一种基于改进单高斯模型的运动目标提取方法

单高斯模型常用于室内场景或环境较为简单时的背景建模,适用于单模态背景情形,具有快速性和相对准确性。基于单高斯模型在运动目标检测中存在的缺点,提出了一种改进的单高斯背景建模方法。依据先验知识,为每一个像素点设定一个计数器来进行历史前背景点判别信息的统计,进而建立起一种"防欺骗"机制来防止背景点的误判,有效地抑制了传统单高斯模型中的拖影和前背景误判等现象。实验结果表明,改进方法在前景提取效果上有着显著的提高,背景形成更为准确.自适应和防干扰能力得到了增强,有效的防止了前背景点的误判。     

基于动态规划的全局运动特征点提取

准确提取全局运动特征点是MPEG-4中Sprite编码的关键.针对全局运动特征点提取的计算代价高,精度低,容易陷入局部极值等方面的缺陷,提出了一种新型的基于动态规划的全局运动特征点提取方法,能够有效抑制噪声影响,减少冗余点数,从而大大提高全局运动估计的效率,使全局运动估计在实时应用中成为可能.     

一种基于纹理图像的目标提取方法

提出了一种基于纹理图像的目标提取方法。该方法基于随机掩膜来进行目标边缘的提取，目的是检测蕴藏在纹理中的目标。结果表明：提出的方法能够检测到隐藏在纹理中的目标，具有较好的效果。     

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.     

一种基于互相关匹配的空域目标提取方法

研究对空域目标的提取,针对空域目标和背景特殊的灰度差异性对目标进行分离。目标提取是通过图像阈值分割实现的。利用信号中的互相关原理,并结合图形模式识别中配准原理,提出了一种互相关匹配的阈值分割方法。实验结果表明针对于空域目标,该方法能够很好的提取出目标信息。     

自适应背景建模及运动目标的检测

提出一种能在动态摄像机场景下检测前景物的算法(AGMM).本方法采用角点特征对前后两帧图像进行匹配,估算两帧图像的移动向量,并以此校正高斯混合模型(GMM),并在此基础上进行背景的重建以及前景物的分割.以不同场景的视频序列对本算法和GMM算法进行比较.实验结果表明,提出的算法能够适应动态摄像机场景,以牺牲一点复杂度为代价,大大提高检测精度,并且在摄像机移动比较大的位移时仍然可以得到正确的结果.     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.     

一种改进的基于平均背景模型的运动目标检测算法

通过实验仿真分析探讨了基于背景差分法的两种运动目标检测算法(平均背景模型法和codebook 模型法)的性能和存在问题,并在此基础上提出了一种改进的平均背景模型的算法.算法采用当前图像与背景相减后差分图像的灰度直方图进行阈值的选取,同时引进新的背景更新方法,由分割得到的前景图像来控制背景更新的区域,实验结果表明,改进后...     

基于静态背景下的视频多目标运动物体的提取

为了对静态背景下的多目标运动物体提取,提出了一种基于差分方法的多运动目标提取,首先获取运动框架,有利于消除噪声,得到时空融合图后,进行形态处理,并运用新的填充算法,该算法可以一次性的快速填充所有的运动物体,节省了时间.实验证明,该方法简单有效.     

一种基于脉冲耦合神经网络的运动目标提取方法

运动目标提取是视频分析和理解的基础,在视频监控应用中具有重要的意义.本文在帧间差分法运动检测的基础上,研究了运动目标的提取方法.针对现有方法存在的对帧间差结果噪声敏感和低效的问题,引入了一种脉冲耦合神经网络PCNN(Pulse Coupled Neural Network)方法.通过一种特别的映射方法,该PCNN网络模型能有效地抑制噪声,并能高效地提取运动目标.实验结果证明,该PCNN方法比现有一些方法具有更高的精度和更快的速度.     

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。     

动态跟踪中背景补偿与目标运动估计

针对目标的观测位置信息中混入了背景运动的问题,提出一种特征点集与稀疏光流场相结合的背景补偿方法.通过Harris算子找出一组特征点,在相邻帧中通过计算每个特征点的局部最优匹配区域得到稀疏点集的光流向量.根据其光流方向概率分布,最终计算出背景的偏移量.通过背景补偿,得到目标的真实偏移量序列,带入Kalman滤波方程,对下一帧中目标的运动状态进行实时估计.实验表明,背景补偿后的预测精度在10个像素之内,每个均值迁移跟踪单元大约需要10ms,提高了跟踪的稳定性,有效减少了迭代次数.新的跟踪器能满足动态实时跟踪的要求.     

