基于图像森林变换的灰度目标周长估算

数字图像中目标对象的周长是一个十分重要的目标形态特征,二维图像中的目标周长估算在图像特征提取、目标识别等方面具有十分重要的作用。目前已有的估算方法对二维灰度图像目标边界模糊和图像含噪声估算精确度不高,针对这一现状,结合图像森林变换（IFT）,提出基于IFT的改进的目标周长估算方法。利用IFT方法优化图像目标厚度边界信息来估算灰度图像的边界周长,从而提高周长估计的精确性和鲁棒性。为了获得图像目标的标准周长,实验采用人工合成的图像。对具有不同边界厚度的目标、含噪的图像的目标进行周长估算实验。提出的改进算法在图像目标边界模糊和含噪声情况下所得的结果均具有较高的精确度。提出的改进的灰度周长估算方法,在模糊图像与含噪图像的处理中具有更好的适应性和稳定性。     

间隔贝叶斯估计和空时目标运动边界视觉跟踪

针对计算机视觉领域的运动目标跟踪问题,在间隔贝叶斯估计框架的基础上结合空时目标运动边界提出一种在线视觉跟踪方法.首先在初始帧建立感兴趣目标的整体和局部双层外观模型;然后利用目标驱动和数据驱动的双层视觉注意力模型提取目标在下一帧内的运动边界,将目标运动边界视为状态预测间隔的上限;在预测间隔内采用多尺度匹配原则寻找最优的目...     

边界与区域相结合的目标提取算法

对于目标中带孔或目标颜色信息和背景颜色信息相似的图像,单独根据边界信息或区域信息无法提取出准确的目标.从图像的边界信息与区域信息综合考虑,以图割理论为基础,提出了一种基于图割的边界信息与区域信息相结合的目标提取算法.实验结果表明,该算法对目标中带孔或目标颜色信息和背景颜色信息相似的图像,能够准确、有效地提取出目标,自动分割精度高,用户工作量少,分割效率高,达到了预期的效果.     

打通信息交互的边界

上下文感知更智能Gartner公司发布的2012年具有战略意义的十大技术与趋势中．对上下文感知计算使用尤为关注。     

H-R自适应边界元的模糊误差估计方法

为克服在利用传统自适应边界元法求解弹性问题时需对不同问题设计不同误差估计公式的缺点,以专家经验为基础,利用模糊逻辑理论,提出一种新的误差分析方法.基于H-R自适应边界元法,用FORTRAN编写求解2个经典平面弹性静力学问题的程序.分析表明该误差分析方法能较好地估计边界元解的误差.     

基于边界信息的孔洞填充算法

为了克服传统填充算法无法自动识别孔洞区域的不足,提出了一种基于边界信息的孔洞填充算法.利用边界跟踪得到内外边界的几何位置信息,进而确定孔洞边界,然后利用孔洞边界进行扫描线填充.与种子填充算法和扫描线填充算法相比,该算法无须对整个区域进行复杂的运算,能够避免过多的重复运算,降低了算法的复杂程度,易于编程实现.实验结果表明,该算法运行速度快,并且对任意形状的物体都是有效的.     

基于边界跟踪的区域面积计算

给出了一种基于边界跟踪的区域面积计算.根据图像边界跟踪时下一次和上一次跟踪方向,确定图像的左右边界.利用边界像素的横坐标进行加权求和计算,求得图像区域面积.与现有的面积计算方法相比,该算法只需跟踪边界一遍,即可获得区域面积,且算法不用借助链编码,具有速度快、计算量小、结果准确等优点.     

基于状态信息的红外小目标跟踪方法

红外小目标所占像素较少,且缺乏颜色、纹理、形状等特征,因此难以有效地跟踪它们。针对这一问题,提出了一种基于状态信息的红外小目标跟踪方法。首先,将待跟踪小目标局部区域的目标、背景和干扰物进行编码以得到连续帧之间密集的局部状态信息;其次,将当前帧和上一帧的特征信息输入分类器,得到分类得分;然后,融合状态信息和分类得分,从而得到最终置信度并确定待跟踪小目标的中心位置;最后,更新状态信息并在连续帧之间传播,在此之后利用传播的状态信息完成对整个序列中红外小目标的跟踪。在DIRST(Dataset for Infrared detection and tRacking of dim-Small aircrafT)数据集上评估所提方法。实验结果显示,所提方法针对红外小目标的跟踪召回率达到了96.2%,精确率达到了97.3%,相较于目前最优秀的通过跟踪方法 KeepTrack召回率和精确率分别提高了3.7%和3.7%。这表明所提方法在复杂的背景与干扰下能有效完成针对红外小目标的跟踪。     

