基于概率神经网络改进的GrabCut算法

针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高。对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法。     

一种基于时间Kalman估计器的红外小目标检测方法

目标在经过一个像素时,随着目标移动到该像素或离开该像素,该像素的灰度值会在出现一个冲击。据此提出了一种基于时间的Kalman单步估计器单像素处理算法,给出了Kalman估计器的递推方程。由前一时刻(前一帧)的估计结果和当前时刻的输入图像各点的灰度值,可以得到下一时刻(下一帧)图像各个像素点的背景估计,整个图像去除背景后就得到一幅包含目标的噪声图像,进而可以完成目标检测。采用红外图像序列进行了实验,实验结果验证了理论分析的正确性。最后得出了一些结论。     

前景/背景分割算法及其嵌入式实时实现(英文)

前景/背景分割算法是计算机视觉中一种常见的算法。其基本思想是利用背景中不同像素或帧与帧之间的相关性,判断每个像素点的灰度值,然后根据预测值和实际观察值判断当前像素属于前景还是背景。首先介绍了几种应用在不同场合的前景/背景分割算法。考虑到应用传统的基于处理器的平台很难实时实现这类计算量很大的算法,所以在该算法的有效性被确认后,重点介绍其嵌入式实时实现。同时引入了一种先进的实现算法的方法:可重构计算及其设计方法和流程。另外还讨论了几个重要的关于硬件实现算法的问题。在给出了如何应用可重构计算实现算法的实例后,介绍了如何把已实现的算法嵌入基于片上系统的成像系统,以实现一个完整的系统。     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

基于特征融合的背景差分改进算法

背景差分法可完整快速地分割出目标图像,但其在背景扰动与光照变化等情况下检测效果不佳。文中提出一种基于特征融合的背景差分改进算法。该算法将时空局部二值模式纹理特征以及颜色特征相融合,同时考虑两特征的置信度和相似性得分得出背景概率,继而进行前景分割,并将当前检测出的背景像素用于背景模板更新,以便更好地解决复杂背景下的目标检测问题。实验结果表明,新算法的检测效果优于其他同类算法,在保持背景差分算法鲁棒性与复杂度的同时,在背景扰动与光照变化等情况下表现出了良好的检测效果。     

背景渐变的视频对象分割算法研究及实现

提出了一种有效的背景渐变的视频对象分割算法.首先将前一帧分成前景和背景两部分,然后采用灰度投影匹配算法对当前帧进行全局运动估计和补偿,将当前帧与上一帧进行差分运算,便可得到差分图像.通过对差分图像进行二值化处理,得到运动模板并与前景信息进行相与计算,再结合当前帧信息便可得到运动目标.在TI公司的TMS320DM642芯片上验证了该算法,实验结果表明该算法不仅对亮度变化和环境变化具有鲁棒性,而且可独立、精确地分割出运动目标.     

基于meanshift滤波和蚁群聚类的复杂红外目标分割

提出了一种复杂背景下红外目标分割的有效方法.该方法首先利用meanshift的自适应平滑滤波特性,在不损失目标信息的情况下,滤除复杂背景的杂波干扰;然后根据滤波得到的区域,用蚁群方法在区域之间进行聚类合并,获得最终的分割结果.采用区域来表征蚂蚁,与基本蚁群算法将每个像素看作一只蚂蚁相比,其蚂蚁个数大大减少,因而减小了计算的复杂度,提高了图像处理的效率.在蚁群算法中引入了一种新的引导函数,可以更准确引导蚁群聚类.实验结果表明,该方法可以准确地分割出目标,是一种快速有效的图像分割方法.     

基于粒子群优化的Otsu肺组织分割算法

为减少肺组织分割算法的运算时间,提出了一种基于粒子群优化的Otsu肺组织改进自动分割算法。针对传统粒子群优化的二维Otsu算法中二维直方图计算量大、粒子搜索容易陷入局部最优解的缺陷,使用灰度级-梯度二维直方图减少二维直方图的计算量,并减小粒子搜索范围,采用基于粒子空间对称分布的改进粒子群获取最佳阈值。算法实现过程中利用孔洞填充算法去除背景,基于形态学操作去除噪声、修补病变区域产生的孔洞。仿真实验结果显示,本文算法对图像尺寸为512像素×512像素CT图像的阈值分割时间约为0.2s,比基于灰度级-邻域均值二维直方图的粒子群优化的Otsu算法的阈值分割速度提高了约16%。较好地实现了胸腔CT图像的肺组织自动分割,与传统算法相比较,本算法在保证分割精度的基础上分割速度明显提升。     

一种利用图像角点和边缘信息的阈值分割方法

阈值化算法是图像区域分割的一个基本算法.提出一种利用角点和边缘点的像素灰度值均值和全图像像素点灰度值均值加权相加的阈值选取方法.实验表明,该方法能对具有大面积目标的图像进行很好的分割.     

一种基于灰色关联的去椒盐噪声滤波算法

利用灰色关联理论结合开关滤波策略的思想,提出了一种基于灰色关联的去椒盐噪声算法。算法采用开关策略,对于噪声点,选取3×3滤波窗口内的非噪声像素,利用灰色关联度计算各像素的加权值,将各非噪声像素加权后替换噪声点像素值,得到滤波图像。仿真实验证实,该算法不仅有效抑制了图像中的椒盐噪声,而且较好地保持了图像的边缘细节,滤波效果明显优于传统的滤波算法。     

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c()自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明:所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。     

Selective Data Pruning-Based Compression Using High-Order Edge-Directed Interpolation

This paper proposes a selective data pruning-based compression scheme to improve the rate-distortion relation of compressed images and video sequences. The original frames are pruned to a smaller size before compression. After decoding, they are interpolated back to their original size by an edge-directed interpolation method. The data pruning phase is optimized to obtain the minimal distortion in the interpolation phase. Furthermore, a novel high-order interpolation is proposed to adapt the interpolation to several edge directions in the current frame. This high-order filtering uses more surrounding pixels in the frame than the fourth-order edge-directed method and it is more robust. The algorithm is also considered for multiframe-based interpolation by using spatio-temporally surrounding pixels coming from the previous frame. Simulation results are shown for both image interpolation and coding applications to validate the effectiveness of the proposed methods.      