体现资源背景差异的动态综合评价方法

由于被评价对象的资源背景存在较大差异,因此提出一种动态综合评价方法.首先依据差异驱动原理和时间贴现因子分别求出各被评价对象及其对应的资源背景的动态发展状况,在此基础上,给出了依据各被评价对象的资源背景因素对其评价结果进行调整的规则,并构建了能够最大程度拉开被评价对象之间差异的评价模型.通过一个算例对该方法的应用进行了说明.该动态综合评价方法能够提升评价的公平性以及评价结果的可比性.     

一种快速鲁棒的全局运动估计算法

局部运动矢量会严重影响全局运动估计的结果,不仅降低全局运动估计的准确度,而且消耗大量的运算时间。针对上述问题提出了一种快速鲁棒的全局运动估计算法。首先采用快速的块匹配算法得到运动矢量场,然后通过改进的梯度均值残差法去除估计的不准确运动矢量,提高估计出的运动矢量场的准确性并使得全局运动估计所处理的宏块尽可能是全局运动块;其次,基于六参数仿射模型估计出初始全局运动参数,为了消除错误运动矢量产生的误差,使用匹配加权函数的方法对估计结果进行进一步修正,最终得到最优的全局运动参数。实验结果表明该算法兼顾了全局运动估计的准确性和鲁棒性,对大多数视频序列的全局运动估计具有算法复杂度低、运动参数估计准确的效果。     

立体视差调整的快速估计方法

立体图像的视差调整多用于会聚调节和视差校正．为准确地计算出立体图像视差调整量的取值范围,建立了立体视差调整的快速估计方法．算法首先将人类立体视觉的Panum融合区应用于立体显示空间,给出计算立体显示屏幕Panum融合区的方法,然后推导出立体显示屏幕Panum融合区对视差调整量的限定,最后通过对立体图像深度线索的稀疏匹配快速估计出Panum融合区限定下视差调整量的适用范围．经实验验证．本方法可以快速、准确地得到视差调整量的适用范围,最大限度地避免立体图像中出现双眼复视的情况．     

基于跳点菱形搜索的快速运动估计算法

实时视频编码系统要求运动估计的搜索算法既快又准,现行的菱形搜索算法是公认的效率较高的算法之一。利用图像像素间的相关性,提出了一种"跳点"菱形搜索,进一步减少菱形搜索的点数和时间,而重建的图像质量跟原来的菱形算法相当。     

基于图像角特征的三维运动估计

利用图像角特征来研究计算机视觉领域中的运动估计问题。首先通过引入一个新的坐标系，由单幅图像求得直角三维结构的解析解，其次根据两幅图像中相对于同一个角各条边的关系，求得物体的旋转运动，最后通过求解一个简单的线性方程组得到物体的相对平移运动，并证明了由两幅视图的一对角匹配对和两对点匹配对就能唯一地确定物体的运动。这种基于直角特征的运动估计方法还可推广到非直角的一般情形，实验结果表明该算法是正确有效的。     

基于图像内容检索的主题爬虫设计方法

图像主题爬虫能获取网上特定主题的大量图像信息,对专业搜索引擎及数据挖掘应用都具有重大价值。针对目前基于图像内容检索主题爬虫的不足,提出了一种图像主题爬虫的设计方法,设计了一种新的爬虫系统框架,采用了基于颜色累加直方图的方法进行图像的特征提取与特征匹配。最后提出了优化爬虫的方法,改进爬虫的搜索策略,提高了爬虫的搜索效率。     

基于改进位平面匹配法的运动估计

基于位平面匹配的运动估计算法占用资源少、运算高效,但其稳定性不佳,单个位平面匹配精度较低。本文利用钻石搜索模板的快速搜索特性与基于格雷码的位平面匹配中误匹配运动矢量的可矫正特性,提出了位平面混合快速匹配法。在钻石搜索模板中,先用基于格雷码的第4位平面进行大钻石搜索模板匹配,再用基于格雷码的第5位平面进行大钻石搜索模板匹配,最后用灰度图进行小钻石搜索模板匹配。结果表明:相比于多种位平面匹配算法,本算法具有最佳的匹配精度,且运算量仅略高于使用单个位平面匹配的算法,低于对比中的其他位平面匹配算法。