基于主动轮廓模型提取运动目标的图像分割技术

复杂背景下的运动目标分割技术是近年来多媒体通信技术的研究热点之一。文中提出一种基于SNAKE模型的运动目标分割技术。首先，利用运动检测的方法，从视频图像中粗略提取出运动目标；然后再利用SNAKE模型收敛到更为精确的物体边缘。模拟实验的结果表明，该方法对运动目标的提取有较好的分割效果。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像.为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助.     

基于类间方差参数活动轮廓模型图像分割

提出了基于类间方差参数活动轮廓模型图像分割法.该方法将气球力参数活动轮廓模型中的恒定气球力替换为包含区域信息的变力,最大化目标和背景两区域类间方差,引导轮廓曲线进化.实验结果表明:对于初始轮廓位置不论是处于目标区域内部,或者是处于背景区域内部,还是与目标和背景区域相交,该模型都能获得正确分割结果.     

基于形状约束Snake模型的人脸轮廓提取

提出了一种具有形状约束的人脸轮廓提取算法,该算法根据人脸形状近似椭圆的特征,在S12ake的能量函数中加入形状能量,使控制点间的联系得到加强,以提高收敛结果的准确性,实验结果表明,提出的方法能够较好地提取复杂背景中的人脸轮廓,是一种有效的方法.     

引入光流法的活动轮廓模型

本文在活动轮廓模型的基础上，引入了“图象统计势能”和光流法，提出了一种新的图象分割方法，该方法改进了活动轮廓模型的一些不足，能准确地检测出物体轮廓边界，且分割结果对初始位置不敏感，同时提高了对运动速度较快的物体轮廓检测的正确性，实验结果证实了该方法的有效性。     

基于主动轮廓模型的红外图像轮廓提取算法

针对主动轮廓模型存在的对初始轮廓位置敏感、凹性目标轮廓无法正确收敛等问题,本文将自适应边缘检测和主动轮廓模型相融合,提出一种改进的红外图像目标轮廓自动提取算法。首先,采用最大类间方差法计算红外图像边缘检测算法的自适应阈值,获取目标初次边缘,降低对初始轮廓位置的敏感性;对初次边缘分别进行横向与纵向填充,填充图像相与运算,对得到目标区域提取二次边缘,将其作为主动轮廓模型的初始轮廓,保证目标凹陷区域轮廓的有效收敛。最后,通过仿真分析验证了该方法能够实现红外目标轮廓的精确自动收敛。     

基于蛇模型图像分割研究综述

蛇(Snake)模型,也称活动轮廓模型(Active Contour Model),能利用图像的高层信息能量泛函最小化来解决图像分割问题,多数学者因这点认真研究并改进了Snake,参数活动轮廓最先被研究,从改进力场的角度入手,以GVF-Snake最为出色,该类模型非常适合医学图像的分割,但其本身基于拉格朗日框架,分割结果依赖于初始轮廓的设置,学者借助几何活动轮廓模型,解决参数蛇难于处理拓扑变化问题,使分割以自适应方式进行,极大弱化了初始化要求,提高分割鲁棒性,能分割遥感、纹理、彩色图片。     

基于主动轮廓模型联合Camshift算法的目标跟踪方法

针对城市道路交通环境中传统Camshift算法跟踪窗不能描述运动目标轮廓以及易受近似颜色干扰跟踪丢失的问题,提出基于Snake主动轮廓模型联合Chamshift区域模型的目标跟踪方法,算法将原Camshift算法中使用的HSV颜色特征和LTP纹理特征融合,增加了抗干扰能力,同时利用多尺度小波改进的Snake主动轮廓模型进一步对物体轮廓检测,去除阴影区域,更为直观的描述了物体的轮廓。实验证明,新方法在城市道路交通监控中有良好的应用前景。     

基于视差信息的立体图像主动闭合轮廓提取算法研究

针对立体图像中目标对象的闭合轮廓提取任务,该文提出一种基于视差信息的轮廓提取算法。该算法在传统贪婪蛇模型的基础上,利用各控制点和中心的视差关系为模型设计收缩和膨胀力,能够有效指导初始轮廓曲线向目标边缘的收敛。同时算法采用重复利用经处理的控制点作为模型输入的循环迭代方式,能够获得分布均匀且较为密集的边缘曲线。实验结果表明,该轮廓提取算法减少了传统的贪婪蛇模型算法对初始值的依赖,准确度和可靠性均得到了很大的提升。     

