基于多尺度平滑的前景提取

传统的Graph cuts算法可以有效地提取卡通图像前景,但是对自然场景图像效果差.为了提高前景提取的效果,本文提出了基于多尺度平滑的前景提取模型,联合分割和多尺度特征,从适当的尺度特征中提取前景.运用TV保边平滑模型对图像进行平滑,降低了图像区域的非均匀性,保护了边缘,提高了前景提取的效果.实验结果表明,基于多尺度平滑的前景提取算法降低了非均匀区域对前景提取的影响,其评测分数高于传统的Graph cuts算法.     

基于GrabCut的免交互图像分割算法

针对GrabCut算法需要用户交互进行初始矩形框的设定而不能做到自动分割,且在前景图像较为复杂时分割效果不佳等问题,提出一种基于GrabCut的免交互图像分割算法。首先,训练Faster R-CNN网络,将待分割图像通过Faster R-CNN进行目标检测来得到前景目标所在区域矩形框;然后在k-means算法初始化高斯混合模型时加入位置信息,进行聚类以得到优化的初始高斯混合模型参数;最后对GrabCut算法分割结果中的边缘像素进行平滑后处理。试验结果表明,该算法无需用户交互即可完成分割且相比原始GrabCut算法具有更好的视觉效果和更高的分割正确率。     

基于改进三角剖分插值EMD的多尺度边缘检测

为提高二维EMD分解速度,改善从本征模函数(IMF)图像提取边缘的质量,提出了一种改进三角剖分插值EMD的多尺度边缘检测算法.该算法首先通过邻域像素比较法得到图像极值点,利用改进的Delaunay三角剖分和三次样条插值函数进行曲面拟合,抑制了边界漏点问题,并用图像灰度均值改进了筛分停止准则,再对其分解得到的第一个IMF子图像进行小波多尺度分解提取图像边缘.通过仿真实验,结果表明该算法不仅能准确地提取图像边缘,还有效地抑制了噪声.仿真结果验证了该算法的可行性和有效性.     

基于非参数聚类和多尺度图像的目标跟踪

提出了一种基于非参数聚类和多尺度图像的目标跟踪算法.在利用改进的非参数颜色聚类进行自适应划分目标颜色空间的基础上,定义了目标模型和候选目标模型,该模型利用高斯函数建模颜色直方图中的每一个颜色特征位的空域分布; 根据Bhattacharyya系数的定义得到了目标模型和候选目标模型之间的相似性函数.跟踪算法利用高斯金字塔得到的多尺度图像进行从粗到细的目标空间定位;同时通过利用推导的核函数自动带宽选择公式,实现了目标尺度定位.实验结果表明该方法优于典型的均值漂移跟踪方法,从而验证了该方法的有效性.     

消除纹理接缝的2D－3D纹理映射

通过小波分解技术将原始图像集合分为2类：边缘图和平滑图,然后根据人眼视觉机制,对此两类图像选择相应的拼接技术。边缘图像采用图像缝合法进行拼接,提出了在部分纹理图表面搜索最优缝合路径的方法。对平滑图像采用多尺度融合法拼接,其中的多尺度融合权函数能较好地体现三维模型的几何特征。实验结果说明了本算法的有效性。     

基于改进数学形态学的含噪图像边缘检测

针对传统的边缘检测算法对含噪图像的检测效果不理想,提出一种改进的数学形态学边缘检测算法。该算法首先采用多尺度双结构元素形态学进行滤波去噪,再利用改进的多尺度多结构元素形态学边缘检测算子进行图像边缘提取。实验表明,该算法具有很强的噪声抑制能力,对含噪图像的边缘检测效果良好,提取的边缘清晰且平滑,边缘定位精度高。     

基于旋转不变小波阈值的多尺度边缘检测

在自适应多尺度边缘检测算法中,用旋转不变小波非线性阈值代替原来的高斯滤波做平滑,并对尺度指数采样产生尺度集合,以确定边缘像元的最佳尺度,得到基于旋转不变小波阈值的多尺度边缘检测算法.该算法避免了对原图像的过度光滑,用于检测边缘的最佳尺度与边缘存在的尺度空间范围相匹配.实验证明新算法检测的图像比较清晰,具有较高的信噪比,而且可以用来检测含少量白噪声图像.     

