一种运动背景下目标快速定位方法

针对运动背景下目标检测算法计算量大,难以实现实时跟踪的问题,提出了一种目标快速定位方法.该方法采用图像配准补偿背景运动量,由多帧图像差分消除背景图像获得目标图像,通过自适应阈值对目标图像二值化,用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终定位目标区域.试验结果表明该方法能在2-6 ms内准确定位平移运动背景下的目标.     

一种对阴影鲁棒的背景建模算法

为消除前景图像的阴影,提出了一种基于尺度不变局部三元模式(SILTP)的视频图像背景建模算法。该算法利用图像帧级、图像块级和像素级三级信息进行设计.在图像帧级,利用全局灰度均值处理亮度突变;在图像块级,利用SILTP纹理图像基于图像块进行背景建模,快速定位前景目标大致轮廓;在像素级,用类ViBe算法检测前景目标精确边界.实验表明该算法不仅可有效消除前景图像的阴影,对复杂场景亦具有较好适应性.     

一种高精度CCD测试系统的非均匀性校正方法

针对高精度光电耦合器件(CCD)测试系统中像素的非均匀性给测试结果带来较大误差的问题,根据引起图像像素非均匀性噪声的特性,建立了对应的图像模型.采用自适应阈值分割算法将图像二值化分离出有效使用像素,并提出了一种采用两点线性方法对非均匀性像素进行校正的算法.仿真实验采用高速面阵CCD采集由激光器发射的圆形光斑图像,并通过计算图像光斑的中心坐标进行了验证.结果表明,该算法能够将图像的复杂背景与光斑分离,可校正其像素的非均匀性,稳定光斑的像素灰度值.在相同条件下连续采集图像,图像光斑的中心坐标稳定.     

基于统计的显微图像边缘检测阈值分析方法

针对复杂噪音干扰的显微图像, 提出一种新的基于统计原理的边缘检测阈值分析方法. 应用统计函数提取图像中梯度大的一个区域, 再由非极值抑制算法提取边缘像素. 在选择阈值前, 对每一像素的梯度值进行局部标准化, 去除模糊和全局阈值选择的不合适性. 所做分析的统计特性使得输入参数的选择对噪音图像具有鲁棒性, 能有效处理图像中的随机噪音. 实验结果表明, 所提出的算法具有稳定性强、 鲁棒性好的 特性.     

基于改进背景预测和流水线的弱小目标检测

针对复杂背景下液体中弱小目标的检测,提出了一种基于改进背景预测和双层流水线的算法.该算法首先对单帧图像进行背景预测处理,并初始化双层流水线管道;然后对第1层流水线管道中的图像进行交叉差分并二值化,将差分后二值化的图像传送到第二层流水线管道的顶部,更新第2层流水线管道;最后采用逻辑与运算和形态学开运算去除噪声,获得真正的目标,而且应用该算法对弱小目标序列图像进行了验证.实验结果表明：与传统最大化背景预测相比,改进的最大化背景预测方法预处理时间减少了55%,且双层流水线结构算法比单层流水线结构算法在处理时间上减少了0.5s以上.     

结合局部二元图特征的运动目标阴影抑制方法

针对基于局部二元图纹理的阴影区分算法不能有效抑制暗阴影边缘的问题,提出了一个结合图像边缘信息的改进方案.当进行阴影抑制时,对不在边缘上的像素直接通过比较前景像素及其相应背景像素的局部二元图纹理值进行区分;否则,以待判定的像素为中心,设定一个滑窗,对滑窗内相同位置的前景像素与背景像素的局部二元图纹理值进行比较,统计滑窗内纹理值相同的像素对的数量.若该数量大于一定的阈值,则判定中心像素为背景像素,否则为目标像素.实验结果表明:改进方案能适应阴影的明暗程度变化,消除仅使用局部二元图时存在的伪阴影边缘,所增加的计算量与阴影区域的大小成比例.     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

基于二维直方图的快速FCM图像分割

模糊聚类方法广泛应用于图像分割,目前最常用的算法是将空间邻域信息作为惩罚函数用以修改聚类目标函数,虽然它有效提高了算法的抗噪性,但当数据样本大时,运算速度较慢.为解决此问题,一种利用原图像及其平滑图像的二维统计信息将图像从像素空间映射到二维直方图特征空间的方法被提出,对标准测试图像和真实脑部CT图像的实验表明,该算法在不影响分割效果的前提下快速地对含噪图像进行分割,有效提高了运算效率.     

