复杂背景下运动目标分割算法研究

综合运动目标的边缘信息和运动信息,提出一种复杂背景下运动目标的分割算法。在计算光流场时采用各向异性的平滑约束,从而实现了对图像光流场的自适应计算。利用Canny算子检测出的不封闭边缘作为初始信息,根据光流场的连续特性进行边缘生长后可获得对目标的初始分割。对初始分割结果进行边界跟踪,通过保留具有最长边界长度的团块,去掉背景中的杂散噪声,就可获得清楚的分割图。实验证明,该方法能对复杂背景下的运动目标进行准确的分割。     

军事目标红外图像的形状识别系统

随着目标自动跟踪、识别技术的发展,对目标特征提取技术的要求变得愈来愈高,基于目标形状的跟踪、识别系统的发展非常迅速。本文针对目标红外图像的特点,提出了一种新的目标形状分类、识别系统,该系统包括目标图像预处理、目标分割提取、目标边界探测以及目标形状分类、识别。系统中,我们采用一种均值——中值混合滤波方法来消除噪音的影响,利用峰谷法分割提取目标,进而提取目标的边界,在目标边界提取的基础上,提出了边距离分布特征的概念用于目标的分类、识别。     

基于优化水平集方法的CT图像肺结节检测算法

对Chan-Vese水平集图像分割方法进行分析和改进,提出了结合全局区域均值和局部边界信息的水平集改进算法,应用于肺部CT图像分割和肺结节检测。在图像分割的目标函数中,在Chan-Vese方法基础上,引入局部边界统计特性能量项,以利于提高肺部医学图像分割的准确率和分割速度。实验表明,该方法可以很好地分割出肺实质轮廓和肺结节病灶区域,在分割速度上比Chan-Vese方法有了明显的提高,检测结果不依赖于初始设置,将人工交互降至最低,有利于实现CT图像肺结节自动检测。     

基于S-粗集的图像阈值分割方法

介绍了S-粗集的概念, 结合其动态迁移特性给出了可以适应复杂背景和含噪环境的图像S-粗集表示模型, 使静态目标可以将"不好"特性像素点迁移出去. 利用粗糙熵平衡目标和背景粗糙度对边界的影响, 提出一种更具适应性的 图像阈值分割算法. 为了适应离散点的迁移, 同时避免粒度大小的选择, 结合包含度概念给出了图像变精度S-粗集表示模型, 利用精度参数来 控制调节获取最佳分割阈值, 实现目标提取. 仿真实验表明, 所提出算法具有更好的图像分割效果.     

手势交互中手部目标的动态分割

讨论一种结合背景消除与图像形态学滤波的手部目标动态分割方法。首先，将输入图像与经过线性卡尔曼滤波提取的不包含前景运动目标的背景图像相比较，由此得到去除了背景的新图像，然后，对该图像进行图像形态学重建滤波与闭运算以去除孔洞与噪声。因为卡尔曼滤波可以实现背景图像的自适应提取，该方法可有效地实现复杂背景中手部目标的动态分割。     

复杂背景下的红外运动弱小目标的实时检测

对红外弱小目标的检关键是将目标从由地物、云团造成的复杂背景中有效地分割出来.采用在高通滤波前先进行一次背景抑制的预处理方法,以校正由温度非线性引起的噪声.再对高通滤波后的信号进行自适应门限分割的方法,更好地将低信噪比的红外点目标从周围的背景中分割出来,最后利用点目标检测的方法,进行点聚合,对同时存在的斑点、面目标也进行了检测.该算法可有效地减小运算量,对快速、实时和点、斑点、面目标同时存在的复杂情况具有一定的实用价值.膊     

融合边界监督策略的改进特征金字塔算法研究

针对语义分割中存在的边界划分不够准确及存在多尺度目标等问题,提出了一种融合边界监督策略的改进特征金字塔算法。通过融合的边界监督策略和改进的特征金字塔算法分别解决边界划分不准确和存在多尺度目标的问题,并且在上采样过程中加入注意力机制,进一步提升分割效果。实验结果表明：该算法分别在Camvid和PASCAL VOC2012两个数据集上取得了58.69%和78.59%的平均交并比(mean intersection over union,MIOU)指标,在分割效果上有较好的表现。     

