递推式视频前景分割方法

本文描述了一种基于前一帧已有分割结果对当前帧进行自动分割的递推式视频前景目标分割方法.目前视频分割主要有以下三大难点尚未被很好地解决,首先是前景与背景的颜色区分度过小,造成不易将其分割.其次,视频中频繁出现的局部遮挡与暴露区域,会破坏递推式视频分割的连续性,使得分割推理错误,造成结果不正确.最后,前/背景颜色模型所选用的采样方法,更是影响结果的重要因素之一.因此本文着重对此三类问题给出了相应的解决方案,利用前景物体具有局部运动一致性的特征,解决前/背景相似颜色问题.对于遮挡与暴露问题,通过自适应的局部窗口调整进行扩展采样,以修复其递推连续性.其次,本文使用了一种基于近似颜色块的采样方法,使得所建立的颜色模型更为明确干净,以减少不相关信息所带来的影响.最后,利用视频的时空一致性特征,合成出最终的分割结果.实验表明,本文所提出的递推式视频分割方法,能有效地解决以上三个问题,并且相比于其他方法,特别地对于复杂的视频测试场景,本文方法能获取更好的自动分割效果.     

基于Markov随机场和FRAME模型的无监督图像分割

提出了一种多纹理图像的无监督分割方法. 此方法应用两层的随机场模型对需要分割的图像进行建模. 第一层用Markov随机场(MRF)模型表示一个不可观测的区域图像, 第二层用“滤波器, 随机场和最大熵(FRAME)”模型表示覆盖每一个区域的纹理图像, 与传统的分层Markov随机场(HMRF)模型相比较, FRAME模型可以取较大的邻域系, 从而对更加复杂的图案式样进行建模. 根据Bayes定理, 分割问题被转化成一个最大后验(MAP)估计问题. 迭代条件模型(ICM)算法用来求解最大后验估计. 提出一个基于局部熵率的算法来简化MRF参数的估计, FRAME模型的参数用最大期望(EM)算法估计. 最后, 使用一些合成的和真实的图像分别来做实验, 实验结果表明该方法能有效地分割含有复杂纹理的图像, 并且对噪声有一定的鲁棒性.     

视频技术的革命:VisioPaD移动式摄像机使用的动态视频监视系统

VisioPaD系统是一种新的“即插即用”式的动态视频监视系统 ,主要用在公路监测领域 ,通过分析视频图像 ,来探测突然停止运动的物体。操作人员不用再配置、调整设备 ,也不用再为设备预先设置参数 ,只要把VisioPaD系统连接在现有的移动摄像机网络上 ,VisioPaD系统便可以自动进行探测 ,使操作人员可以集中精神做其它的工作。这样一来 ,移动摄像机监视系统可以变得更加灵活 ,尤其是可以通过预先设置程序 ,进行自动化的监视 ,而且在自动监视的过程中 ,操作人员随时可以干预。图像可以记录 ,发生事件时 ,操作人员可以倒带检查。操作人员可以通…     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

基于细胞神经网络的图像分割及其在医学图像中的应用

细胞神经网络（cellular neural network,CNN）在图像处理方面的应用研究已有很大进展. 其中,指定目标提取CNN现有算法应用于灰度图像时,其有效性依赖于初始点的选择. 以医学图像为例,对这种局限性进行了分析,并提出了一种改进CNN算法,实现了对图像中任意灰度区域的目标物体分割. 同时利用梯度信息和轮廓提取CNN确定轮廓,有效抑制分割过度. 人脑磁共振成像（MRI）中肿瘤分割的实例表明,改进的算法具有实用性和有效性.     

快速评估颗粒污泥性能的无锚实例分割方法

现有的Anammox颗粒污泥性能评估方法中,生化反应等效测定的方法较为精确但耗时长,基于图像颜色建模的方法足够快但不够精确.因此本研究基于实例分割任务,提出一种新的结合颗粒污泥视觉特征(如颗粒污泥颜色、尺寸、粗糙度等)进行性能评估的模型,使其能够在快速评估的同时保证较高精度.首先设计采样方案,收集颗粒污泥图像后进行图像标注,进而构建颗粒污泥图像数据集.针对图像场景中样本不均衡和小目标信息难提取的难点,本研究对无锚实例分割方法BlendMask进行改进,在主干网络上结合可变形卷积提取小目标信息,在头部网络上提出自适应样本选择策略平衡样本,并重新设计了后处理、损失函数与数据增强等模块,使改进后的BlendMask方法能快速精确提取图像场景中的颗粒污泥个体.然后获取颗粒污泥的视觉特征,设计视觉特征与性能的关联模型,判别输入图像的性能类别.相比之前的研究,本文提出的方法能够快速精确地获得颗粒污泥的性能评估.最后比较了所提出改进的BlendMask方法和先进方法在颗粒污泥图像分割和性能评估方面的表现,实验结果表明,改进的BlendMask和性能评估模型精度分别提升了3.93%和1.49%,方法取...     

一种从X射线血管造影图像中自动分割冠状动脉的新方法

针对X射线造影（XRA）图像的分割,首先分析了血管图像的基本特征和先验知识,提出血管结构的多特征模糊识别（MFFR）算法;然后提出基于先验知识引导的概率跟踪算子（PTO）,该算子能够迅速地跟踪动脉血管树,并能够跨过因干扰或预处理导致的血管局部消弱和断裂区域.另外,跟踪过程中同步地进行了血管中心线和宽度的精确测量.为正确评价该方法,分别利用真实造影图像和二维仿真动脉树进行实验评估,结果表明该方法较传统方法高效,一次选定跟踪的起点,平均92.7%的可见血管段或分支可以自动提取出来,结构识别正确率平均达到90.0%.     

基于区块位置与加权视觉语义映射的语义图像检索

提出了一种新的图像语义映射方法WVS—RSSVM,采用自适应的NCut分割方法自动发现并图像中的区域,提取出每个区域包含了位置信息的特征,达到消除一定歧义的目的。并将这些区域采用加权的方式映射为视觉语义空间中的一个点,然后通过SVM分类的方法进行语义学习,实现对图像的语义标注。并且以SVM分类时点到边界的距离作为该点属于某个语义的隶属度,实现检索的排序。实验结果表明,该方法对表达图像的主要语义以及发现有歧义的区块代表的语义,有很好的效果。     

实时人脸特征提取

快速精确的人脸特征提取是人脸识别和表情分析的基础.文中提出了一种新型高效的视频人脸几何特征实时提取方法.视频输入图像以加权图形式表示,通过在加权图上的随机游动实现人脸像素级特征的自动提取,脸部特征包括外轮廓、眉毛、眼睛、鼻子和嘴唇.加权图采用8-邻接结构,定义在图的边上的加权值反映随机游动通过该边的似然度.随机游动模拟了一个各向异性的扩散过程,此扩散过程在滤除图像噪声点的同时保留下脸部特征点.随机游动从一些事先通过颜色和运动信息确定的、最具人脸特征的种子点开始,通过随机游动获得的人脸特征点以其原始形式统一保存在多个链表结构中,并根据人脸各部分的相对位置聚集成对应的特征点集合.有关人脸结构的先验知识通过Bayes方法结合到分析过程中.为了便于高层视觉计算,采用统计形状分析方法,将人脸特征点进一步表示成形状和配准信息,形状是具有仿射不变特性的几何信息,用于描述人脸的全局特征.形状的距离度量采用Procrustes距离.实验结果表明,提出的方法快速高效,能够实时地从视频中提取出人脸特征,在一定程度的光线变化、尺度变化、头部转动、手部干扰的情形下仍可以正常工作.