采用自适应背景窗的舰船目标检测算法

针对合成孔径雷达(SAR)图像应用中,传统滑动窗口检测算法无法对近距、近岸或不同大小目标实现精确检测的问题,提出了一种自适应窗口的舰船目标检测算法。该算法首先利用阈值滤波实现海面的分离,然后通过对分离后待检目标的像素体积统计,剔除大体积陆地目标,得到待检目标,并根据其像素分布设置自适应窗口,通过对自适应窗口内目标像素和背景像素的分离统计,最终拟合得到待检目标附近背景的K-分布概率模型进行恒虚警检测。相对于传统滑动窗口检测算法,自适应窗口检测算法可实现对目标背景像素的精确统计及K-分布拟合,以及对舰船类目标的精确检测。实验结果证明,在相同的虚警概率条件下,对复杂海面情况的SAR图像进行舰船检测,自适应窗口检测算法比传统局部窗K-分布的恒虚警检测结果的品质因子高0.34。     

基于OTSU分割的云层背景下弱目标检测算法研究

在各种背景的弱目标检测算法研究中,采用了最大类间方差(OTSU)分割的检测算法,对于不同大小的目标提出了两种不同的处理方法.在背景简单的小目标的预处理中利用中值滤波和OTSU相结合的方法;对于背景相对复杂的大目标的检测采用自适应门限、拉普拉斯(Log)滤波和OTSU分割的检测算法,把目标提取出来.自适应门限用于增强图像,使图像的背景灰度变得均匀;Log高通滤波器可以有效地去除背景;OTSU是经典的非参数,无监督自适应阈值选取方法,对图像经过阈值分割后,图像将变成包含少量可能目标点的二值图像.仿真实验表明:该算法能够有效地去除背景天空的强浮云,具有计算量小等优点,能够很好地检测出目标.     

改进的码本模型背景建模算法

针对原始码本模型算法参数多且难以设定、背景模型更新缓慢、背景容易被误判为前景目标等问题,本文提出一种改进的码本模型背景建模算法。该算法以像素点的均值和方差作为码本背景中码字的参数,用高斯正态分布判断该像素值是否匹配某个码字,采用以码字出现频率为参数的动态更新率来更新高斯正态分布中的均值及方差;采用两层的背景建模技术添加与删除背景码本中的码字;并增加频率阈值来判断某个像素值对应的码字是否添加入/删除出背景码本模型或缓冲区码本模型。实践证明,该算法能在复杂的场景下准确的分割出运动目标,且快速实用,能应用于实时视频图像处理中。     

一种基于傅里叶变换的改进ViBe算法

针对Vi Be算法在第1帧图像中含有运动目标时容易引入Ghost区域以及不能很好地去除阴影等问题.我们基于块的背景建模结合傅里叶变换,对Vi Be算法进行了改进.该算法对每一帧图像进行分块,在块内使用快速傅里叶变换,利用第1帧图像中每一块的直流分量建立背景模型,以后各帧与背景模型比较,检测出运动物体,最后通过扫描图像计算每一列前景像素的个数与设置的阈值进行比较,来消除阴影.实验结果表明,改进的算法可以快速的去掉Ghost区域以及很好地去除阴影.     

一种基于改进码本模型的背景分割算法

针对原始码本模型算法参数多且难以设定、背景模型更新缓慢、背景容易被误判为前景目标等问题,本文提出一种改进的码本模型背景建模算法。该算法以像素点的均值和方差作为码本背景中码字的参数,用高斯正态分布判断该像素值是否匹配某个码字,采用以码字出现频率为参数的动态更新率来更新高斯正态分布中的均值及方差;采用两层的背景建模技术添加与删除背景码本中的码字;并增加频率阈值来判断某个像素值对应的码字是否添加入/删除出背景码本模型或缓冲区码本模型。实践证明,该算法能在复杂的场景下准确的分割出运动目标,且快速实用,能应用于实时视频图像处理中。     

边界保持的二值图像放大算法

采用传统的图像放大算法处理二值图像会产生明显的锯齿效应,从而影响图像视觉质量。对此提出一种基于形态学的二值图像放大算法。首先采用近邻采样法将图像放大到指定倍数,然后运用像素补偿法使图像边缘区域变得光滑。最后采用基于目标物像素占比约束的形态学腐蚀方法,解决图像边界外扩问题。实验结果表明,该算法用于对二值图像放大,不仅能有效消除锯齿效应,还有效保持了图像边缘的合理位置,使二值图像放大后的视觉质量得到明显提升。     

织物纬斜检测图像光照不均匀的校正方法

为了解决在织物纬斜的检测过程中织物图像光照不均匀的问题,提出一种织物图像校正方法.首先,在每个像素点所处的列中,统计一个纬线宽度范围内像素值小于该点的个数,将统计结果作为该点的像素值;然后,按比例还原每个点的像素值,使每条纬线对应位置的像素值恢复到同一灰度水平;最后,把校正后的图像用Otsu法进行二值化,并与其他解决光照不均匀问题的经典方法进行对比.结果表明:文中方法能够很好地消除光照不均匀的影响,得到接近均匀光照下的二值图像.     