基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。     

基于滚动时域估计的带约束运动目标跟踪*

针对实际的运动目标跟踪问题中存在的各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法,将跟踪滤波问题转换为带约束的有限时域优化问题,并通过引入到达代价函数,有效减少了优化问题求解所需的计算量。最后,对实际的目标跟踪问题进行了滚动时域估计仿真研究。Monte Carlo仿真结果表明,滚动时域估计能有效提高跟踪精度,并且能在采样周期之内完成求解,满足在线估计的需要。     

基于滚动时域估计的非线性目标跟踪*

实际的雷达跟踪问题大多属于非线性问题,存在着各种物理约束,采用基于在线滚动优化原理的滚动时域估计方法可以有效地处理带约束非线性目标跟踪问题。滚动时域估计通过引入到达代价函数,将非线性跟踪滤波问题转换为带约束的有限时域优化问题,可以有效减少优化问题求解的计算量,能够显著提高状态估计的准确度。针对实际的雷达跟踪问题,仿真结果表明,滚动时域估计能有效地提高非线性目标跟踪的精度。     

一种基于运动估计的红外目标跟踪方法

为解决红外目标跟踪中目标的交错、遮挡等问题,提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型,该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配,该指标能很好地突出目标、抑制背景,并容易得到全局最优解。提出一种新的运动估计方法,即轨迹预测算法,对目标的运动进行较准确的估计。实验结果证明,该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。     

基于杂波强度在线估计的多目标跟踪算法

针对多目标跟踪中的未知杂波强度,提出了基于熵分布的杂波强度在线估计算法.利用有限混合模型对未知杂波强度建模,将仅依赖于混合权重的熵分布作为混合参数的先验;利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式;以随机近似过程为在线估计策略,推导了基于缺失数据的分量均值和方差的在线估计公式.仿真结果表明,基于熵分布的杂波强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

基于深度估计和特征融合的尺度自适应目标跟踪算法

针对核相关滤波目标跟踪算法(KCF)使用单特征来描述所跟踪的目标,在复杂环境下,目标尺 度发生较大变化时,无法准确跟踪目标的问题,提出基于深度估计和特征融合的尺度自适应目标跟踪算法。首 先利用深度神经网络估计视频序列中目标的深度,建立并训练深度-尺度估计模型;在跟踪过程中,融合目标 方向梯度直方图(HOG)特征和 CN (Color Name)特征训练相关滤波器,利用深度估计网络得到目标深度值,并 利用深度-尺度估计模型得到目标的尺度值,从而在目标尺度发生变化时,能够调整目标框大小,实现尺度自 适应的目标跟踪算法。实验结果表明,与经典的 KCF 算法相比,可获得更高的精度,与尺度自适应的判别型 尺度空间跟踪(DSST)算法相比,在尺度变化较大时,跟踪速度更快;在环境复杂、目标被遮挡时,鲁棒性更好。     

基于自适应链码的棉种周长测量

在棉种实时检测系统中,为了识别破损棉种,必须提取棉种的边缘并计算其周长。传统的边缘提取方法有Sobel、Robert等微分算子,以及数学形态学方法和小波变换方法。但是在实时系统中,图像处理速度是影响实时性的关键因素。Freeman链码是图像处理中表示轮廓形状的方法之一,由提取的链码可以得到曲线（包括直线）的曲率、曲线的特征点等,而这些特征是图像压缩、图像重建、图像匹配的依据。由Freeman链码方法提取的图像边缘是单像素的,因此采用这种方法来计算棉种的周长。通过与Sobel、Robert等边缘提取方法进行比较,可以证明运用链码方法求周长,其搜索时间短,计算准确,尤其适用于以快速准确为目标的实时系统。     

Recursive estimation of linear systems' parameters based on cumulant matching

The problem of the estimation of the parameters of linear systems from noisy inputoutput measurements is considered. A third-order cumulant matching recursive algorithm is developed. The algorithm provides unbiased estimates of the parameters for a wide class of correlated noise corrupting both the input and the output measurements. A Monte Carlo type of simulation shows the consistency and the superiority of the developed algorithm over the least-squares technique.