基于运动跟踪匹配技术的视频对象提取

本文提出一种自动分割VOP的技术。其方法是：先对初始帧使用形态运动滤波技术提取出初始运动对象的二值轮廓模型,并在后继帧中使用豪斯道夫对象跟踪器跟踪运动以对象模型;而为了适应对象的形状变化,本文使用活动轮廓模型（snake）技术对运动心合匹配;最后根据一系列精确的二值轮廓引导提取运动对象序列。实验结果表明,我们的算法可有效地提取视频对象平面。     

基于边缘方向信息的主动轮廓算法

提出一种基于边缘方向信息的改进型主动轮廓算法ＭＡＣＡ（ＭｏｒｉｆｉｅｄＡｃｔｉｖｅＣｏｎｔｏｕｒＡｌｇｏｒｉｔｈｍ）．在Ｓｎａｋｅ模型的基础上加入２项基于匹配要求的新的能量函数，用ＦＧＡ（ＦａｓｔＧｒｅａｄｙＡｌｇｏｒｉｔｈｍ）迭代能量函数使其快速收敛．对轮廓曲线的一阶和二阶导数、搜索区域、轮廓的重抽样作锁定．实验结果表明ＭＡＣＡ比Ｓｎａｋｅ更具有凹状目标轮廓提取和目标同一性判别的能力     

基于总变分方法去噪的测地线活动轮廓的应用

传统的测地线活动轮廓（geodesic active contour）在目标轮廓的提取中虽然能使一条初始曲线朝着目标边界逼近,但是高斯平滑的各向同性性使得图像的边缘信息模糊甚至丢失,这样,曲线的演化过程会变得不稳定而导致演化速度变慢。据此,提出一种基于总变分方法的测地线活动轮廓模型。由于总变分方法可以在去除噪声的同时,对边缘的信息进行增强,实验证明该模型不但能够使曲线精准地收敛到期望轮廓上,且运算时间短。     

基于极坐标的CMKF定位算法研究

针对经典的推广卡尔曼滤波算法受初值和测量噪声影响大,算法不稳定等缺点,提出了一种新的基于极坐标的转换测量卡尔曼滤波定位算法,计算机仿真结果验证了这种算法具有较好的稳定性和实用性.     

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。     

花朵图像自动提取方法研究

采用改进的主动轮廓模型算法,实现从蝴蝶兰花簇图像中提取单个花朵图像,为自动识别蝴蝶兰的生长状态奠定基础。首先利用改进的骨架算法和轮廓重生算法,生成蝴蝶兰花簇的初始轮廓;然后利用含有形状能量的主动轮廓模型进行轮廓的演化,使其更接近真实的蝴蝶兰花簇边缘,最后根据蝴蝶兰花蕊位置获得相应的蝴蝶兰花朵。实例验证和比对实验结果表明,该模型能够较好的分割和提取蝴蝶兰花簇中单个花朵,并具有较强的抗噪能力。利用该方法,可以较好的提取蝴蝶兰花簇中的单个花朵,与人工提取效果进行比对,正确率达到了91.5%。     

基于压缩感知的实时目标追踪算法

提出了一种高效的基于压缩感知的实时目标追踪算法,该算法将空域数据转换到小波域,然后利用变密度采样矩阵对小波域数据进行压缩,从而极大地降低了数据量。在稀疏重建上,将St-OMP算法代替OMP算法以提高稀疏重建的速度。在多种具有挑战性的视频序列上进行实验,结果表明该算法提高了追踪准确度和速度。     

基于三维直方图的改进Camshift目标跟踪算法

经典的连续自适应均值漂移算法Camshift通过HSV空间的色调Hue分量建立一维直方图,在有光照变化及有相似颜色目标或背景的干扰下,跟踪效果不好。提出一种融合HSV空间中色调、饱和度以及反应物体形状信息的边缘梯度的三维直方图特征,并基于背景模型自适应调整特征直方图三种分量的权重值,提高了算法的跟踪准确度。通过与传统Camshift跟踪实验比较,提出的改进算法在光照变化及相似颜色目标/背景干扰下具有更好的鲁棒性,同样也满足跟踪系统的实时性要求。