基于PCNN的人脸图像分割算法研究

研究了基于PCNN的人脸图像分割算法。利用简化型PCNN对人脸图像进行分割,根据人脸图像的灰度特征和空间信息的相关性,得到了人脸图像的神经元点火序列,该点火序列就是图像分割的结果。通过MATLAB仿真实现了该算法,表明该算法具有一定的工程价值。     

一种融合分层信息熵的MRF视频运动前景分割算法

针对视频图像中相邻像素的相关性对前景分割的影响问题,提出了一种以熵图像为纽带的分层马尔可夫随机场(MRF)视频运动前景分割算法.通过图像像素层和信息层构建自适应像素模型和动态光滑模型,增强了视频图像中邻域像素的空间一致性和时间连续性.然后在马尔可夫模型的框架下,采用多环置信度传播算法求解最大后验概率估计,提高视频运动前景分割的质量.实验结果表明该方法能够在不同的视频图像序列条件下完成对运动前景的有效分割.     

基于改进活动轮廓模型的人脸分割

人脸图像往往轮廓边界模糊、梯度不明显,常规活动轮廓模型通常无法获得理想的分割效果。为实现准确的人脸轮廓定位及分割,结合人脸检测、活动轮廓模型和数学形态学算子提出一个基于曲线演化的人脸分割方案,并提出一个改进的活动轮廓模型,有效提高了人脸轮廓定位精度和算法收敛速度。实验结果表明该模型可以有效地检测出局部模糊或分断边界而且演化曲线不会断裂,能够获得较好的人脸分割结果;此外,本文提出的C-V模型的窄带实现方法使计算量减少60%。     

基于非单色背景下的人脸彩色图象定位算法与实现技术

针对非单色背景下的人脸，本提出了一种新的人脸定位算法。该算法包括两个部分：首先进行肤色分割，该采用迭代算法计算Cb、Cr阚值，进行自动分割，可完整地分割出人脸部分；然后进行人脸定位，由于嘴唇具有较高的Cr值，可去除嘴唇部分以消除嘴唇对其它图象部分的影响，利用水平、竖直灰度特性确定人眼坐标，将人脸图象规范化。实验结果证明了该算法的有效性。     

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。     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。     

基于相对色彩因子的树木图像分割算法

图像分割是利用实时视觉传感技术指导农药精确对靶施用进行林木化学防治的难点。笔提出了基于相对色彩因子的树木图像分割算法。与传统方法相比，新图像分割算法在不影响分割效果的同时大大提高了图像分割的实时性，在“精确林业”中将有很好的应用前景。     

基于模糊区域的MRI大脑结构分割算法

提出了一种从核磁共振图像中自动分割大脑结构的方法。根据大脑解剖学知识构造了灰度信息、相对距离信息和相对方向信息等模型，并组合成一个模糊专家系统。为了提高分割结果的精确性，各模型信息被模糊化并经过数据融合以得到高的分割精度，对多组大脑核磁共振图像进行分割的实验结果证明了该算法具有良好的分割效果。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的，根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出复杂背景中运动目标提取和跟踪的实验结果。     

智能交通监控系统中的自适应背景更新算法研究

在基于视觉的交通监控系统中，场景图像的分割即背景与前景目标的分割是车辆检测中的第一步，在整个处理中占有很重要的地位，它的准确性直接关系到后继工作的难易程度，甚至整个系统的成败，该文提出一种自适应背景更新算法，此算法能更简单、更鲁棒地实现分割。     

复杂交通环境中车辆的视觉检测

基于复杂的交通环境中检测行驶车辆是视觉交通监控系统的一个关键问题,提出了一种新的检测行驶车辆的方法.用序列图像中连续三帧图像的差分粗分出运动区域,并用一种基于图论的静止分割产生的区域信息来修正运动分割的结果.给出了一种模板来增强图像区域间的对比度,以改进分割效果.实验结果表明,该检测方法能有效地在复杂背景中定位运动车辆.     

