基于图像融合的空间运动目标检测算法

文中提出了一种结合背景减除法和瞬时差分法在图像序列中检测运动目标的算法．算法利用瞬时差分法得到当前图像中运动目标的轮廓信息,在更新背景模型时不更新运动目标轮廓内区域,避免了由运动目标引起的背景模型更新误差．实验结果表明,该方法可以实现静止背景下图像序列中运动目标的检测,具有实时性,并能得到较好的检测结果．     

基于RGB三通道分离的运动目标检测方法

背景图像的提取和更新是背景差分的关键。传统的背景差分法是对灰度图像进行处理,在检测前要对彩色图像进行颜色空间的转换,必然会丢失许多信息。对时间中值获取背景模型的不足加以改进,设计并实现了一种基于RGB三通道分离的运动目标检测方法。用形态学处理和连通性分析消除噪声,用区域填充技术填充目标区域内部空洞,在HSV空间去除阴影部分,得到比较准确的运动目标。实验结果表明,该算法在运动目标存在的情况下也能获得较准确的背景模型,当目标灰度值和背景灰度相近的时候,也可以检测到较完整的运动对象。     

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。     

基于内容的多层次语义视频对象提取方法研究

视频对象的提取在序列图像的分析中起着重要作用.提出一个基于内容的多层次视频的对象提取算法,利用高斯马尔可夫模型对其进行颜色和纹理的混合特征图像分割.利用Normalize-cut准则,对其运动信息进行分析,然后进行区域聚合,即得到具有语义的视频对象.对于背景运动信息较丰富的序列图像可以取得良好的提取效果.     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

基于改进的单高斯背景模型运动目标检测算法

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题,提出了一种改进的单高斯背景模型运动目标检测算法,该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型,对当前帧图像进行运动目标的初检测,根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新,对更新后的背景模型中不属于背景点的像素点进行mean shift修正,将进行mean shift修正后得到的背景模型作为最终的背景模型,再通过背景差分法最终检测出运动目标。实验表明,改进的算法能很好地克服背景模型不能自适应背景变化的缺点,目标检测完整度比传统的单高斯模型高。     

一种基于CIE CAM16色貌模型的高动态范围图像颜色恢复方法

HDR图像经过压缩与分层处理后会改变它的亮度和纹理信息,使得HDR图像与最初图像的亮度分布比例出现偏差。为了保证图像处理前后的显示效果相近,需要对图像的颜色进行恢复处理。研究了在传统的基于图像色貌模型颜色恢复方法的基础上进行改进,通过引入最新的CIE CAM16色貌模型对图像进行色适应转换,有效地改善了HDR图像映射处理过程中的色貌偏移问题。     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

基于改进的混合高斯模型的红外运动目标检测

传统混合高斯模型中背景容易留下运动"虚影",同时在噪声或目标区域对比度低时会导致提取目标区域时出现断裂和空洞的现象,针对这些问题在混合高斯方法中赋予图像中运动和静止区域不同的背景更新速率,并充分利用混合高斯模型中的背景和前景信息,将背景减除的结果与高斯建模中的前景图像按照一定比例融合获得目标图像。实验结果表明:改进后的混合高斯模型运动目标检测方法,能够克服传统高斯模型目标检测中存在的问题,从复杂的背景中较完整的提取出运动目标,且具有一定的抗噪能力。     

从图像到图像的场景重建技术研究

针对夜间伪装过程中目标与背景颜色难以融合的问题,开展了基于pix2pix网络进行场景重建技术的研究,利用该网络强大的学习能力,学习不同温度下特定的颜色分布和背景纹理特征并预测颜色信息,实现红外图像与彩色图像之间的转换,在pix2pix框架下生成逼真的实景图案。无论在数学上还是实验上,相较现有的夜间场景重建技术,生成的场景图案与真实背景相似度明显提高,解决了夜间能见度不足情况下迷彩伪装的设计难题。     

基于LMS、lαβ颜色空间的最佳参考方向伪装目标偏振检测

针对复杂背景中伪装目标偏振检测的问题,以中国颜色体系为基础,基于CIE1976L*a*b*颜色空间建立了LMS和l两种颜色空间的256级亮度分量数据表,通过外场偏振检测实验,找到了目标与背景偏振度对比较高时的偏振片最佳参考方向,并研究了这两种空间在此方向上表征偏振信息的优劣和反映偏振检测能力强弱的问题。实验结果表明,以偏振片最大透光方向垂直于入射面为参考方向,在亮照度下,L空间的偏振图相比其灰度图信息量降低甚少,表征目标偏振信息量能力较强;在暗照度下,l空间的偏振图相比其灰度图不仅目标与背景的对比度明显提高,而且对阴影目标检测能力较强,实验结果与人眼观察结果一致。     

