时空结合的视频对象分割方法

视频对象分割是MPEG(Moving Picture Experts Group)-4视频编码的关键技术.针对常用方法的不足,提出了1种新的视频对象分割算法.形态学滤波后利用分水岭算法实现空域分割,时域分割采用二次帧差求交集的方法获取运动区域,然后时空结合.仿真结果表明该算法简单、快速、准确.     

一种基于二维网格的自动视频对象分割及跟踪方法

提出了一种基于二维网格的自动视频对象分割及跟踪方法。该方法首先检测图像中的特征点，然后将特征点分为运动和静止两类，再提取、构造粗糙运动对象轮廓，再进一步得出较精确的运动对象边缘，最后跟踪分割出的运动对象，实验证实算法是有效的。     

基于运动连通性二维网格运动分析的视频对象分割算法

提出了一种基于运动连通性二维网格运动分析的视频对象时空分割算法。该算法首先利用特征检测算法获得视频帧图像的自适应二维网格表示,然后利用基于运动连通性的高阶统计方法对二维网格表示进行运动分析快速获得粗糙的运动轮廓区域并进行边缘精细化,接着对根据连通性标注出的最大连通区域进行后处理就能获得最终的分割模板从而有效提取出视频对象。实验结果表明,该算法综合了网格基分割算法和像素基分割算法的优点,具有理想的主客观性能,提高了分割速度。     

一种基于像素最小距离的视频对象分割算法

随着MPEG-4的发展，视频对象平面分割日渐成为人们所感兴趣的研究课题，为了使所需的视频对象具有更清晰的可视性，视频对象的自动分割就成为关键技术。本文给出了基于统计的自动视频对象分割方法，该方法首先利用统计的方法建立背景模型，然后按照减背景法分割视频对象。同时提出像素最小距离和总体像素最小距离准则来克服由于背景的微小变化而引起的前景对象的错误检测。     

基于分层MRF模型的抗抖动视频分割算法

提出了一种新的抗摄像机频繁抖动的视频分割算法.采用分层马尔可夫随机场（MRF）模型对视频各帧图像进行多分辨率建模，利用视频序列中帧图像的空间关系来提高分割的准确性，通过Gibbs采样算法求得最大后验概率（MAP），从而实现在摄像机抖动情况下对视频目标的准确分割.在强光、多目标以及复杂背景等情况下对视频序列的车辆目标进行分割.经过实验对比，新算法的分割效果明显优于背景累积相减分割算法以及高斯混合模型方法.     

虚拟广告系统中视频运动分割算法的研究

在虚拟广告系统中。为了使虚拟图像的插入具有真实感，有效的视频分割便成了其中的关键的技术。该文提出了一种背景剪除与亮度改变相结合的视频运动对象分割算法。该算法首先采用人机交互的方式。指定视频场景中需要处理的区域，取得背景帧，经BGB色彩差分处理，分割出前景物体；根据亮度变化的准则，检测出阴影区域，为后继的虚拟图像的真实感插入做好预处理准备。实验结果表明，该算法简单实用，能够实时有效地分割出视频序列中前景物体和阴影区域。     

一种基于RGB色彩的运动对象分割方法

随着新的视频压缩标准MPEG-4的出现，在视频序列中克服外界影响，分割出语义上有意义的单独运动对象成为计算机视觉研究的重要课题．提出了一种基于颜色特征进行运动对象阴影检测。利用互帧差的高阶统计特性和数学形态学算子进行运动对象分割的方法．实验结果表明该方法能有效的克服阴影的影响，从而实现运动对象的分割．     

基于SVM和GMM的视频运动对象分割算法

针对传统的高斯混合模型分割方法易受复杂背景影响, 且对前景对象的分割效果不理想的问题, 提出了一种将高斯混合模型与支持向量机分类器相结合的算法.该算法首先将视频图像由高斯混合模型做初步二值化分割, 同时将视频图像用训练后的支持向量机分类器进行像素分类, 获取对应的前景块和背景块;然后, 将支持向量机得到的分割模板和高斯混合模型分割的结果进行与运算, 得到最终分割结果.实验结果表明, 该算法显著减少了动态前景对象的分割错误, 提高了分割质量.     

一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

一种视频序列图像中区域匹配方法

提出一种非常有效的区域匹配算法，能够通过在相邻视频帧中分割出自然形状的区域后，进行相关匹配。在静止背景或背景变化较小条件下，实现目标与背景的分离。分割采用分水岭算法和利用时、空域信息的小区域合并技术，最后利用经改进的颜色直方图分析法匹配区域。实验结果表明，尽管区域对象会发生一定形变，依旧能获得较理想的效果。该方法可用于视频序列中对目标的检测与跟踪。     

基于参数化模型的水平集SAR图像多区域分割方法

提出了一种基于参数化模型的水平集合成孔径雷达（SAR）图像多区域分割方法。该方法采用改进的Edgeworth展开式自适应地对SAR图像统计信息进行拟合。由于无需预先估计SAR图像待分割区域的概率密度函数,因此该方法更适用于多区域分割。该方法根据分割区域数量,将改进的Edgeworth展开式嵌入到对应个数的能量泛函模型中,并给出水平集方法求解过程及数值实现方案,最终实现图像多区域分割。实验结果表明,同其他水平集方法相比,该方法能获得更高的分割精度,更适用于多区域分割。     

结合形态学运算的谱抠图声纳图像分割法

针对数字抠图与图像分割之间的联系,提出一种结合形态学运算的谱抠图声纳彩色图像分割法。首先通过形态学中的顶帽(top-hat)变换和底帽(bottom-hat)变换去除声纳图像中阴影的影响和背景的不均匀性,并进行图像增强;其次,将数字抠图中的alpha值考虑到图像分割中,通过全局平均迭代阈值法获取阈值,对抠图所获alpha图像进行阈值处理得出分割结果;最后,与多种现有的分割方法进行仿真对比实验,实验结果证明了本文分割方法的有效性。     

基于颗粒参数测量方法的图像分割评价研究

提出了用图像颗粒参数测量方法来计算颗粒形状和粒度分布等,以此评价图像分割的精确度,并和已有的七种分割评价方法进行比较,通过仿真实验进行定性和定量的分析,证明此方法能更好地评价图像分割算法的优劣.     

