运动图像目标提取方法

简述自底向上的运动图像目标提取方法，分析其中基于有向图的区域合并算法及在实际问题中的应用。     

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。     

三联神经网络与区域自适应策略融合的目标跟踪方法

为解决目标跟踪过程中快速运动模糊、背景相似干扰、目标状态变化等问题,基于孪生网络跟踪算法,提出三联区域候选神经网络（TripleRPN）算法与跟踪区域自适应策略（TAA）相融合的目标跟踪方法（TAA+TripleRPN）.三联区域候选神经网络根据当前跟踪结果实时更新网络匹配模板,提高了跟踪器对目标状态变化的敏感性.通过区域自适应策略,根据区域候选回归网络分类分支的得分在网络的两组输出间择优选择,提高算法长时跟踪的鲁棒性.针对背景相似干扰和目标状态变化的问题时,TAA+TripleRPN跟踪器能达到更好的跟踪性能.在OTB2015数据集上,算法的AUC达到66.31%,CLE达到88.28%.在实际场景中实现验证与应用,跟踪效果良好.      

面向区域目标的测绘卫星任务调度方法

测绘卫星以区域目标为主要观测对象,观测精度高、存储数据量大,任务之间存在资源使用冲突,需要合理调度才能充分发挥卫星的能力。在进行合理假设的基础上,提出了一套有效的测绘卫星任务调度方法。首先对区域目标进行预处理,分解为卫星可以单次过境覆盖的条带。然后综合考虑数据采集、存储、回传等因素,建立了测绘卫星任务调度问题的混合整数规划模型。最后采用ILOG CPlex来实现模型求解,生成任务调度方案。资源三号测绘卫星任务调度的应用实例表明,提出的测绘卫星任务调度方法是可行的,对我国的测绘卫星任务管控具有很强的实用价值。     

图像垃圾邮件中文本区域的自动提取方法

图像中的文本区域为判别图像垃圾邮件提供了重要依据.为了获得图像中的文本区域信息,提出了基于Hough变换提取图像中倾斜文本区域的算法和降低图像背景干扰的八邻域细小边缘去除算法,实现了一种不受图像中文本颜色、字体、大小、位置、方向限制的文本区域的自动提取方法.在包含100幅垃圾图像的数据集上进行提取图像文本区域的实验.实验结果显示,新方法具有良好的文本区域提取性能.     

由粗定位到精提取的图像显著区域检测

图像显著区域检测旨在找出最具信息性的图像,将该任务归纳为一种由粗定位到精提取的处理过程。首先,将图像过分割为超像素,并根据其颜色差异、分形差异及空间分布求得一个表征超像素间相似性的矩阵。依据这个矩阵,利用相似传播算法对超像素聚类;并通过度量类间颜色对比度、类的结构紧凑度与偏离中心度评价每类的显著度。然后,通过比较像素与每类的颜色差异及位置关系更新像素的显著度,最终得到像素精度的、全分辨率的显著性图。对当前流行数据库的实验测试表明,算法具有令人满意的检测效果。     

选择性搜索和多深度学习模型融合的目标跟踪

提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.     

一种新的图像感兴趣区域的提取方法

对于Itti的显著图模型的感兴趣区域检测方法中,存在的检测结果与视觉感知有差异以及转移过程中同一目标内出现多个感兴趣区域检测结果等问题,引入灰度尺度变化特征和CV模型,以使感兴趣区域检测结果更符合人的视觉感知。实验结果表明,该算法检测到的感兴趣区域与人的视觉感知结果吻合率为77.6%,高于Itti模型的72.8%。     

一种有效的MPEG视频运动注意力区域提取方法

提出了一种直接从MPEG压缩码流中提取运动注意力区域的方法，其核心思想是根据运动注意力区域本身的特性，利用位置、清晰度和运动矢量3部分信息以及相应的数学表达形式，构造出一个运动注意力参数，并在此基础上进行注意力区域的提取．由于该方法同时考虑了运动注意力区域在空间和时间两方面的特性，并且直接在压缩域中进行操作，因此在提取准确度和运算效率上均有较大提高．模拟结果表明，与现有仅考虑运动信息的提取方法相比，采用该方法提取的准确度可提高30％以上，基本上与人眼实际观测的结果相吻合；与传统的像素域中运动对象提取方法相比，运算时间可减少1／2左右，而且提取出的目标区域更加符合基于内容的视频分析要求．     

光学遥感图像的目标检测方法研究

如何利用获取的高分辨率遥感图像进行精确的目标检测,是目前需要解决的一个重要问题。提出以一种基于改进YOLO算法的卷积神经网络,给出的模型采用CSPDrak Net为基本网络,并融合Foucs网络模块以进行光学遥感图像的目标检测,以提高目标检测精度。实验结果表明,提出网络的平均检测精度高达92.98%,比DrakNet53基本网络提高了8.55%,且检测时间低于YOLOv3,YOLOv4网络,具有更快的检测速度。     