基于局部二元图的视频对象阴影检测方法

针对在视频对象分割时,运动投影常被误分为视频对象,给出一种新的视频阴影检测方法,该算法基于在灰度图像中阴影区域和背景相应位置具有相同纹理这一事实,其中利用自适应高斯混合模型进行背景建模,利用局部二元图(local binary patterns,LBP)来表征纹理。首先,进行基于自适应高斯混合模型的背景提取,获得包含运动投影的前景分割,分割时加入了LBP纹理相似性判断,减少了分割出的目标内的孔洞提高了分割的精确度。然后利用阴影区域和已获取背景相应位置的LBP纹理相似性,可较好的对视频阴影进行检测。通过实验,获得了不错的阴影检测实验结果,可较好地应用于运动目标检测分割及跟踪等领域。     

基于小区域滤波的快速星图弱小目标分割算法

时间序列帧星空图像中弱小目标的检测是天基监视地球同步轨道卫星需要解决的关键技术之一,星图中的背景杂波抑制与小目标分割对运动目标的检测与精确测量是至关重要的。针对这一问题,提出了一种基于小区域滤波的快速星图弱小目标分割算法。首先采用最小二乘拟合方法得到高斯背景均值和标准差;然后利用小区域滤波抑制背景杂波;最后利用固定阈值滤除灰度过小像素点。实验结果表明,该算法能够较好地保持恒星和运动目标的边缘,为恒星和运动目标的快速定位奠定了基础。     

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入Chan Vese (C V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。     

基于局部方差的多分辨率图像分割方法

针对复杂图像分割问题,提出了一种基于图像局部方差的多分辨率图像分割方法。该方法首先引入了一种像素映射的多分辨率模型,此模型通过计算父子关系距离来确定父结点与子结点的链接,实现映射;在此基础上,从图像局部方差对图像分辨率的依赖性入手,分别研究图像中目标区域与背景在不同分辨率下局部方差的变化规律,利用此规律通过计算不同分辨率下图像区域的局部方差的差值,来放大目标与背景之间的差异,在将其平滑之后选用最大类间方差法(Ostu法)进行图像分割,最后利用图像多分辨率模型下像素之间的精确映射关系来得到对应于原始图像大小的分割结果。实验结果显示此方法具有良好的分割效果。     

基于分形和背景知识挖掘的红外图像水上桥梁目标识别

针对复杂背景下远距离航拍红外图像中水上桥梁识别的难题,提出一种新的基于分形理论和背景知识挖掘的目标识别方法。根据红外图像水上桥梁上下文描述,利用红外图像的直方图动态阈值法和分形特征检测出图像中的感兴趣区水域,同时基于先假设后检验的桥梁潜在目标被分割出来;然后利用形态学滤波完成目标图像的进一步分割;最后,利用目标特征匹配完成桥梁目标识别。基于TMS320C6416图像跟踪器的实验结果证明:该方法有较高的自动目标识别率和计算实时性。     

基于语义分割实现的SAR图像舰船目标检测

基于深度学习实现的目标检测方法在自然图像中取得非常大的成功,而将诸多方法运用于合成孔径雷达(synthetic aperture radar, SAR)图像舰船目标检测逐步成为新的趋势。如何将已有方法改进并与SAR图像的特点相结合完成特定的检测任务,已经成为当前主要的研究方向。不同于当前已有方法,本文对存在的深度学习SAR图像舰船目标检测方法进行了再思考,提出了基于语义分割实现的检测、分割一体化方法。通过语义分割实现的检测方式能够有效地避免当前诸多检测网络的复杂解码过程,具有生成的预测框更加贴合目标、精度以及召回率更高等特点。该方法虽属于无锚框检测,但实验结果表明,达到了双阶段检测效果,且具有更加精细化的分割结果,适用于复杂背景检测与分割问题。     

