一种复杂背景下的运动目标提取算法

本文首先概述了目标提取的诸多算法,然后针对复杂背景下的运动目标提取,重点研究了帧间图像差分算法,设计了一种目标提取算法模型,最后提出了一种基于对象的目标提取方法并进行了仿真实验。     

复杂背景下光条中心提取算法研究

在光切法三维表面重建过程中,光条中心坐标的提取至关重要。针对复杂背景下激光图像特点,研究激光条图像的预处理和光条中心提取算法,提出一种两帧平均再相减的改进差影法,较好地实现了复杂背景下激光条图像的分割,选用基于极值法的灰度重心法提取激光条中心线。实验表明该方法实现简单,光条图像处理复杂度低,与经典OTSU方法相比较其处理速度提高了20%左右,精度达到了亚像素级水平。     

复杂背景下圆形物体分割算法

对如何从复杂的工业图像中准确提取圆形目标进行了研究。阐述了传统分割方法应用于复杂图像中提取圆形目标的局限性,提出了基于双阈值结合数学形态学运算的分割算法。首先分别根据两个阈值进行分割得到两幅二值图像,然后根据目标是圆形以及其大致位置等先验知识分别对两幅图进行腐蚀,开启,闭合等数学形态学运算,将高阈值分割得到的图像中的边界信息叠加到低阈值分割得到的图像中,实现对复杂背景图像中圆形物体的准确分割与提取,解决了复杂背景图像中物体识别率低的问题。实验结果表明本方法对复杂背景的图像预处理是有效的。     

复杂背景下运动目标分割算法研究

视频监控中,准确而快速地分割出运动物体是提取各种信息的前提和关键.以图像差分法为基础,提出了一种在复杂背景下有效分割运动目标的方法.运用改进的Surendra算法提取背景.对连续帧图像的R,G,B三通道帧差分图像采用PCA融合和二值形态学重构,以提取和更新背景.将粗分割图像转换到HSV域中,采用V分量阈值法消除阴影,并应用彩色投影法解决连通体粘连和路面反光问题.实验结果表明该方法能够结合各种算法的优势,快速而较准确地提取出运动车辆目标.     

FCM算法在图像目标提取中的应用

针对相对复杂图像目标对象的提取问题,本文先运用模糊C均值聚类算法(FCM)对图像进行模糊分割。再根据模糊分类后的图像,本文设计了一种图像目标提取方法。实验表明,这种方法能还原模糊分类后的图像目标,并使背景部分替换成其他颜色,从而实现图像目标的提取。     

一种改进的圆形目标图像分割算法

针对目标与背景颜色接近,目标区域粘连度较高难以分割的情况,提出了一种基于阈值处理和分水岭分割相结合的改进的圆形目标图像分割算法。提及的算法分成两个步骤：第一步采用了3次阈值处理相结合的改进算法,较好地完成了目标和背景颜色接近情况下的目标提取;第二步采用了改进的分水岭分割算法,改善了分水岭分割之前的距离变换和求种子点过程,较好地实现了粘连度较高情况下的目标区域分割。实验结果表明该方法对圆形粘连目标的分割有较好的效果。     

复杂背景下的阈值插值方法

图像分割是进行图像处理的关键步骤。目前很多图像分割的技术都需要人工干预，而且是针对单纯的图像背景才能达到目标。为了解决有复杂背景的图像的分割问题，采用自适应阈值(阈值插值)的方法，并对其加以改进，用迭代阈值判断子图像的直方图是否是双峰分布，同时确定直方图有双峰的子图像的阈值；用双线性插值的方法确定直方图非双峰分布的予图像的阈值，使这种算法在实际中可行。实验证明这种方法适用于复杂背景的图像分割，且通用性比较好。     

一种检测序列图像中运动目标的新方法

运动目标的检测是应用视觉研究领域的一个重要课题。本文提出了一种新的用于检测序列图像中运动目标的方法,实验结果表明了该方法的有效性和实用性。     

一种自适应阈值的运动目标提取算法*

为了准确地划分运动目标和背景区域,提出一种自适应阈值的运动目标提取算法,对现有基于背景差的提取算法进行改进。本算法将运动目标和背景作为两个聚类,对图像中的点按像素灰度进行分类,以聚类间的方根—算术均值距离最大作为分割阈值选择的准则,使得运动目标提取算法中二值化阈值能够自动更新,从而实现对运动目标的准确完整提取。实验结果表明,该算法能够较准确快速地提取运动目标,并对环境亮度突变、背景存在微小运动等情况具有较好的鲁棒性。     

一种新的道路交通背景提取算法及研究

基于视频的道路运动目标检测是智能交通系统的基础部分,目前最常用也最有效的运动目标检测方法是背景差分算法,其中背景提取是背景差分算法的关键一环。提出了一种新的背景提取算法——mode算法。定义了算法比较标准,并据此比较了mode算法以及一些目前流行的背景提取算法在不同车流量情况下的性能优劣。通过比较发现,在低车流量时,中值法提取的背景较好,mode算法次之;在高车流量时,用mode算法提取的背景最好。基于不同算法在不同环境下的性能不同,利用图像频域信息区分车流量大小,实现对背景提取算法的自适应选择,使得实际应用时的背景提取算法更具灵活性和针对性,也进一步提高了背景提取结果的准确度。     