复杂背景下基于运动特征的人面定位

对传统的光流算法进行了改进，提出了一种新的分割图像的方法，并与传统的神经网络算法相结合，通过两步定位模型，进行人面定位，其中，搜索定位是本系统最关系的一步，采用两步法，首先进行候选人面区域的分割，然后进行基于神经网络的人面精确定位，实验结果表明，采用的两步法在复杂背景下具有运动特征的人面定位过程中，具有实时性、鲁棒性好及实用性强的诸多优点，通过实验，取得了满意的效果，并且所涉及的人面定位系统将是后阶段完整人面识别系统的重要组成部分。     

一种改进的基于肤色分割和PCA人脸检测方法

人脸检测在安全、信息处理等应用领域起到很重要的作用。提出了一种改进的基于肤色分割和PCA的人脸检测方法。首先,基于肤色模型的建立提出了一种基于边缘和数学形态学的肤色分割方法;其次,用基于知识的人脸检测方法验证候选人脸,缩小候选人脸的数量;最后,用PCA人脸检测算法进行检测。实验表明该方法不仅可以有效地运用于多人脸、不同尺寸和复杂背景的情况,而且对包含部分遮挡、肤色干扰等复杂环境下的图片均有很高的检测率。     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

一种基于帧间差与图像分割的运动目标分割方法

视频图像中对运动目标进行分割是十分有意义的.传统的背景减除法和帧间差法在提取运动目标的时候各有自身难以克服的缺点.基于阈值、边缘、直方图的图像分割一般只适合于静态目标的分割.提出一种结合图像分割(Graph Cuts)和帧间差的新方法进行运动目标分割.帧间差法具有良好的稳健性,而Graph Cuts算法则弥补了帧间差无法获得完整运动信息的缺点.利用帧间差法得到不完整的运动信息对Graph Cuts进行分割约束可以准确、稳定地提取出运动目标.     

基于KPCA降维的运动捕捉数据自动分割

针对运动捕捉获得的数据其维度通常较高,在进行运动片段分割时候需要进行大量计算,人工方法可以对运动捕获数据进行分割,准确率比较高,但是效率偏低的问题.提出KPCA结合PPCA对捕获数据进行降维处理的方法,将56维数据映射到2维空间;以及构造特征函数获得投射误差的导数,分析几何特征的变化,探测运动捕捉数据的分割点的方法,实现运动捕捉数据的自动分割.     

一种面向复杂场景的彩色图像人脸检测方法

针对复杂场景的需要，提出了一种适用于复杂场景的彩色图像人脸检测方法．首先通过综合考虑肤色的亮度和色度信息提高了现有的肤色模型准确率，然后基于颜色和形状特征给出了一种有效的人脸候选区域定位方法，最后针对现有特征验证方法的不足，提出了一种基于人脸像素梯度阈值的验证方法对人脸进行确认．试验表明这种方法是有效的，鲁棒的．     

Multiple Face Location Using Motion Information

Introduction　　Facerecognitionhasarousedgreatinterestinthepasttwentyyears.Forthetwostepsinvolvedinhumanfacerecognition,thelocationandtheidentification,theformeristhemostfundamentalbutratherdifficultone.Previously,facelocationhasusuallybeencarriedonstillimages.Withthedevelopmentofmotionanalysistechniquesandtheavailabilityofframesequences,themethodsutilizingmotioninformationtolocateafacehavereceivedmoreandmoreattention.Amongthemthedifferenceframe[1]isperhapsthesimplest.However,usingonlydiffere…     

基于肤色分割和模板匹配的人脸检测技术研究与实现

针对基于肤色分割方法利用特征点信息不充分的不足和基于模板匹配方法计算量大的不足,提出了基于肤色分割和模板匹配两种方法相结合的人脸检测技术.通过肤色分割方法研究,虽不能最终确认人脸,但可利用人脸特征确定人脸区域,并筛选出大部分的假脸区域,在模板匹配研究中,可以确认出人脸图像,并给出检测结果.     

Efficient Approach for Face Detection in Video Surveillance

Security access control systems and automatic video surveillance systems are becoming increasingly important recently, and detecting human faces is one of the indispensable processes. In this paper, an approach is presented to detect faces in video surveillance. Firstly, both the skin-color and motion components are applied to extract skin-like regions. The skin-color segmentation algorithm is based on the BPNN (back-error-propagation neural network) and the motion component is obtained with frame difference algorithm. Secondly, the image is clustered into separated face candidates by using the region growing technique. Finally, the face candidates are further verified by the rule-based algorithm. Experiment results demonstrate that both the accuracy and processing speed are very promising and the approach can be applied for the practical use.