基于背景差的码头运动船只检测

通过背景差法对码头视频图像中的运动船只检测。采用混合高斯模型为码头背景建模,该模型可克服各种外部因素的影响,如光照变化、阴影、目标遮挡等,具有很强的适应能力。对采用全局固定阈值进行运动目标分割的方法作了优化,并对运动船只目标进行分割。经现场测试,能有效地监测运动船只、记录异常事件以及视频图像的提取和过滤,提高了码头监管的质量和效率,可广泛应用于码头无人监控。     

前视红外地面待机目标轮廓提取方法

针对前视红外成像制导中地面待机目标的轮廓提取问题,提出一种新的多目标轮廓提取方法。首先利用相对定位分割技术,将待机目标区域从复杂地面背景中分离出来,然后采用灰度阈值法初步检测目标数量和方位,再通过边缘点聚类分割算法将多目标边缘图像进行分割,最后基于距离差分最小提取目标轮廓。实验结果表明,针对复杂地面场景,该方法可以实现对不同数量、不同类型、不同尺寸地面待机目标的外轮廓提取。基本满足前视红外成像制导对轮廓提取算法实时性好、轮廓完整度高、抗干扰能力强等要求。     

适用于机器人视觉的图像分割方法

针对复杂图像分割问题开展研究,并以机器人视觉中目标搜索和识别问题为支撑目标,结合该背景明确提出了图像分割算法性能评价标准和侧重点,基于此约束,以Mean Shift分割方法为基础,并重点考虑了分割尺度的有效控制、分割过程兼顾场景深度信息等问题,对算法进行了针对性改进。针对分割尺度控制问题,提出了边缘敏感度的概念,提高了算法尺度分块的控制能力。针对深度信息融合问题,采用了双目视觉立体匹配和基于Kinect传感器的两种深度信息获取方法,均成功实现融合并提高了分割效果。实验结果表明,本文算法与传统Mean Shift算法相比具有明显优势,不仅能更有效地控制分割尺度,还能成功分割原算法难以分割的特殊情况。     

基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。     

一种图像分割的目标描述方法及实现

提出一种二值分割图像目标描述的实现方法 ,用以获取目标特征量。在对二值化图像形成目标块的过程中使用扩展像素标记法 ,可以在标记目标所属像素的同时标记目标的边界点 ,从而得到目标的单像素宽边界。在此基础上获得目标的面积、周长和质心坐标等参数 ,为图像目标识别做好准备。最后给出了算法C ++编程的具体思路和实现。仿真实验证实了该算法实用可行。     

大幅面星载SAR图像中机场检测算法

重点研究了大幅面星载合成孔径雷达图像中的目标检测问题.选取机场区域作为检测目标,提出了一种基于区域形状特征的检测算法.算法使用自适应聚类分割法解决大幅面图像中复杂背景下的小目标分割问题,选取椭圆近似法代替常用的最小外接矩形和边界框法计算区域的尺寸和体态特征.通过对多幅实际获取自不同场景的大幅面星载合成孔径雷达图像进行实验,结果表明,本算法可快速、准确地检测出包含在场景中的单个或多个结构不同的机场区域.     

区域进化自适应高精度区域增长图像分割算法

为克服经典区域增长算法中门限选择困难、分割稳定性不高与串行处理速度慢的不足,提出基于区域进化的自适应高精度区域增长图像分割算法。在图像预处理过程中,首先通过各向异性滤波算法对切片进行滤波,达到去除图像噪声同时避免对边界区域的模糊;然后引入了新的区域能量表示模型,并给出了迭代进化形式,在区域增长过程中,逐渐增加区域增长的门限,通过对能量函数的动态优化来逼近最佳分割结果;最后利用主动轮廓模型进行精度分割,得到精确而比较光滑的分割目标轮廓。对比实验表明提出的方法是合理有效的。