出了一种改进的自适应阈值前景提取方法.该方法是在非模型法产生背景模型的基础上,通过背景差法获取差分图像,利用环境噪声的相对稳定性,建立一张环境噪声分布图,进而滤除差分图像中存在的环境噪点,自适应求取分割阈值,进行图像二值化处理获取前景区域.实验结果表明,该方法能明显改进前景提取效果,最大化提取目标的完整性.     

一种两阶段的关键帧提取方法

基于联合直方图的帧间相似性在关键帧提取中存在漏检问题,而基于边缘特征的方法,虽然效果较好,但在计算复杂度方面比较高。本文结合这两种方法的优点进行两阶段的提取方法,即先用基于联合直方图的方法提取视频的候选关键帧,再用基于边缘特征的方法进行二次提取。实验结果表明,该方法提取出来的关键帧有较好的代表性,冗余度底。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

一种B超图像的边缘提取算法

B超图像中存在着大量噪声,传统的边缘检测方法效果都不理想。本文提出将经典的Sobe算子与Canny算子融合检测边缘。实验表明这种方法提取的边缘具有对噪声不敏感、定位精确以及检出的边缘连续等特点。     

基于前景提取的复杂背景图像检索算法

基于内容的图像检索提供给使用者一种更直观、更精准的检索方式。用户在进行此类检索时,往往更关注图像的主体部分。为了消除背景信息对检索效果的影响,提出一种基于前景提取的复杂背景图像检索算法。实验证明,在H-S颜色直方图、LBP纹理特征以及颜色纹理混合特征上,该算法可以得到较优化的性能。     

一种提取SAR图像边缘的改进算法

传统的边缘提取算法不能解决合成孔径雷达(SAR)图像小边缘、赘余边缘多的问题。针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡越点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点。能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

一种新的结合区域与边缘特征的目标提取方法

该文借助知识理论,提出一种新的基于子图像块的区域分割与边缘检测相结合的目标提取方法。先对分块后的图像进行粗检,辅以知识确定目标的大概区域,然后借助改进的方向Canny边缘检测器增强并检测出较弱的目标边缘。实验结果表明该方法计算量较小、便于硬件实现,使复杂自然背景中,低对比度及不均匀光照条件下的一定形状尺寸的目标提取获得了满意的效果。     

一种自动确定分割阈值的指纹图像分割方法

针对传统的基于灰度特性的指纹图像分割方法的不足,提出了一种自动确定分割阈值的改进算法。首 先,对图像进行直方图均衡化处理。然后,提出一种自动确定分割阈值的方法,利用图像的灰度均值及方差分割图像。最后,对分割后的图像进行后处理。实验表明,该方法简单实用,处理速度快,鲁棒性好,满足实时性要求较高的自动指纹识别系统的要求,是一种行之有效的分割方法。     

基于图像处理的PCB在线前景提取方法

在线印刷电路板检测首先需要对生产线上拍摄的照片进行PCB前景提取,剔除无关的背景信息以供后续处理。提出了一种基于开源计算机视觉库OpenCV的PCB前景提取方法。首先对图像进行二值化和去噪等预处理,得到包含轮廓信息的二值图,然后通过寻找边界和旋转得到旋转的PCB前景图像,最后通过去黑边处理去除多余的背景信息。从实验结果中可以看出,该方法可以较好地去除背景得到PCB板的前景信息。     

基于遗传机制和高斯变差的自动前景提取方法

针对无监督或全自动前景提取这一技术难点问题,提出了一种基于遗传机制和高斯变差的自动前景提取（GFO）方法。首先,利用高斯变差提取图像中的相对重要区域,定义为候选种子前景;之后,利用原始图像和候选种子前景的边沿信息,根据连通性和凸球原则生成前景目标区域轮廓,称之为星凸轮廓;最后,构造适应性函数,选择种子前景,利用选择、交叉及变异的遗传机制,得到精确且有效的最终前景。在Achanta数据库和多个视频上的实验结果表明,GFO方法的性能优于已有的基于高斯变差的自动前景提取（FMDOG）方法,且在识别的准确率、召回率以及F_β指标上都取得了较好的抽取效果。     

一种保持图像细节的直方图均衡新算法 张志龙 李吉成 沈振康

本文分析了传统直方图均衡算法导致图像细节信息丢失和噪声放大的问题,提出了一种新的直方图均衡算法,能够在增强图像整体视觉效果的同时较好地保持图像细节,对图像 噪声也具有一定的抑制作用.实验结果表明,该算法具有较好的性能.     