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

一次性白色圆形餐具表面污渍检测算法设计

给出了一种用于一次性白色圆形餐具表面污渍检测算法的设计思路。算法首先利用形态学边界检测算法提取圆形餐具的外轮廓,紧接着以外轮廓所对应的前景像素点作为样本点,利用最小二乘法拟合外轮廓,给出了最小二乘法拟合圆曲线的详细公式推导过程。利用获得的圆心坐标及半径参数,算法进一步将餐具划分为不同的检测区域,再分别对各个区域进行污渍检测。结合算法处理流程,给出了采用VC++6.0进行算法实现时的核心函数说明。最后结合实例说明了检测算法的实际测试效果。     

A novel algorithm to segment foreground from a similarly colored background

Color similarity between the background and the foreground causes most moving object detection algorithms to fail. This paper proposes a novel algorithm designed to segment the foreground from a similarly colored background. Central to this algorithm is that the motion cue of the moving object is useful for foreground modeling. We predict the position of the moving object in the current frame using historical motion information, and then use the prediction information to construct a predictive model. The mixture foreground model is a union of the predictive model and the general foreground model. Final segmentation is obtained by combining a likelihood modification technique and the mixture foreground model. Experimental results on typical sequences show that the proposed algorithm is efficient.     

Semi-automatic 2D-to-3D video conversion based on background sprite generation

This paper presents a technique for semi-automatic 2D-to-3D stereo video conversion, which is known to provide user intervention in assigning foreground/background depths for key frames and then get depth maps for non-key frames via automatic depth propagation. Our algorithm treats foreground and background separately. For foregrounds, kernel pixels are identified and then used as the seeds for graph-cut segmentation for each non-key frame independently, resulting in results not limited by objects’ motion activity. For backgrounds, all video frames, after foregrounds being removed, are integrated into a common background sprite model (BSM) based on a relay-frame-based image registration algorithm. Users can then draw background depths for BSM in an integrated manner, thus reducing human efforts significantly. Experimental results show that our method is capable of retaining more faithful foreground depth boundaries (by 1.6–2.7 dB) and smoother background depths than prior works. This advantage is helpful for 3D display and 3D perception.     

用于监控视频的滞留与搬移物体的检测算法

提出了一种新的滞留与搬移物体的检测分类算法.该算法利用背景差法获得前景图像,然后进行二值化和形态学处理,再和背景帧进行比较来对滞留和搬移物体进行检测和分类.实验结果表明该检测算法具有较高的正确率和鲁棒性.     

Video inpainting under constrained camera motion.

A framework for inpainting missing parts of a video sequence recorded with a moving or stationary camera is presented in this work. The region to be inpainted is general: it may be still or moving, in the background or in the foreground, it may occlude one object and be occluded by some other object. The algorithm consists of a simple preprocessing stage and two steps of video inpainting. In the preprocessing stage, we roughly segment each frame into foreground and background. We use this segmentation to build three image mosaics that help to produce time consistent results and also improve the performance of the algorithm by reducing the search space. In the first video inpainting step, we reconstruct moving objects in the foreground that are "occluded" by the region to be inpainted. To this end, we fill the gap as much as possible by copying information from the moving foreground in other frames, using a priority-based scheme. In the second step, we inpaint the remaining hole with the background. To accomplish this, we first align the frames and directly copy when possible. The remaining pixels are filled in by extending spatial texture synthesis techniques to the spatiotemporal domain. The proposed framework has several advantages over state-of-the-art algorithms that deal with similar types of data and constraints. It permits some camera motion, is simple to implement, fast, does not require statistical models of background nor foreground, works well in the presence of rich and cluttered backgrounds, and the results show that there is no visible blurring or motion artifacts. A number of real examples taken with a consumer hand-held camera are shown supporting these findings.     

融合ViBe改进算法和图像均值的运动目标检测

针对视频前景提取(ViBe)算法在模型初始化时因前景像素干扰导致的“鬼影”问题，面对复杂背景环境的更新策略问题，提出利用图像像素均值作为参考对ViBe算法模型进行初始化优化；同时，提出随背景模型复杂度变化的自适应更新策略。利用邻域像素和连续帧背景像素的相似性进行背景模型初始化；然后通过计算样本间各像素的方差判定背景模型是否稳定，建立自适应的更新策略；最后提取运动目标。通过CDnet2014数据集验证表明：该算法有效改善了“鬼影”现象，提高了背景模型在复杂环境下的鲁棒性，各项客观评价指标也有所提升。     

复杂背景下基于贝叶斯-全概率联合估计的前景检测

针对复杂背景下前景提取较为困难或者提取准确率较低等问题,该文提出了基于贝叶斯-全概率联合估计的目标检测模型并引入了背景误差控制变量的概念。通过选择适当的特征向量,在贝叶斯-全概率估计模型下,背景像素将会分为静止与运动两种不同的类型,进而准确提取前景像素点。实验结果表明,该模型是一个较为通用的目标检测模型,在目标提取时,该文算法对各种类型的视频背景环境(包括复杂背景)都具有较好的适用效果。