基于LBP驱动的区域围道纹理分割模型

纹理分割是图像处理的难点之一。针对此问题,提出了一种基于局部二进制模式(localbinary pattern,LBP)驱动的区域围道分割模型。该模型首先将均匀模式的思想用于LBP/C算子,使纹理模式的数量减少了77%,明显降低了提取纹理特征所需的时间;其次对无边缘活动围道模型进行了改进,使其能用纹理特征来演化曲线或曲面分割纹理图像;然后用多级分层的策略对提出的模型进行了延拓,可用于分割多类目标的图像,避免了多相位模型初始围道难以选择的问题,提高了模型收敛的速度;最后运用AOS(additive operator splitting)算法以改善模型求解的效率,进一步提高了图像分割的速度。对合成纹理图像和遥感图像的实验结果说明,提出的分割方法具有分割速度快、精度高的优点。     

基于3D scSE-UNet的肝脏CT图像半监督学习分割方法

针对分割神经网络需要大量的高质量标签但较难获取的问题,提出基于3D scSE-UNet的半监督学习分割方法. 该方法使用自训练的半监督学习框架,将包含改进的并行空间/特征通道压缩和激励模块（scSE-block+）的3D scSE-UNet作为分割网络. scSE-block+可以从图像空间和特征通道2个方面自动学习图像的有效特征,抑制无用冗余特征,更好地保留图像边缘信息. 在自训练过程中加入全连接条件随机场,对分割网络产生的伪标签进行边缘细化,提升伪标签的精确度. 在LiTS17 Challenge和SLIVER07数据集上验证所提出方法的有效性. 当有标签图像占训练集总图像的30%时,所提方法的Dice相似系数(dice score)为0.941. 结果表明,所提出的半监督学习分割方法可以在仅使用少量标注数据的情况下,取得与全监督分割方法相当的分割效果,有效减轻肝脏CT图像分割对专家标注数据的依赖.     

Dynamic reliability analysis of spacial flexible beam

In order to investigate the dynamic response reliability of the spacial flexible beam, the Monomial Cubature Rules (MCR) based Stochastic Response Surface Method (SRSM) is applied to derive the surrogate model of the nonlinear implicit limit state function. A small set of sample pairs for flexible beam dynamic response is generated by taking the integral points of MCR as sample points. Based on these sample pairs and SRSM, the surrogate model of the implicit limit state function is established. The results show that the proposed method has an excellent performance in terms of accuracy and efficiency compared with the Probabilistic Collection Method (PCM) based SRSM and Monte Carlo method, and that the dispersion of system parameters has a significant effect on the dynamic response reliability of the spacial flexible beam.     

基于PCNN的图像多区域迭代分割

对传统经典的PCNN网络进行改进,提出一种新的基于PCNN的多区域图像分割方法。去掉原模型中的一些次要参数,突出灰度对分割的影响;根据图像中存在不同灰度变化的特性,分2阶段完成对图像的分割:初次分割和二次分割。初次分割是利用灰度直方图谷底灰度作为动态阈值进行,使动态阈值对分割边界的影响达到最小;二次分割则对初次分割的结果进行细分割,点火区域和非点火区域灰度差较小,其动态链接系数通过循环迭代搜索确定。二次分割迭代进行,从而实现了对整幅图像的完整分割。其实验结果表明,该方法的错误率小于常规的聚类分割算法和GBS算法。       

New two-dimensional fuzzy C-means clustering algorithm for image segmentation

To solve the problem of poor anti-noise performance of the traditional fuzzy C-means （FCM） algorithm in image segmentation, a novel two-dimensional FCM clustering algorithm for image segmentation was proposed. In this method, the image segmentation was converted into an optimization problem. The fitness function containing neighbor information was set up based on the gray information and the neighbor relations between the pixels described by the improved two-dimensional histogram. By making use of the global searching ability of the predator-prey particle swarm optimization, the optimal cluster center could be obtained by iterative optimization, and the image segmentation could be accomplished. The simulation results show that the segmentation accuracy ratio of the proposed method is above 99%. The proposed algorithm has strong anti-noise capability, high clustering accuracy and good segment effect, indicating that it is an effective algorithm for image segmentation.     

复杂背景下目标的快速提取与跟踪

为了实现复杂背景下对任意目标的快速提取与稳定跟踪,利用自适应空域滤波器进行目标区域分割,再用二次投影法快速分离目标,并以模板评价函数为准则实时更新模板,提出了一种新的模板提取与更新的方法。该方法具有模板自适应性强,目标判断准确,跟踪鲁棒性好等优点。外场实验表明,利用该方法能在目标变化和有物体遮挡干扰的情况下准确提取目标,并保持连续稳定的跟踪。