一种基于变形模板的椭圆跟踪算法

给出一种新的基于活动轮廓与光流约束的椭圆跟踪算法。椭圆变形模板在引入对目标模型严格的全局约束的同时,降低了计算复杂度;基于模型的光流技术被用于提取目标的运动信息并引导轮廓的变形;借助扩展Kalman(EKF)滤波器有机组合目标的形状与运动信息;最后利用光流测量方程给出的误差测度及EKF给出的估计方差对虚假样本点作出判断与舍弃,从而保证对图像噪声、遮挡及伪边缘具有较强的克服能力。算法除可用于跟踪刚体运动之外,也可用于非刚体(例如人头)运动的跟踪。计算实例表明了算法的有效性。     

基于活动轮廓模型的自动图形变形

图形变形算法中最费时的是在源图形和目标图形中确定变形特征基元；而到目前为止，大部分图形变形算法都是通过人工的方式来实现的。如果两幅源图形间的特征基元的确定能自动实现，这样不但可以减轻用户的负担，而且可以极大地节省变形算法所需的时间，同时提高了算法的效率。基于此考虑，本文提出了一种基于梯度向量流活动轮廓模型的自动图形变形算法，该算法利用基于梯度向量流的活动轮廓模型来自动精确地指定源图形和目标图形的变形特征点及其对应关系。     

主动轮廓小波多尺度变形边缘提取方法

主动轮廓在图像分割和边缘检测中得以广泛应用,但其也受到多种因素的影响.针对图像轮廓周围其它图像信息对轮廓边缘的干扰,以及进化曲线难以到达深度凹陷的问题,提出了主动轮廓小波多尺度变形轮廓边缘提取方法,利用小波变换的多尺度分析来缩减或淡化非轮廓边缘信息,解决由于噪声以及轮廓周围其它图像信息对进化曲线的错误引导;通过对正则化力场进行改善,在进化曲线的动态轮廓搜索点上构建一自适应外力来引导凹陷处轮廓的进化方向;最后,给出了该方法的具体算法步骤.这些措施的实施,较好地解决了所研究的问题,实验表明该方法是可行和有效的.     

基于全局变形模板的快速车道检测算法

车道检测算法的研究是室外移动机器人基于道路区域或边界信息自动导航的首要环节。根据实际应用需要,识别算法应能满足鲁棒、实时的要求。提出的基于全局模板的快速车道检测算法,根据驾驶员视觉处理经验,总结出道路边界识别的先验知识,在所选取的二次曲线道路形状模型基础上,推导出图像上车道的总体模型,利用道路图像的灰度特征,结合优化算法改变模板参数,实现对车道的跟踪。对实际路面图像的试验结果表明,该算法在多种环境条件下,都能很好地识别车道,具有很强的鲁棒性。同时,与传统的跟踪算法相比,该算法降低了计算损耗,更好地满足了实时性的要求。     

一种基于标记阈值的分水岭分割新算法

为了克服分水岭算法的过分割问题,提出了一种新的带标记(marker)的分水岭分割算法。该方法首先根据邻接像素的连通性提取原始图像梯度的局部极小值点,然后采用最大熵阈值法去除由噪声及图像细节纹理所产生的伪极小值点,将修改后得到的极小值点强制作为标记,并在原始梯度图像上应用带标记的分水岭算法。该方法的优点是可以自适应地提取标记而不需要先验知识,克服了标记提取的困难。实验结果表明,该算法能有效地减少分水岭的过分割现象。     

一种基于分片模板的自适应运动目标跟踪算法

分块跟踪算法是一种非常鲁棒的模板匹配算法,特别适合解决部分遮挡问题,但是该算法框架下的模板更新策略无法解决场景中的目标外观变化和遮挡问题,为此,提出一种分块跟踪框架下的带有遮挡检测的模板更新算法。算法将目标分为多个小片,根据各小片匹配的情况检测目标是否被部分遮挡。如果目标被遮挡,使用能精确反映目标信息的参考模板进行匹配;否则使用能反映目标变化的临时模板,并提出了相应的模板更新算法。大量的实验证明了本算法的有效性。     

一种用于轮廓线探测的CNN改进算法

图像中目标物体的轮廓探测是目标识别和计算机视觉系统的第一步也是关键一步。提出了一种基于细胞神经网络(Cellular Neural Network,CNN)的轮廓线探测改进算法。该算法中CNN模板参数(模板系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即模板参数的计算不仅考虑了局部窗口内各像素与中心像素的灰度值差异,而且顾及了窗口内各像素与中心像素间的空间距离。实验结果表明,相对于其它两种轮廓探测算法,提出算法的探测效果较好。     

序列医学图像三维分割的一种方法

介绍了一种Live Wire和轮廓插值算法相结合的序列医学图像分割算法，在这个算法中又借鉴了活动轮廓模型方法的思想，使得这三种算法有机的结合在一起。并对传统的轮廓插值算法和-Live Wire进行了改进，结合活动轮廓模型方法的思想在重建的轮廓中根据实际图像的局部特征进行了自动收缩。实验表明这种算法能快速准确的从序列医学图像中分割出感兴趣的物体。     

一种基于Canny算子的level-set肺部血管分割算法

提出一种应用基于CANNY算子的level-set分割方法,三维分割肺部血管.首先根据肺部解剖结构确定肺部血管不同部位的阚值范围进行对血管初始分割,然后再应用高斯过滤异布扩散对初始血管分割的结果进行平滑去噪和CANNY算子检测出初始图像真正的边缘,最后应用level-set细分初始血管分割的结果,解决由于边界模糊产生肺部血管分割不准确的问题.并提出并描述基于Level-set肺部血管树枝杈点的判定方案.     

