基于增量学习的关节式目标跟踪算法

为实现对关节式目标的稳定跟踪,提出了基于增量学习的关节式目标跟踪算法.该算法应用图割法对目标矩形窗进行前景与背景分割,得到前景图像;然后对前景图像进行快速傅里叶变换,得到傅里叶系数矩阵,进而得到振幅图像,并将振幅图像作为跟踪目标的描述;最后将多个目标描述进行奇异值分解和主元分析,实现对跟踪目标的低维子空间描述.文中在粒子滤波框架下实现了整个跟踪算法.实验结果表明,该算法具有较稳定的关节式目标跟踪效果.     

基于图像分割的视频差错复原算法

人们可能更多的注意感兴趣的区域和倾向于对背景的改变不太敏感.根据人眼的这一视觉特性;论文提出了基于图像分割的视频差错复原算法,并实现了支持该算法的H.264编解码器.该算法利用;灵活宏块排序技术对图像帧进行分割,将图像帧分割为前景子图像和背景子图像.与背景子图像相比,对前景子图像按更高图像质量的要求进行编码,并且对对前景子图像的传输进行更有效的保护.实验结果表明,论文提出的基于图像分割的差错复原算法具有良好的容错性能,重建图像的主客观质量良好.     

基于帧差和Otsu的红外行人分割算法

针对红外图像中行人与环境对比度较低,直接进行分割易产生误分割问题,提出一种基于帧差和Otsu的红外行人分割算法.首先选取红外视频序列中时间间隔较短的2帧图像求其帧差图像,对帧差图像采用Otsu分割得到运动目标的部分区域;然后对基准帧也采用Otsu方法分割,并将帧差图像分割结果与基准帧分割结果相乘,得到目标区域的种子像素;最后在基准帧分割图像上,通过连通性判断得到最终的行人分割区域.实验结果表明,该算法很好地克服了环境带来的干扰,鲁棒性强,能有效实现红外行人目标的分割.     

利用视觉显著性的前景目标分割

针对图像中的前景目标分割问题,提出一种视觉显著性引导的前景目标分割算法.对原始图像进行预处理后分解为互不重叠的超像素区域.将这些区域构成一个无向图,相邻两个区域间存在边,通过计算相邻区域间的特征差异得到边的权值.提取图像边缘的超像素区域作为背景区域,利用无向图计算各超像素区域相对于背景区域的视觉显著性,得到初始显著图.对初始显著图进行改进和优化,根据视觉显著性计算结果采用自适应阈值进行前景目标分割.在公开的图像数据集MASR-1000、ECSSD、Pascal-S和SOD上进行实验验证,并和目前流行的算法进行对比.结果表明,本研究算法在查准率、召回率、平均绝对误差及F-Measure等方面优于目前流行的几种算法,用于图像和视频的前景目标检测与分割是正确有效的.     

航空图像的分割与定位算法研究

通过航空图片的图像分割和特征提取，对几种分割算法进行了比较。通过比较发现，当图像的目标与背景的灰度值相差比较大时，用多阈值的灰度分割方法来获取目标I而当图像的目标与背景的灰度值相差不大时，使用模糊差影滤波算法可获得理想的分割结果。同时，对采用多阈值分割方法后的图像进行目标定位。结果表明，对于复杂航空图像，该算法分割效果好，噪声小，定位算法简单，定位准确，有较好的应用前景。     

结合目标检测的小目标语义分割算法

卷积神经网络(Convolutional Neural Networks,CNN)可以提供比传统分类算法更强大的分类器并且能够自学习得到深层特征,有效地提高了图像语义分割的准确性.然而,基于CNN的语义分割算法依然存在一些挑战,例如在复杂场景中现有较优的方法较难分割小目标.为了解决复杂场景下小目标分割的难题,提出一种结合目标检测的小目标语义分割算法.与现有较优方法不同的是,该方法没有直接利用单个神经网络模型同时分割单幅图像中的小尺寸和较大尺寸目标,而是将小目标分割任务从完整图像的分割任务中分离.算法首先训练一个目标检测模型以获取小目标图像块,然后设计一个小目标分割网络得到图像块的分割结果,最终根据该结果修正整体图像的分割图.该算法提升了语义分割数据集的总体性能,同时能够有效地解决小目标分割的难题.     

一种快速农田目标分割方法的实现

机器视觉在农田自动导航中发挥着越来越重要的作用,本文在分析农田图像的特点后,利用EXG对RGB图像进行灰度化。在分析各种分割算法的基础上,提出了基于亮度的分割算法。通过对不同时期的农田图像进行处理,证明该算法简单,速度快,可以满足导航中目标提取的实时性需求,同时具有一定的通用性。     

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。     

一种基于高斯算子的指纹图像分割方法

将高斯算子进行了改进,构造的模板作用于指纹灰度图像,结合形态学方法进行图像分割,实现对指纹前景摸板的提取,阈值选取的要求很低,并可有效防止背景区域中的斑点干扰,对质量较差的指纹图像也具有很好的分割效果.实验结果表明,该算法不仅表现出良好的适应能力和抗噪声干扰,还具有该算法简单、鲁棒性强等优点,其性能优于传统的方差方法.     

基于特征差异性的荧光磁粉探伤图像分割算法

为实现目标信息与伪信息的有效分割,提出一种融合了梯度法与阈值法的荧光磁粉探伤图像分割算法.以荧光磁粉图像中目标信息与伪信息的梯度特征差异为主要判据,设计了图像分割算法.滤除与目标信息的灰度特征最接近的伪信息,结合阈值法提取目标信息.主要选取梯度特征为分割判据,有效弥补了纯阈值法通用性差的缺陷.在集成了OpenCV的VC环境下进行了算法调试实验,结果显示:目标信息与伪信息的梯度特征差异显著,去除高梯度值的伪信息后,目标信息与背景信息的灰度特征差异明显,结合阈值法可以实现准确提取.