基于最大隶属度与SVM的彩色图像分割新算法研究

图像分割是图像处理的主要问题,也是图像处理的难题之一,由于彩色图像提供了比灰度图像更多的信息,因此彩色图像处理,尤其是彩色图像分割受到了越来越多的重视。本论文提出一种基于HSI模型和模糊最大隶属度原则与SVM的彩色图像分割方法,从彩色图像的彩色直方图中获取目标色RGB模型和背景色RGB模型,再将RGB模型转化为HSI模型建立一组色彩模糊集,对HSI模型进行SVM训练识别再计算该图像中的色彩在各模糊集中的隶属度,最后确定色彩的归属,再将HSI模型转化为RGB模型。实现了快速有效的彩色图像分割方法的研究。     

跨媒体复现中CIECAM02背景预测性能评价

为了研究跨媒体复现中CIECAM02的背景预测性能,基于双目同时的视觉匹配实验,获得显示器软拷贝与不同中性灰背景下硬拷贝的视觉匹配数据,分析了中性灰背景对颜色外貌的影响,并利用实验数据对CIECAM02的背景预测性能做了评价.实验结果表明:背景明度主要诱导色块明度和彩度的变化,对色相略有影响.明度、彩度、色相三者中,明度改变最明显,背景越暗,诱导色块越亮,随着背景明度变暗,背景明度的诱导绝对量趋于稳定;彩度变化幅度不大,但是不符合色诱导规律;而色相基本不变.CIECAM02可以解释背景明度对明度的诱导现象,但不能解释对彩度的诱导现象,且背景参数不能准确反映背景对颜色的影响,有待于修正.     

颜色对比度增强的红外与可见光图像融合方法

针对红外与可见光彩色融合图像中目标与背景间的低对比度的问题,提出一种基于HSI空间颜色对比度增强的红外和可见光图像融合方法.首先对输入的可见光与红外图像进行直方图均衡和中值滤波加强处理,然后对加强的红外图像模糊阈值分割得到红外目标,最后把分割的红外目标图像和加强的可见光和红外图像在HSI空间的三通道线性融合和色彩传递,为了增强目标与背景间的颜色对比度,在色彩传递阶段, H通道的色彩传递方程中引入一个比例因子.实验结果表明:与其他算法相比,该方法得到的彩色融合图像热目标和低温物体与背景间的颜色对比度明显加强,同时背景的细节信息呈现白天类似的自然彩色,更加符合人眼视觉感知.     

一种改进的Camshift视频目标跟踪算法

鉴于连续自适应均值漂移(Camshift)算法在光照变化,相似背景颜色干扰及目标遮挡时鲁棒性不高,易造成跟踪错误等问题,提出了一种联合多特征和最大类间方差法的视频运动目标跟踪算法。该算法将色度直方图、梯度方向直方图和LBP纹理特征进行巧妙的融合,构建了一种高效的联合直方图目标外观特征模型,并在Camshift算法中嵌入最大类间方差法,增强目标和背景的区分度。不同场景的视频跟踪结果表明,改进算法有效克服了传统Camshift算法应对光照变化、颜色干扰和目标遮挡的缺点,与同类算法相比,具有更高的准确度和鲁棒性。     

基于余弦相似度的光学伪装效能评估分析

为了解决伪装效能评估手段单一、量化分析手段不足的问题,引入了余弦相似度原理开展模拟评估,对可见光伪装效能评估理论分析进行了优化.基于颜色光学数据特征,利用颜色直方图展现了目标与背景颜色频率分布,研究了样本目标与背景的颜色融合差异性;采用亮度空间分布图展现了亮度空间特征,探索了样本目标与背景的亮度差异性;并对目标和背景图...     

Background replacement using chromatic adaptation transform for visual communication

Replacing a video chat background with a landscape image can generate the realism of a user actually being in the landscape. To enhance this realism, we proposed in our previous study a background replacement method that uses a chromatic adaptation transform. This method can enhance the realism of video chat by fitting the color of the foreground image to an illuminant color of a landscape, which is used as the new background image. However, if an incorrect color of the landscape illuminant is obtained through this method, which estimates the illuminant color on the basis of a gray world assumption, the method might not enhance the realism. This is because it converts the foreground color to an incorrect color. In this paper, we therefore propose a method to estimate illuminant color on the basis of the dichromatic reflection model, which improves background replacement using the chromatic adaptation transform. We perform a subjective evaluation using 13 subjects to examine the effects of the proposed method. The results indicate that the proposed method can effectively enhance the realism of the background replacement video.     

Research on segmentation of weed images based on computer vision

In this letter, a segment algorithm based on color feature of images is proposed. The al- gorithm separates the weed area from soil background according to the color eigenvalue, which is obtained by analyzing the color difference between the weeds and background in three color spaces RGB, rgb and HSI. The results of the experiment show that it can get notable effect in segmentation according to the color feature, and the possibility of successful segmentation is 87%-93%. This method can also be widely used in other fields which are complicated in the background of the image and facilely influenced in illumination, such as weed identification, tree species discrimination, fruit picking and so on.