视频目标跟踪算法综述

介绍了视频目标跟踪算法及其研究进展,包括基于对比度分析的目标跟踪算法、基于匹配的目标跟踪算法和基于运动检测的目标跟踪算法.重点分析了目标跟踪中特征匹配、贝叶斯滤波、概率图模型和核方法的主要内容及最新进展.此外,还介绍了多特征跟踪、利用上下文信息的目标跟踪和多目标跟踪算法及其进展.     

基于RGB色彩空间的四带树木图像颜色校正方法

针对图像受近红外光线参与的影响而出现偏色现象,介绍了一种基于RGB色彩空间的四带（RGB带和一个附加的近红外带）树木图像颜色校正方法. 该方法首先根据R-G差值图像,通过实验获取合适的阈值将四带树木图像二值化. 然后,利用中值滤波器和数学形态学对二值图像进行滤噪处理,提取出偏色较严重区域. 最后分区域进行颜色校正,达到消除近红外干扰的目的. 实验结果表明,该方法对部分常见含植物的场景图像有比较好的校正效果.     

矢量聚类及其在稀疏分量分析中的应用

针对传统聚类分析不能有效处理矢量数据聚类的问题,提出矢量聚类算法。该算法以点到矢量的距离最小化为分类依据,所得类簇中心为一矢量。根据稀疏信号的分布特性,用矢量聚类方法估计系统的混合矩阵,再利用估计的混合矩阵分离混合信号,从而得到稀疏信源的估计,简化了传统的混合信号分离过程。实验结果表明该矢量聚类方法能比传统的标量聚类方法更有效地估计矢量数据的中心,能在稀疏的处理域中很好地分离出稀疏信源。     

K-means聚类数的确定及在细胞图像颜色校正中的应用

针对大量瑞氏染色细胞图像, 通过YCbCr颜色空间进行K-means聚类, 观察各分量聚类中心差值变化规律, 提出了一种新的确定K-means聚类数的颜色校正算法。该算法首先是将瑞氏染色细胞图像中不同目标分别准确地聚集在相应类当中, 再与标准图像中的每类进行配比, 并利用直方图规定化进行直方图调整, 得到颜色校正结果。经大量实验证明, 尤其在细胞图像中目标颜色特征较接近的情况下, 该算法通过确定合适的聚类数可大大提高颜色校正结果的准确率。     

基于脉冲神经网络模型的车辆车型识别

准确提取各种运动目标的特征并将它们加以分类识别,是近年来图像处理和人工智能研究中的热点之一.针对识别运动车辆车型需求,提出了在利用脉冲神经网络模型对运动车辆进行边缘提取的基础上提取运动目标的不变线矩特征,再用这些特征训练神经网络对车型进行识别的方法.试验结果表明该模型能准确的提取运动目标的特征,从而提高分类的效果.在今...     

基于图像处理和轨迹预测的目标跟踪

为克服目标被短时间遮挡的跟踪问题,在基于图像信息的跟踪算法中增加轨迹约束条件,构成基于图像处理和轨迹预测的目标跟踪算法。首先分别介绍基于图像信息的目标跟踪算法和常见的轨迹预测方法,然后介绍基于图像处理和轨迹预测的目标跟踪算法。实验结果表明,基于图像处理和轨迹预测的目标跟踪算法能够有效地克服目标被遮挡时的跟踪问题。     

独立分量分析的理论框架

分析了信号独立的统计学来源，从高阶统计量分析、信息论和参数估计理论推导信号独立的数学描述，以这些数学描述构造相应的独立分解目标函数：高阶统计量最小、互信息最小和最大似然估计目标函数，以函数的最优化问题统一这些目标函数。围绕统一的目标函数，采用求导法和等价的三角极值函数法，分别推导出独立分量分析（ICA）的三类分解算法：梯度法、固定点迭代法和Jacobi旋转法。以这些理论推导构造了ICA的理论框架。     

基于脉冲神经网络的红外目标提取

模拟生物信息处理机制,设计了一种用于红外目标提取的脉冲神经网络(SNN)。首先,利用输入层脉冲神经元将激励图像转化为脉冲序列;其次,采用中间层脉冲神经元输出脉冲的密度编码红外图像目标的轮廓像素和非目标轮廓像素;最后,根据输出层神经元输出脉冲的密度是否超过阈值提取红外目标。实验结果表明,设计的脉冲神经网络具有较好的红外目标提取性能,并且符合生物视觉信息处理机制。     

基于脉冲神经网络的边缘检测

提出了一种利用脉冲神经元的脉冲放电时间对图像像素进行编码和边缘提取的方法.首先将图像像素转化为神经元的输出脉冲序列.再用脉冲序列的首个脉冲放电时间编码图像的像素.并将一个窗口内的首个脉冲同时输入下一层的一个脉神经元,若窗口内对应的像素在一个平坦的区域,这些脉冲同时到达神经元,只能激发出稀疏的脉冲序列;如果窗口内对应的像素在一个边缘区域,这些脉冲在不同时刻到达神经元,将激发出稠密的脉冲序列.最后设定一个阈值,根据输出脉冲序列的密度区分边缘像素和非边缘像素,提取图像的边缘.实验结果表明该方法具有良好的边缘检测效果,更加符合生物信息处理机制.     

基于.Net的视频跟踪仿真平台设计

为提高视频跟踪算法的研发效率,降低成本,设计了基于.net的视频跟踪仿真平台.首先介绍了重心跟踪、相关跟踪、运动检测等实际工程中常用的视频跟踪算法.在此基础上提出了基于计算机的视频跟踪仿真平台的设计思路.结合.Net,特别是 CImage类介绍了视频跟踪仿真平台的实现过程:用CFileDialog打开图像文件、用图像处理算法实现视频跟踪、用Bitblt等显示处理结果的图像和数据等.实验结果表明该设计能够很好地实现视频跟踪的功能,便于视频跟踪算法研发人员分析不同算法的跟踪性能和计算时间,以验证算法的可行性,为算法的工程移植提供有力的参考依据.