结合视频分割的形状编码算法

设计了结合视频分割的形状编码新算法.该算法采用提出的基于柔性初始轮廓的水平集(level set)运动对象分割算法得到零水平集,即对象的形状轮廓,然后进一步采用提出的基于边界与采样轮廓一致性的基准线编码方法直接得到视频对象的形状编码,从而避免了采用二值矩阵提取形状轮廓产生的误差和时间花费,有效地节约了码流,具有了较好的编码效果.     

一种基于水平集的运动视频对象分割算法

视频对象的分割是基于内容的视频处理的重要组成部分。提出并实现了一种基于水平集的运动视频对象分割算法。算法通过视频帧间的亮度差值提取初始轮廓曲线，将该曲线作为水平集算法的初始零水平集，采用窄带水平集方法演化曲线。得到最终的分割结果。实验表明该算法简单高效，具有很好的分割效果。     

一种用于岩心序列图像轮廓提取的改进Snake算法

针对岩心序列图像的轮廓提取,提出了一种改进的Snake算法。对序列图像第1帧手动初始化轮廓点,如果相邻轮廓点之间距离大于给定阈值,则自动插入新的点,对于每一轮廓点,按照一定规则计算其搜索半径,然后找出搜索半径内的能量最小的点代替原始点。前一帧得到的结果又作为后一帧的初始点进行轮廓提取,从而得到整个序列图像的轮廓。实验结果表明,本算法具有简单、实用、实时性强等特点。     

基于水平集算法后向散射的运动目标轮廓提取

基于距离选通的激光主动成像系统在大气条件下对运动目标成像时,为了在更大范围内搜索跟踪目标,距离选通初始门宽通常在微秒量级,进而引起后向散射,严重影响了系统对目标的识别与提取。文中首先分析了基于距离选通的激光主动成像系统,在此基础上引入距离信息实时跟踪运动目标,研究了不同选通门宽引起的后向散射对图像质量的影响,提出了一种基于Sobel 算子和 GAC 模型的目标轮廓提取算法,将 Sobel 边缘检测的结果引入水平集边界停止函数,为水平集的曲线演化提供参考依据。实验结果表明,提出的水平集算法能够克服严重后向散射干扰影响提取目标轮廓,目标提取精度在0.9以上,高于 GAC、LIF、LBF 等经典水平集算法。     

基于FCM聚类和C-V模型的人眼精确定位方法

提出了一种精确提取眼睛轮廓、虹膜边界、瞳孔中心及眼角坐标的方法。首先利用基于AdaBoost算法的眼睛检测器提取眼睛所在的图像子区域,并应用单尺度Retinex算法增强该子区域;然后在子区域中运用梯度Hough圆变换提取瞳孔中心和虹膜边界;接着运用模糊C均值(FCM)聚类算法在子区域内提取眼睛的初始区域,并以初始区域构造符号距离函数作为C-V模型的初始水平集函数;最后运用C-V模型提取眼睛轮廓和眼角坐标。在Purdue AR人脸测试集上,结合FCM聚类后C-V模型的收敛速度提高了64.1%、定位精度提高了8.3%。方法不受复杂背景影响,对光照变化有较好的适应度,具有较高的鲁棒性。实验结果表明方法是有效的。     

Faster-RCNN和Level-Set结合的高分遥感影像建筑物提取

目前Level-Set图像分割方法存在初始轮廓的确定受人为因素影响较大的问题，对目标被遮盖和目标与背景灰度值相近无法达到理想的分割效果。针对此问题，本文提出了利用Faster-RCNN网络模型确定目标初始轮廓和区域信息的先验水平集图像分割方法，搭建Caffe深度学习框架训练Faster-RCNN网络模型；通过有监督学习的方式在IAILD数据集上训练模型，检测出目标建筑物并初步提取建筑物的轮廓，并将其与形状先验的Level-Set算法结合。对比实验结果表明，本文方法解决了Level-Set算法中图像分割结果初始轮廓受人为标记框选的影响较大的问题，能够更好地完成被遮挡建筑物的分割，对于目标建筑和背景灰度值相近也能达到更好的分割效果。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.     