面向中文微博的评价对象抽取方法研究

微博作为当前互联网信息快速传播与分享的新平台,具有信息量庞大、评论多样等特点。针对微博评论信息中的评价对象抽取,采用组块分析和词语位置特征对训练集中3 000条微博观点句的评价对象序列标注,利用条件随机场学习并识别评价对象的名称、属性及其他辅助信息,通过修改相关参数达到最优识别效果,并提出针对复杂观点句评价对象的提取算法。实验结果表明,对测试集中7 000条微博观点句进行评价对象的名称和属性的抽取,效果较好。     

基于区域生长的彩色图像颜色特征提取研究

针对彩色图像,提出了一种简单的颜色特征提取方法.该方法选取了适合彩色图像处理的区域生长算法,利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则.实验结果表明：该方法在保证区域连通性的同时,也能够简单高效地得到与人眼视觉判断相一致的有意义的图像特征提取.     

面向智能监控的运动目标轮廓可靠提取

针对目标运动检测算法得到的运动目标轮廓存在轮廓不完整、不准确等问题,本文提出一种基于Vibe算法和GVF snake的运动目标轮廓可靠提取算法。首先通过Vibe算法快速定位运动目标的感兴趣区域,并结合数学形态学、边界快速粗定位算法,获得运动目标轮廓粗定位,再利用改进主动轮廓模型能够实时可靠提取运动目标的轮廓。改进的提取算法具有良好的模型初始化条件,使得本方法不仅能够得到准确的运动目标轮廓,而且满足了实时性要求。实验结果表明,该算法能够实时可靠地提取运动目标轮廓。     

弱边缘医学超声图像目标区域的自动定位与分割

医学超声图像分割是图像处理中的一项关键技术.以胆结石超声图像为例,介绍一种新的弱边缘超声图像分割算法.首先采用基于直方图凹度分析的阈值分割方法确定Snake模型的初始蛇,再基于Snake模型结合贪婪算法对图像进行目标分割.实验结果表明该算法对弱边缘现象较为严重的医学超声图像进行目标分割时,定位准确,且分割效果良好.     

基于扇扫声纳图像的动态目标跟踪方法

扇扫声纳在搜寻目标,躲避障碍物,跟踪动态目标,水下检视等方面有着广泛的用途。针对影像噪声大,实现动态目标的自动跟踪有较大难度的问题,分析了扇扫声纳影像中动态目标和静态目标的特点,利用目标在序列影像中的变化完成动态目标的分离,在此基础上,使用卡尔曼滤波方法实现动态目标的跟踪,最后结合实际数据进行了分析,表明算法的有效性。     

序列图像中运动区域的检测与几何特征提取

提出了一种基于色度的运动区域检测算法,利用像素的色度分量进行检测,克服了亮度变化和阴影的影响,并利用形态学方法对检测结果进行后处理,对处理后的运动区域进行标记,提取每个区域的面积、周长、形状因子等几何特征参数,为运动目标后期的分析和跟踪奠定了基础.最后给出了实验结果和数据,证明了算法的有效性.     

一种基于小波PCA的高光谱图像特征提取新方法

针对高光谱图像数据量大、数据维数高、光谱信息丰富的特点,提出一种基于小波分解的主成分分析(PCA)降维的特征提取新方法.该方法充分利用小波变换的优势,在光谱域内针对每个像元进行降维,既减少了数据量,还能保留光谱信号的差别;PCA方法充分利用像元间的相关性,保留不同类在相邻像元间的局部空间信息,弥补了空间域内小波变换类间可分性较差的问题.实验结果表明,小波分解与PCA相结合的特征提取方法能够有效地提高高光谱数据分类效率及分类精度.     

一种基于像素标记的二值图像区域围线追踪方法

在研究了多种二值图像连通区域围线追踪算法的基础上,提出了一种改进型的二值图像连通区域围线追踪算法。该算法在已有围线追踪算法的基础上,通过定义特定追踪方向,使得追踪过程始终按照逆时针或顺时针方向沿着连通区域边缘进行。在追踪过程中对像素点进行多次标记,通过在按照追踪方向确定的像素点基础上判断像素标记值来确定下一次待追踪像素点的选取。由于对像素点进行多次标记,有效区分了一次追踪像素点和二次追踪像素点,解决了追踪过程中出现的追踪间断现象,使得追踪结果呈现一条完整围线。实验结果表明,此方法可以快速有效地完成二值图像连通区域的围线追踪和提取。     

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。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．