一种基于前景与背景划分的区域图像检索方法及实现

区域图像检索(RBIR)是基于内容图像检索(CBIR)的一个分支,它以图像分割为基础,通过图像局部视觉特征的相似性进行图像检索。由于准确的图像分割技术尚不成熟,区域图像检索性能容易受到冗余分割和错误分割的影响。为了降低RBIR中图像分割的影响,提出了一种基于前景和背景划分的区域图像检索方法。该方法通过规则分块、图像分类和有效区域定位来得到图像分割区域,然后应用中心对象提取算法(COEA)获得图像主体对象,最后提取颜色和纹理特征进行相似度匹配。实现了一个基于上述方法的RBIR系统ObFind,实验结果表明该方法不仅具有与SIMPLIcity相当的检索性能,而且计算复杂度更低。     

基于分层筛选方法的前景图像去噪

前景图像的后期美化和去噪处理一直是模式识别和计算机视觉等领域的一个重要研究环节。鉴于形态学后期处理方法容易造成前景目标几何和尺寸的变形现象,本文根据真实前景目标和噪声在前景图像空间分布和像素值的统计特性提出了一种分层筛选独立分离块的前景图像后期去噪方法。该方法包括划分单元块,构造独立分离块,计算独立分离块面积和去除噪声块四个步骤。实验结果表明,本文提出的方法能够有效地去除噪声,且与形态学图像后期处理方法相比有更好的去噪效果和更低的时间复杂度。     

一种新的无监督前景目标检测方法

针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更新后的特征权重指导下一次迭代的特征聚类.多次迭代后同时得到聚类结果和前景目标.实验结果表明,该方法有效地提高Caltech 256数据集和Google车辆图像的检测精度.此外,针对目前绝大部分无监督目标检测方法不具备增量学习能力这一缺点,提出了增量学习方法实现,实验结果表明,增量学习方法有效地提高了计算速度.     

一种基于边缘图像融合的图像边缘检测方法

边缘检测是图像处理、模式识别和计算机视觉领域的重要内容．传统边缘检测方法的边缘检测效果一般．为了更好地检测出图像边缘,在传统边缘检测算法分析的基础上,提出了一种基于边缘图像融合的图像边缘检测方法．首先,对原图像进行二进小波分解得到低频子图像,然后分别对原图像和低频子图像采用直方图均衡化进行增强后用Canny算子来进行边缘检测,得到原图像和低频子图像的边缘图像,最后采用一定的融合规则将这两个边缘图像融合在一起,得到一幅完好的边缘图像．实验结果表明,这种边缘检测方法明显优于直接对原图像单独使用Canny算子或基于小波变换的边缘检测方法．     

基于视觉的移动设备屏幕提取与规范化方法

为了解决照片中移动设备屏幕图像的获取问题,提出了一种基于视觉的移动设备屏幕图像提取与规范化方法。首先使用轮廓识别算法对原始图像进行边缘检测,获得包含设备和手部的轮廓;其次,通过种子填充法从轮廓得到设备和手部的填充区域;接着在原始图像上使用基于颜色空间的皮肤检测方法得到手部区域,再与之前得到的填充区域做减运算,以得到独立的设备区域;然后再在独立设备区域的轮廓上做多边形拟合,得到设备的四个顶点;最后通过透视变化得到规范化后的设备屏幕图像。实验表明,该方法在背景不复杂且设备作为主体的照片环境下具有较高的准确率。     

动态场景视频序列中的前景区域自动提取

首先提出一种具有自适应外点过滤功能的全局运动估计算法,通过交替地进行参数估计和外点过滤,能够有效地抑制噪声的影响,实现准确的背景对准;然后,通过直方图拟合获得准确的背景噪声方差值,克服了以往只能依据经验设定背景噪声方差的缺点,并使用显著性测试技术有效地对帧差图进行二值化,最终消除帧间的重叠背景,提取出前景区域．实验结果表明,该算法能够有效地实现动态场景视频序列中的背景对准,并准确地提取出前景区域．     

书籍扫描图像的纠正

扫描书籍时,因为书脊部分远离扫描平面,扫描得到的图像会有变形、明暗不均、模糊等缺点,针对这个问题,在分析书籍空间形状模型的基础上,提出了基于图像边缘提取、线性图像变换和分片直方图修正的综合解决方法.实验结果表明,该方法能够快速、准确地解决书籍扫描图像存在的变形和明暗不均问题.