自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时比采用绝对差之和测度（SAD）要稳定，但是归一化互相关测度的缺陷在于它的计算量非常大。为此，提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关（NCC）的快速模板匹配算法。根据模板图像中不同模块的梯度值，将模板图像进行逐级分区，通过分区顺序将互相关之和分为不同的层，得到各层互相关的上界，运用柯西-施不等式得到上界间的关系，形成自适应连续多级分区淘汰方法。同时，为了加快匹配速度，利用初始阈值估计产生一个较大的边界阈值，以淘汰初始搜索时的大量非匹配点，减少搜索点数目。实验结果表明:所提出的算法具有较好的鲁棒性，且算法的执行速度优于传统算法。     

一种基于取向估计的关键点检测算法

主观轮廓是一种重要的视觉心理现象,体现了人类视觉惊人的感知修复能力。针对主观轮廓处理过程中提取轮廓特征的特定需求,提出了一种基于取向估计的关键点检测算法。该算法在对边缘提取和对边缘点进行取向估计的基础上,通过对取向张量进行特征值分解获得各边缘点的各向异性信息,然后通过局部极值搜索和取向差验证提取出角点和边缘独立端点,从而对这两类关键点进行了一体化的处理。实验结果表明,该算法能比较有效地提取出主观轮廓后续处理所需要的两类关键点。     

基于边缘引导的光场图像显著性检测

针对光场图像显著性检测存在检测目标不完整、边缘模糊的问题，本文提出了一种基于边缘引导的光场图像显著性检测方法。利用边缘增强网络提取全聚焦图像的主体图和边缘增强图，结合主体图和焦堆栈图像所提取的特征获得初始显著图，以提高检测结果的准确性和完整性；将初始显著图和边缘增强图通过特征融合模块进一步学习边缘特性的信息，突出边缘细节信息；最后，使用边界混合损失函数优化以获得边界更为清晰的显著图。实验结果表明，本文所提出的网络在最新的光场图像数据集上，F-measure和MAE分别为0.88和0.046，表现均优于现有的RGB图像、RGB-D图像和光场图像显著性检测算法。所提方法能够更加精确地从复杂场景中检测出完整的显著对象，获得边缘清晰的显著图。     

基于SVD-ICP方向加速的机器人触觉与视觉图像配准算法

文章提出一种基于外轮廓特征的SVD-ICP(Single Value Decomposition-Iterative Closets Point，奇异值分解-迭代最近点)方向加速算法。该算法首先在待配准图像轮廓中采样得到特征点对集，然后求取仿射变换的最优配准参数。这种方法将SVD的最优化解析方法与迭代搜索相结合，可用于任意n维向量空间的匹配。实验结果表明，在迭代性能与程序复杂性方面均优于Fourier-Mellin算法和聚类法 LMS(最小二乘估计)算法。     

自适应模板匹配在自主空中加油跟踪中的应用

自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。     

基于可见光的自适应混合蛙跳定位算法

可见光通信具有绿色、节能、成本低等优点,比较适合应用于室内定位。提出一种基于可见光通信的自适应混合蛙跳室内定位算法,该算法通过到达时间(TOA)算法和最小二乘算法进行初始定位,得到未知定位点的估计位置解集,再利用自适应混合蛙跳算法搜索未知定位点的最优位置。该算法具有较强的全局搜索能力,不易陷入局部最优,能够得到较高精度的定位结果。仿真结果表明,该算法比传统TOA定位算法的定位误差小,说明该算法提高了室内定位的精度。     

