UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

Mean Shift自适应步长的改进

Mean shift算法是一种广泛应用于计算机视觉、模式识别等领域的统计迭代算法,它使每一个点"漂移"到密度函数的局部极大值点,均值漂移的方向就是梯度方向,因此,漂移序列总是向着函数值增加最快的方向移动,并且每次移动的步长大小具有自适应性.本文研究了Mean Shift算法移动步长的自适应性,对其进行改进,使其能够通过参数的适当调整得到优于原Mean Shift算法的收敛速度,并从理论上证明了改进的Mean Shift算法能够收敛.本文的实验也进一步验证了改进的Mean Shift算法的收敛性,并对比了改进前后的Mean Shift算法的收敛速度.     

红外序列图像目标的高效跟踪

针对Mean shift算法中仅使用灰度特征难于实现对红外序列图像目标准确跟踪的问题,提出了利用边缘-灰度特征相融合的目标跟踪算法.为了实现红外序列图像中目标的高效跟踪,在研究Mean shift灰度特征的基础上,根据红外序列图像的边缘方向信息与灰度信息构建了边缘-灰度目标模型,将此模型应用到目标跟踪算法中,提高了Mean shift算法在红外序列图像目标跟踪过程中的运算能力.实验证明,该方法能够增加灰度直方图对目标模型的描述能力,提高了目标跟踪算法的鲁棒性.     

基于mean-shift的运动目标跟踪算法应用

先了解了Mean Shift的发展历程,采用了密度梯度,均值漂移,联合空间范围(值)域的灰度和彩色图像用于保持不连续性滤波和图像分割.Mean shift的属性被重新考虑证明其在收敛区域内.建议的滤波方法与图像中的每一个像素点最接近的局部模块中的密度分布的联合域相关联.在获得图像区域时只需要多加一个步骤将区域分割成一个分段固定结构,再融合本地区域与附近的模块.在提出的这个方法中有两个参数需要控制,分别是空间的分辨率和空间的范围域.由于已经保证了图像的收敛性,因此该技术不需要用户干预停止过滤所需图像质量.     

带宽优化的进化算法

介绍了实值优化问题的进化算法，自然进化是基于群体的优化过程，在计算机上模拟自然进化过程形成统计优化技术．同传统优化方法相比，进化算法具有全局优化的优点，而且适合复杂的实际问题．带宽优化是寻找结点编号的最佳排列，使得刚度矩阵的带宽最小．传统方法一般求得带宽的局部极小值，而带宽优化进化算法可求得带宽的全局最优解     

带宽自适应的MeanShift目标跟踪算法

针对传统均值漂移(Mean Shift)目标跟踪算法中核函数带宽缺乏良好自适应调整的缺点,提出了自适应调整核函数带宽的Mean Shift目标跟踪算法.该算法首先采用核函数计算目标颜色特征值的概率密度,在视频当前帧目标的最优位置区域由目标颜色特征概率投影生成目标概率密度分布图;然后根据概率密度零阶矩值调整下一帧跟踪窗口...     

全局运动估计的阈值可变双迭代法

提出了一种全局运动区域检测与全局运动模型参数估计的阈值可变双迭代法,该方法包含两个迭代过程：①迭代最小二乘法进行参数的估计，迭代过程中用可变的百分比阈值去除局部运动点的干扰：②检测完整的全局运动区域并得到最后的模型参数．阈值可变双迭代法对不同视频的适应能力较强，得到的全局运动区域更完整，模型参数的估计更稳定,实验结果验证了该方法的可行性和优越性.     

基于颜色纹理直方图的meanshift目标跟踪算法

Mean shift算法是一种重要的目标跟踪方法.在充分研究Mean shift算法的基础上,提出一种基于颜色纹理直方图的改进Mean shift跟踪算法.该方法首先计算目标图像区域中基于局部二值模式(local binary pattern,LBP)的主要纹理特征,通过提取主要特征消除背景和噪声等因素的干扰.另一方面,联合颜色和信息建立目标表示模型,可以为目标建模提供更丰富的纹理信息,目标表示更为准确,目标特征更明显区别于目标附近邻域内的背景特征.通过实验表明,改进的跟踪算法能有效提高目标跟踪精度,因此该目标跟踪具有较好的鲁棒性.     

基于马尔可夫随机场的医学图像分割

图像分割是一个经典难题,随着影像医学的发展,图像分割在医学应用中具有特殊的重要意义.马尔可夫随机场(Markov Random Field,即 MRF)方法是图像分割中一个极为活跃的研究方向.本文介绍了基于马尔可夫随机场模型的一般理论与图像的关系.并对基于MRF的传统条件迭代模式算法(ICM)进行改进,在初始分割后,对图像的像素点分为两类:稳定点和不稳定点,用队列存储不稳定点,每次迭代只对队列里面的不稳定点进行计算,以减少运算量.实验结果表明,改进的算法能够大幅度提高计算效率.     

圈幂补图的带宽与拓扑带宽

圈幂补图的带宽与拓扑带宽原晋江，林诒勋（郑州大学数学系）在电网络的设计中，常需将一个图的顶点安装在一直线的整点上，使得最长边的长度尽可能小；有时为进一步缩短最长边，允许在图中添加剖分点．由此引出图的带宽和拓扑带宽问题［‘ｊ．设Ｇ（Ｖ，Ｅ）是一简单图．...     