结合背景空间信息的相关滤波目标跟踪算法研究

目标检测跟踪算法在智能监控和人机交互中有着广泛的应用,而复杂场景下的跟踪技术研究在计算机视觉领域中具有重要的理论意义和商业价值。为解决复杂场景(光照变化、尺度变化、遮挡等)中由于主客观因素变化所导致的目标漂移问题,采集目标区域相邻的背景图像块来获得更多的背景特征,并将背景图像块添加到目标函数中来实现对目标图像块的限制。将结合了背景空间信息的方法集成到相关滤波器框架上,在现有公开数据集上进行实验。实验结果表明,在一些复杂场景下的跟踪效果得到了改善和提高,能够在不影响帧率的情况下,有效提高目标跟踪的成功率和准确性,优于其他相关滤波跟踪器。     

基于背景自适应生成的监控图像运动目标分割

通过插值填充运动目标区域,生成首帧参考背景.背景更新时,结合当前帧和前一帧图像及其参考背景,根据亮度补偿动态生成当前帧参考背景.然后采用减背景方法对目标进行粗提取,再经目标阴影去除和形态学处理后分割出精确的运动目标.实验结果表明,该方法是有效可行的,能达到实时处理的要求,同时对场景光照变化具有较好的自适应性.     

基于量子遗传算法的图像分割

针对基本遗传算法的稳定性较差、存在未成熟收敛和易陷入局部最优解的问题,将量子计算与遗传算法进行融合,较好地解决了传统的多阈值图像分割方法中运算量大的问题.实验结果表明量子遗传算法用于阈值寻优减少了搜索时间,提高了收敛效率.     

复杂背景下运动目标的智能检测方法

提出了利用Otsu法和数学形态法进行三帧差分图分割的运动检测方法,对单个或多个运动物体检测效果都良好.此运动检测方法简单、速度快、自适应性强,适于硬件实现,且不要求保存过去的测量数据,需要较少的内存,符合了嵌入式系统的开发要求.实验证明,本检测方法具有较强的稳健性和鲁棒性.     

基于双背景色阈值面积消去算法的B超图像轮廓提取

本文提出一种基于双背景色阈值面积消去算法的半自动单像素轮廓提取方法.通过给定的阈值,此算法可自动在图像中寻找面积小于阈值的斑点和噪声点(即空穴)并将其消除,有效解决了B超图像处理中由于斑点及噪声引起的完整单像素轮廓提取困难的问题.并基于此方法,以心房图像为例讨论了针对二维B超图像的轮廓提取方案.     

面向对象分析中的对象识别和求精方法

对象识别是ＯＯ软件开发的关键，也是ＯＯＡ的主要活动之一。这篇文章介绍了一种新的对象识别和求精方法——叁步骤００Ａ方法（ＴＳＯＯＡ），并对ＴＳ００Ａ的支撑工具作了简单的描述。     

基于遗传算法的虚拟物体变形研究

为缩短工艺构思的时间,增加构思的效率,通过虚拟物体变形进行工艺设计构思.采用基于遗传算法实现虚拟物体的变形.应用数学模式搭配遗传算法演变造型的方法产生了特殊的效果,不仅可给予设计者以更多的思考空间,而且增加了设计人员进行构思时的思考方向.     

基于目标中心定位和NMI特征的跟踪算法

实时目标跟踪过程中,为提高跟踪精度,要求跟踪的窗口也要实时的随着目标大小的变化而变化。以Mean shift算法为基础,根据概率检测法定位目标在各帧图像中的中心点,提出了一种自适应更新窗口的算法。同时结合归一化转动惯量NMI对目标进行识别,实时定位中心标示的对象。实验结果表明,该方法能在目标尺寸放大或缩小时选择合适的跟踪窗口,而且具有较强的跟踪抗干扰性。     

基于改进混合蛙跳算法的图像阈值分割算法

针对最大类间方差法在图像分割时存在造成噪声干扰和过分割的缺点,提出一种基于改进混合蛙跳算法的图像阈值分割算法。算法将苹果图像编码处理,选取图像的类间方差作为改进混合蛙跳算法的适应度值,通过改进的混合蛙跳算法寻找最大的分割阈值,利用该最优阈值使用经典最大类间方差法对花牛苹果图像进行分割。选取强光、较强光、较弱光和弱光条件下四幅花牛苹果图像进行分割实验,结果表明,采用基于改进混合蛙跳算法的图像阈值分割算法较最大类间方差法和基于混合蛙跳算法的图像阈值分割算法均具有较好的图像阈值寻优能力,可有效改善花牛苹果图像的分割效果。