基于CAMSHIFT算法和形态学的人手动态分割

动态图象分割是计算机视觉分析中一个重要和困难的任务。该文讨论了一种基于CAMSHIFT算法和形态学的动态跟踪分割。首先把采集到的图象由RGB色彩空间转换到HSV色彩空间,因为肤色对HSV色彩空间的H色调具有恒常性。其后在HSV颜色空间建立肤色直方图模型,确定肤色概率度,运用CAMSHIFT算法对人手动态跟踪,然后运用形态学重构闭运算去除空洞和噪声。实验证明该方法能够有效的实现了人手的动态分割。     

一种基于肤色分割的彩色图像人脸检测方法

人脸是一个复杂的模式,对其准确的定位和分割是进行人脸识别的第一步.本文建立一种混合肤色模型对肤色区域分割并融合几何特征进行人脸粗检测;在人脸区域验证阶段,提出利用计算眼睛相似度的方法并融合眼睛对称性等特征对眼睛区域定位;嘴巴定位通过改进的唇色信息提取来实现,用以最终准确定位人脸区域.实验证明,该算法十分有效,在速度和准确性方面具有良好的性能.     

二维Fisher准则函数在区域生长算法中的应用

本文针对传统区域生长算法中“种子”和“相似性准则”不能自适应获得的缺点,将二维Fisher准则函数算法[1]应用到区域生长算法中,根据图像特征,利用二维阈值,自动确定“种子”和“相似性准则”。实验表明,该算法不仅利用了二维Fisher准则函数算法的优点,而且也使区域生长算法具有自适应性,对荧光磁粉图像具有较好的分割效果。     

Unsupervised Bayesian image segmentation using orthogonal series

This paper deals with the problem of unsupervised image segmentation which consists in first mixture identification phase and second a Bayesian decision phase. During the mixture identification phase, the conditional probability density function (pdf) and the a priori class probabilities must be estimated. The most difficult part is the estimation of the number of pixel classes or in other words the estimation of the number of density mixture components. To resolve this problem, we propose here a Stochastic and Nonparametric Expectation-Maximization (SNEM) algorithm. The algorithm finds the most likely number of classes, their associated model parameters and generates a segmentation of the image by classifying the pixels into these classes. The non-parametric aspect comes from the use of the orthogonal series estimator. Experimental results are promising, we have obtained accurate results on a variety of real images.     

用无需选取参数的Unit-linking PCNN进行自动图像分割

脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）是一种有生物学依据的人工神经网络，它可有效地用于图像分割。基于PCNN的图像分割效果取决于PCNN中各参数的选择。然而，图像分割时，各种不同的图像对应的PCNN参数是不同的，而PCNN参数的选择是困难的。本文提出了一种基于Unit-linking PCNN的图像分割新方法，解决了PCNN图像分割参数选择的难题。用本文提出的新方法可有效地自动分割各种图像，而无需考虑PCNN参数的选择，这对于PCNN的理论研究和实际应用有重要的意义。     

Satellite imagery based adaptive background models and shadow suppression

Accurate segmentation of foreground objects in video scenes is critical for assuring reliable performance of vision systems for object tracking and situational awareness in outdoor scenes. Most existing techniques for background modeling and shadow suppression require that a number of parameters be “hand-tuned” based on environmental conditions. This paper presents two contributions to overcome such limitations. First, we develop and demonstrate a satellite imagery based approach for selecting appropriate background and shadow models. It is shown that the illumination conditions (i.e. cloud cover) of a scene can be reliably inferred from visible satellite images in the local region of the camera. The second contribution presented in the paper is introduction and evaluation of a Hybrid Cone-Cylinder Codebook (HC3) model which combines an adaptive efficient background model with HSV-color space shadow suppression into a single coherent framework. The structure of the HC3 model allows for seamless fusion of the satellite data. We are thereby able to exploit the fact that, for example, shadows are more pronounced on sunny days than cloudy days, allowing for more sensitive detection. The paper presents a set of experiments using day long sequences of videos from an operational surveillance system testbed. Results of these experimental analyses quantitatively illustrate the benefits of using satellite imagery to inform and adaptively adjust background and shadow modeling.     

紫外序列图像中目标的提取

分析了"日盲"紫外ICCD(增强型电荷耦合装置)探测系统所采集紫外图像中噪声和目标的特点,基于紫外图像的特点,提出了一种紫外序列图像中目标提取的方法.该方法首先采用时域递归低通滤波算法对紫外图像进行降噪处理,有效抑制了图像中的随机噪声,提高了图像的对比度.然后运用自适应阈值分割算法对目标进行了提取.实验结果表明,该方法能较好地检测出紫外序列图像中的目标,具有较强的噪声抑制能力.     

基于CAMSHIFT算法和形态学的人手动态分割

动态图像分割是计算机视觉分析中一个重要和困难的任务。现讨论了一种基于CAM-SHIFT算法和形态学的动态跟踪分割。首先把采集到的图像由RGB色彩空间转换到HSV色彩空间,因为肤色对HSV色彩空间的H色调具有恒常性。其后在HSV颜色空间建立肤色直方图模型,确定肤色概率度,运用CAMSHIFT算法对人手动态跟踪。然后运用形态学重构闭运算去除空洞和噪声。实验证明该方法能够有效的实现人手的动态分割。     

视觉注意引导和区域竞争控制的医学图像分割

模糊连接度已经成为医学图像分割的实用方法，但其困难在于需要设定多种子点，自动给定的手段不是很有效.为此将种子点等价于视觉特征显著点，提出了在视觉注意模型引导下种子点给定的新方法.通过研究显著点定位与图像特征概率密度估计之间的关系，引入新的视觉特征估计地图，构造了注意计算模型，采用无阈值方法定位各类物体的视觉显著点并用于引导区域增长方式的图像分割.新的注意计算模型的定量描述能力较以往的模型有很大提高，适用于处理模糊图像.新方法能够完全自动定位种子点，有效分割图像，准确率高.引入多种子点之间的竞争策略加快了图像分割中的区域增长处理过程.     

基于图的网格分割

为了简化模型反求过程，提出了一种基于图的网格分割算法，分别以网格中的顶点和三角面片作为图中的元素，生成2种未定向加权全连通图的表达．对于由顶点生成的图把网格顶点的几何信息转化为颜色信息，对曲率计算引入的噪声采用中值滤波和均值滤波的方法滤除，并利用顶点之间颜色的差别作为图中连接相邻元素的边的权．对于由三角面片生成的图，利用相邻面片的二面角作为图中相邻元素的边的权；然后利用一个不相交集合的森林分割图，进而实现网格的分割．结果表明，这种分割方法可以快速、有效地实现网格的分割．