BP神经网络算法的一种改进

为了减小标准BP算法中迭代次数并提高其收敛速度，提出了将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法，在误差寻优初期，首先采用标准BP算法进行迭代，每迭代一次的工作量较小、所需存贮量较少，且对初始点的要求不高。当寻优过程开始接近最优时，更改寻优算法，即使用DFP变尺度算法。最后，通过MATLAl3实现。结果表明改进后的BP算法减少了迭代次数，提高了寻优的收敛速度。     

基于Newmark-β法的非线性体系动载荷识别

基于Newmark-β数值仿真方法,对于刚度变化的单自由度非线性体系,采用修正的Newton-Raphson迭代方法最小化由切线刚度代替变化刚度代入的误差,推导出非线性体系在已知外部激励、体系特性下的动力响应迭代求解过程,并反向推导出在已知动力响应、体系特性下动载荷的反求迭代求解过程.通过算例分析验证了应用该修正迭代方法进行非线性体系的载荷识别是可行的,克服了无迭代方法的误差累积缺点.     

基于精细积分思想的反演简单迭代算法

为了提高走时层析成像中反演算法的性能,采用一种基于精细积分的简单迭代算法。反演计算归结为一个简单的迭代求解过程,对过程中出现的逆矩阵求解利用精细积分思想,确保迭代收敛且能收敛到方程的真解,同时具备较高的迭代速度。检测板模型恢复测试以及实际资料反演结果表明:该方法计算过程简单,在迭代次数较少时即能得到分辨率较高的波速剖面图;与目前常用的一些方法相比,本文方法在反演图像分辨率和迭代效率上都具有一定的优势。     

均值漂移带宽选取新方法及其在分割肺结节中的应用

针对肺结节与周围组织相连且边缘模糊造成分割困难的问题,提出一种新的均值漂移(meanshift)带宽自动选取方法并采用均值漂移算法解决结节分割.与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的正确带宽参数.应用带宽选择定理确定带宽参数的初始值,利用尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数.该方法对毛玻璃型、粘连血管型、贴胸壁型和各向异性型进行评估实验,都取得了正确的分割结果.结果表明,该方法对分割结节是有效的.     

基本解法求解Signorini问题

将基本解法与投影迭代算法相结合求解Signorini问题,引入投影迭代算子将边界不等式约束转化为不动点方程,并采用一种新的投影迭代格式.在迭代过程中,采用基本解法只需要构造一次系数矩阵,从而使得数值计算变得简单且有效.最后,算例的数值结果表明了基本解方法比边界元方法收敛速度快,耗费时间少,精度更高.     

基于均值移动和椭圆拟合的人脸跟踪算法

为了解决均值移动跟踪算法对目标的尺度变化自适应能力差的缺点,针对人脸跟踪具体问题,提出了一种基于均值移动和椭圆拟合的人脸跟踪算法.根据当选择较大核窗进行均值移动跟踪时一般可以准确定位目标的事实,以及人脸形状椭圆近似性的特征,利用一个较大核窗的均值移动跟踪器对人脸目标进行粗略定位,在此基础上再用一种高效鲁棒的直接最小二乘椭圆拟合方法来自动调整人脸尺度的大小.实验表明,该改进算法能有效地解决均值移动人脸跟踪中的目标尺度自适应调整问题,其跟踪效果明显优于原均值移动目标跟踪算法.     

邻近点CQ法的强收敛性

讨论了邻近点(PPA)问题的迭代逼近,采用CQ法证明了把Mann迭代和近似迭代算法揉合在一起构成的新迭代序列,在一定的假设条件下强收敛,推广和改进了其它文献中的证明方法。     

一种基于线性化Bregman迭代的图像去模糊新方法

基于线性化Bregman迭代法带有软阈值算子的A+算法,结合广义逆迭代格式,提出一个新的混乱迭代方法求解图像的去模糊问题。在算法上充分考虑对细节信息的有效利用,以弥补在每步迭代过程中为了去模糊而过滤掉的图像细节特征的损失,达到有效滤波的效果。同时在计算时间和恢复效果之间取得平衡。数值试验结果表明,新方法在提高计算效率的同时还能得到很好的图像恢复效果,特别是细节特征和稀疏纹理的恢复。     

基于位移Hermite分裂的图像恢复算法

针对传统图像恢复算法在反Hermite分量主导Hermite分量时, 难导出收敛分裂结果, 导致图像恢复效果较差的问题, 提出一种位移Hermite分裂的图像恢复算法. 先在矩阵分裂时引入位移参数定义准Hermite分裂, 再利用共轭梯度正规残差(CGNR)算法将定义分裂结果代入进行内迭代, 以此逼近每个外迭代, 每个外迭代则由系数矩阵的收敛分裂导出; 然后将导出的收敛分裂结果应用到图像恢复模型; 最后与广义最小误差方法、 广义预条件对称分裂方法进行对比实验. 实验结果表明, 该算法得到的迭代逼近结果更好, 所需的迭代次数和CPU时间明显减少, CPU占用时间仅0.25 s, 图像恢复效果较好.     

纤维图像光照不均迭代修正算法

在纤维显微照片拍摄过程中,显微镜点光源引起的图像光照不均问题对纤维识别处理算法带来影响.提出基于迭代法的光照不均修正算法,在消除光照影响的同时,保存纤维的形态信息.对迭代误差进行控制,获取误差收敛时的迭代次数.实验证明,算法在保存纤维信息的同时,有效地抑制了光照不均的影响.