一种基于仿真图像模板的SAR目标分类方法

在基于实测图像模板的SAR目标分类方法中,环境因素、成像参数等差异性造成了模板库存储量过大与完备性需求的矛盾.针对此问题提出一种基于仿真图像模板的SAR目标分类方法,通过减少模板库的存储量来降低实测数据的采集成本.该方法首先采用正则化方法对图像进行预处理来减少噪声,在此基础上提取目标峰值特征,然后利用几何哈希匹配算法实现目标的分类.实验中的仿真图像模板库采用RadBase软件生成,结果表明新方法对MSTAR实测数据进行目标分类的精确度较高,适应性较好.     

基于活动轮廓模型的人脸特征提取方法的研究

根据活动轮廓模型理论 ,提出了提取人脸面部特征的系列算法 ,特征是精确的轮廓描述而非简单的数字表达.     

三维人脸建模中面部特征轮廓线的提取

提出一种基于彩色Snake模型和人脸先验知识的面部特征轮廓线提取算法，并将其用于真实意的三维人脸建模。根据肤色和灰度信息，在图像分割的基础上，利用种子填充技术获得面部各非肤色特征的轮廓初值；然后采用一种改进的彩色Snake模型对轮廓初值进行精确定位；接着，根据人脸的先验知识，利用含有方向信息的形态学边缘检测算子通过一次逐点考察完成下颚轮廓线的提取。实验结果表明该算法在轮廓线的搜索效率和定位精度上都有良好表现，在真实感的三维人脸建模以及面部识别等领域具有广泛的应用。     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。     

基于诊断特征提取的体震信号盲分帧算法研究

目前,体震信号常用于检测人体心率和呼吸率参数,适合在日常实时监测中使用。然而,要将其最终应用于医学临床实践,首先必须实现其诊断功能。总结了一系列逆于临床的体震信号诊断参数,并针对其特征提出一种盲分帧算法,结合Kohonen自纽织神经网络的聚类功能,无监督地对独立心动周期中的特征点进行分类,最终提取体震信号的诊断特征。使用同步检测的心电信号和心率不齐病例,对所提算法进行定量和定性对比实验,仿真结果准确率较高,证明了该方法的可行性。     

基于支持向量学习的多目标并行区域增长图像分割算法研究

为克服经典区域增长算法中生长规则以及特征选取的困难，提出了基于支持向量机的多目标并行区域增长图像分割算法。首先交互选择多个不同区域的种子点（假设邻近种子点的一小部分区域属于同一目标区域，不同种子点邻域分别属于不同目标区域），利用其邻域构造训练样本；然后利用这些已知的训练样本训练支持向量分类器；在区域增长过程中，利用训练所得的支持向量模型建立增长规则。为了避免初始种子点位置选择对算法性能的影响，采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果，表明提出的算法是合理可行的。     

基于规则和统计抽取模型中的主动学习算法

提出了一种文本信息抽取的主动学习算法,在只有部分标记训练文本的情况下,通过主动学习的方法将最有价值的训练文本挑选出来进行标记,该算法能应用到基于包装器模型和基于隐马尔可夫模型的文本信息抽取中,在不影响抽取性能的前提下,能有效降低模型训练过程对已标记训练文本的依赖程度,很大程度减少人工标记训练文本的工作量。     

基于主动形变模型的医学序列图像的分割

对主动形变模型(active shape model)方法进行了改进,将其用于CT序列图像的分割,实现了对一些边缘不清晰的软组织的分割。一个组织在CT序列图像中其形状变化往往是连续的,据此,我们先在序列图像中按顺序每间隔几幅抽取一幅图像,用其他方法分割好;然后对分割结果使用主成分分析方法(Principle Component Analysis)计算其形变特征,生成可变形轮廓模板;再用这个模板去变形、配准、分割其他图像,从而达到一个比较理想的分割结果。     

基于分类和关键词组抽取的信息检索算法

本文提出一种基于分类和关键词组抽取的信息检索算法。该算法利用文本分类和信息抽取技术辅助检索，避免了向量空间模型算法中时间复杂度过大，查准率不高的缺点。针对传统的信息检索性能指标无法有效地衡量检索结果的排序状况，本文还引入了排序误差率概念用于评价检索结果的排序。实验结果表明，所提算法与TFIDF算法、基于分类的交互式检索算法相比，具有更快的查询速度，更高的查准率和更小的排序误差率。