基于变化检测和改进的GVF snake模型的运动目标轮廓提取

为了解决当前目标跟踪中目标轮廓提取不精确的问 题,在对传统GVF (gradient vector flow)snake活动轮廓模型改进的基础上,提 出一种基于变化检测和改进的GVF snake活动轮廓模型的视频目标轮廓提取算法。首先,通 过 基于t显著性检验的变化检测方 法消除背景边界的影响,并获取初始运动变化区域的临界四边形作为GVF snake的初始轮廓 。然后,对初始轮廓应用改进 的GVF snake模型以获得精确的轮廓边界。改进模型采用4方向各项异性扩散,并采用下降速 度较快的保真项系数以增强 GVF snake进入凹陷的能力,且保持对弱边界的收敛。本文方法克服了手动绘制初始轮廓的 缺点,对传统GVF snake方法进 行了改进,且空间准确度(SA)有很大提高。实验表明 ,本文方法成功分割出目标凹陷部分并对弱边界有较好的收敛效果,提高了轮廓提取的精确 度。     

基于模型的手腕骨特征提取

图像分割和特征提取是图像处理学的经典课题之一。文中 效的手腕骨Ｘ光片图像特征提取方法,先对手腕骨Ｘ光片图像作预处理,利用灰股影的方法对各手腕骨特征区域进行了大致定位,获得区域性信息,缩小实际特征提取时的搜索;在各特征子或基于形变轮廓提取边界的原理,引物初始骨模板的形状信息及特征子区域的边界条件作为骨轮廓提取的内部能量和外部能量判据对骨边界提取的迭代过程进行引导,有效地排队非边界的信息的干扰,使处理     

基于深度堆栈编码器和反向传播算法的网络安全态势要素识别

网络安全态势要素识别的基础是对态势数据集进行有效的特征提取。针对反向传播(BP)神经网络对海量安全态势信息数据学习时过度依赖数据标签的问题,该文提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法,通过无监督学习算法逐层训练网络,在此基础上堆叠得到深度堆栈编码器,利用编码器提取数据集特征,实现了网络的无监督训练。仿真实验验证了该方法能有效提升安全态势感知的效能和准确度。     

复杂背景下基于加权信息熵的目标初始位置修正算法

对于某些目标跟踪算法而言,初始位置的选取是否精确是算法能否有效跟踪的关键点之一。从目标的灰度信息分布特点出发,提出一种基于加权信息熵的初始位置修正算法,首先,在搜索窗口中获取测试样本,然后,计算各个样本的加权信息熵,接着,通过先验信息对样本进行筛选,获得熵值最小区域,从而得到修正后的目标位置。从背景和目标的可区分性上来验证算法的有效性,实验结果表明,对于处在复杂背景下的目标,该算法能正确且可靠稳定地对其位置进行修正。     

一种CT图像的肺实质分割方法

基于CT图像的肺实质分割不仅仅是后续图像处理最基础和最重要的技术,而且是一个典型的亟待解决的问题。本文利用水平集方法能初步获取较好的目标轮廓的特点和分水岭算法准确的边缘检测能力,提出一种基于水平集和分水岭相结合的改进轮廓检测算法。该算法采用由粗糙到准确的方式,在运用水平集演化初步检测目标轮廓的基础上,进一步运用标记分水岭算法检测准确的轮廓边界。结果表明,该方法能实现肺实质分割,解决了肺结节检测的预处理问题。     

自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时,比采用绝对差之和测度(SAD)要稳定,但是归一化互相关测度的缺陷在于它的计算量非常大。为此,提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关(NCC)的快速模板匹配算法。根据模板图像中不同模块的梯度值,将模板图像进行逐级分区,通过分区顺序将互相关之和分为不同的层,得到各层互相关的上界,运用柯西-施瓦兹不等式得到上界间的关系,形成自适应连续多级分区淘汰方法。同时,为了加快匹配速度,利用初始阈值估计产生一个较大的边界阈值,以淘汰初始搜索时的大量非匹配点,减少搜索点数目。实验结果表明,所提出的算法具有较好的鲁棒性,且算法的执行速度优于传统算法。