基于复模糊逻辑系统的运动目标检测方法

为了提高复杂场景下背景建模的准确率、抗干扰能力、效率,提出了基于复模糊逻辑系统的运动目标检测方法.使用复TSK模糊逻辑系统作为背景模型的估计,并结合粒子群优化算法和核最小均方算法来学习该复模糊逻辑系统;将前景像素看作背景像素的例外像素,提出了去除前景像素的方法,然后再去学习复模糊逻辑系统;最后根据估计的背景模型和前景图像的比较判断出前景像素.为了验证文中方法,选择了校园、高速公路和河边3个场景下的视频序列进行了测试,并与其他3个经典的方法进行对比.结果表明:文中方法在光照变化、摄像机晃动、变化背景等情况下都有较高的检测结果,其相近性测量值比其他3个方法高出0.1,且检测速度为22 f·s-1,也能满足实时性要求.     

基于超像素运动统计的误匹配去除方法

特征匹配是实现图像配准的重要手段,然而特征匹配中往往存在大量的误匹配,对于存在非刚性形变和大位移运动的图像序列尤为严重;如何从初始匹配结果中找到准确可靠的匹配点集,是提升图像配准性能的关键.为解决上述问题,首先根据图像的空间和色彩相似性,利用改进的超像素分割算法对图像进行分割;分割后的超像素块在空间上紧密相连,严格遵循图像轮廓边缘,且在同一区域内的颜色纹理基本趋于一致,可保证内部特征点具有相同或一致的运动趋势;同时,采用ORB算子对图像进行特征提取与描述,并利用暴力匹配算法得到初始匹配点集.其次,在超像素运动一致性约束下,提出了一种基于超像素运动统计模型的误匹配去除算法.通过建立超像素网格统计模型,将初始匹配坐标分配至相应的超像素区域,利用累加器计算出每个超像素对的匹配度,将初始匹配的概率分布特性转换为统计特性.最后,根据超像素匹配度的差异,计算出正确匹配的掩膜图像,实现了误匹配点的自动识别和剔除.仿真实验结果表明,与当前的误匹配去除算法相比,本文算法不依赖于复杂的参数模型,具有较高的鲁棒性,运算速度较快,可有效去除非刚性形变图像配准过程中产生的误匹配.     

一种去除二值图像椒盐噪声算法及其应用

在进行作物形态测量的研究中需要对二值化后的作物图像进行细化操作 ,然而由于作物照片上反光和以往的图像分割算法缺陷等原因使得图像上的目标产生很多椒盐噪声 ,它们的存在对后面的细化操作将会产生不良影响 ,从而影响最后的作物形态测量工作 .常用的线性低通滤波器和邻域平均的方法对图像有模糊的负作用 ;中值滤波的方法效果不好 ;利用标号法去除椒盐噪声算法复杂 ,实现起来有一定困难 .本文提出了一种可以快速去除在二值图像中的椒盐噪声算法 ,该算法具有简单、快速、高效等特点 ,实现起来也比较容易 ,是一种较有前途的算法 .     

基于DM642目标跟踪与目标统计的实现

针对视频监控中单目标的跟踪及目标统计,提出采用一种背景差分和帧间差分相结合的方法,对运动物体进行有效的目标检测,提高了目标检测的精度。首先采用中值滤波去除图像中所含的椒盐噪声,通过形态学处理对提取目标二值化的图像进行去噪处理,然后利用多点定位算法实现目标跟踪。最后根据运动目标体的轮廓高宽比、面积、质心等特征量识别人体,当行人进入视频中特定区域后,进行人流量的统计。实验结果表明,该方法稳定性强、准确率高,所设计的系统能够满足实时要求。     

基于机器视觉技术的叶面积测量系统实现

研究并实现了用于测量叶片面积的软硬件系统,并可进行叶片面积的统计.根据植物与土壤背景的颜色特征关系研究了提取叶片颜色特征将彩色图像转成灰度图像的算法,应用迭代求图像最佳分割阈值法进行图像二值化,中值滤波去除二值化图像的噪声干扰,Kirsch边缘算子进行叶面边缘轮廓的提取.