基于滤波器阵列和小波域图割的纹理分割

针对图割法计算代价高并难以应用于纹理分割的问题,提出了一种基于滤波器阵列和小波域图割的纹理分割算法.首先对图像进行多层小波分解;然后在子带图像中使用构建的滤波器阵列提取图像的纹理特征,采用texton直方图作为纹理的统计模型,并采用直方图差计算像素点间的纹理相似度;最后根据子带图像计算虚拟尺度图的权值矩阵,构建关联范围递增的多尺度图结构,并根据规范割准则计算纹理的分割.分割结果表明:该算法在获得稳定和准确的纹理分割的同时能够将原始规范割指数时间复杂度压缩为线性时间复杂度,并能够计算大尺寸的图像分割.     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法。首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘。通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法。     

复杂背景下目标树叶自动分割的Grabcut算法

针对传统GrabCut算法需要人机交互且难以在复杂背景或光照不均匀时准确分割目标树叶的缺点,提出一种基于GrabCut算法的复杂背景下或光照不均匀时目标树叶的自动分割算法。本算法利用模糊高斯混合模型(FGMM)和图像的颜色信息对原始图像进行标记实现自动分割。首先选取合适的模糊因子利用模糊高斯混合模型对图像像素进行一次标记;在一次标记的基础上再结合超绿算法(EXG)选取合适的阈值对图像像素进行二次标记;最后将二次标记图像初始化GrabCut算法实现目标树叶的自动分割。利用几种不同的样本对提出算法的有效性和错分率进行探讨。结果表明,所提出的算法可以实现复杂背景下或光照不均匀时目标树叶的自动分割,且平均错分率达到1.625。     

基于视频的航站楼旅客人体特征辨识

为更好地实现航站楼智能监控,在分别分析航站楼不同功能区监控视频图像特征及特征提取效果之后,选择人头纹理特征和路径特征作为在各分区普遍适用且识别与跟踪效果良好的一组识别特征。在混合高斯背景模型前景检测算法基础上,引入基于YCbCr颜色空间阴影去除法实现阴影去除,提高前景检测精度;并基于此,分别利用基于GLCM的算法与光流法实现人头纹理特征与路径特征的提取,提高航站楼人员识别率。     

一种基于Gabor小波和颜色参数模型的阴影检测算法

本文提出了一种基于Gabor小波纹理特征分析和阴影参数模型颜色分析的阴影检测算法.首先,建立背景的混合高斯分布模型,通过对特定帧的颜色分析建立阴影参数模型.对图像序列中的每一帧,首先通过差分法提取出前景区域,然后通过Gabor小波滤波的方法,对背景和前景图中的相同小区域进行纹理特征分析,比较特征向量的距离,以判断潜在的阴影点.然后,通过阴影参数模型对这些潜在的阴影点进行颜色分析,并通过连通区域标记,形态学运算,FPR(去除假阴影)分析等方法,找出真正的阴影区域.实验结果表明,本算法具有较高的阴影检测率和物体检测率,可以满足实时检测的需要.     

Skin Segmentation Based on Graph Cuts

Skin segmentation is widely used in many computer vision tasks to improve automated visualization. This paper presents a graph cuts algorithm to segment arbitrary skin regions from images. The detected face is used to determine the foreground skin seeds and the background non-skin seeds with the color probability distributions for the foreground represented by a single Gaussian model and for the background by a Gaussian mixture model. The probability distribution of the image is used for noise suppression to alleviate the influence of the background regions having skin-like colors. Finally, the skin is segmented by graph cuts, with the regional parameter γ optimally selected to adapt to different images. Tests of the algorithm on many real world photographs show that the scheme accurately segments skin regions and is robust against illumination variations, individual skin variations, and cluttered backgrounds.     

采用精确抠图的单幅自然图像背景虚化合成方法

针对小光圈镜头下的单幅自然图像背景虚化问题,提出一种基于精确抠图的单幅自然图像背景虚化合成方法.首先,利用GrabCut算法对单幅自然图像的前景对象进行初始抠图;其次,采用基于局部二值模式算子的颜色恒常性算法提取图像纹理,并对初始抠图实现精确割图;然后,通过双边滤波虚化背景部分;最后,将精确分割后的前景部分与虚化后的背景部分合成.仿真结果表明：文中算法可以获得高质量的分割和视觉自然的背景虚化效果.     

肤色检测结合Grab Cut的服装图像前景提取的改进

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取. 实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

一种GrabCut分割边缘的优化方法

针对GrabCut分割精度不够以及边缘不平滑的问题,提出一种目标边缘优化方法.首先使用GrabCut算法获取目标的α掩像,然后对α掩像进行形态学处理而获取目标边缘区域,再将目标边缘区域内的像素与已知的绝对背景和绝对前景的部分像素进行颜色信息比较,根据比较结果重新分割边缘区域像素,最后对重新分割的目标边缘进行平滑处理.实验结果表明,本文的方法对边缘分割的精准性和平滑度都优于GrabCut算法.     

一种通过去噪来提高图像标注性能的方法

提出一种通过去除噪声来提高分层高斯混合模型的图像标注性能的方法．在有监督多概念标注（supervised Multiclass Labeling,SML）中,它采用了分层高斯混合模型,有效地把大量的表示图片的高斯混合模型聚类成一个表示某概念类的高斯混合模型,从而很容易实现图像的分类和标注．通过引入去噪过程,减少了图片中与概念不相关的高斯分量,消除了噪声高斯分量对分类器的负面影响,从而提高了分类性能．基于TRECVID2005数据的图像标注实验证明,该方法可以取得比SML方法更好的标注性能．