基于SVM与Mean-Shift的非刚性目标跟踪框架

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mean-Shift)的序列图像目标跟踪框架。在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景。以目标和背景数据训练SVM二值分类器。运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化。以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务。实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好。     

有限状态机实现CMOS成像系统驱动时序

介绍Cypress公司的CMOS图像传感器IBIS5-A-1300的特点以及卷帘快门工作模式,并以其为成像核心,以MaxⅡ系列CPLD芯片EPM570T144C5为平台,搭建CMOS成像系统。采用有限状态机的方法设计并实现了系统在卷帘快门模式下的驱动时序。提供了设计方法、流程,进行了系统仿真、分析和成像实验,由所得结果可以证明该方法效果较好。     

基于LabVIEW的运动目标监测系统

为了在序列图像或视频流中定位移动目标,对相邻图像求差,结果经过形态学滤波后闭合边缘,填充内部区域,最后判断图像中是否存在目标,如存在则报警并记录图像。运用虚拟仪器软件（LabVIEW）平台,配合硬件设施实现系统功能。此方法简便可靠,对图像或视频中运动目标定位效果良好。     

多分辨分析和K均值聚类改进FCM图像分割

模糊C均值(Fuzzy C-Means,FCM)聚类广泛应用于图像分割,但FCM聚类中随机确定初始聚类中心容易导致图像的错误分割.为了避免这个缺点,提出一种用于图像分割的FCM聚类初始聚类中心的选取方法.该方法利用图像灰度-邻域均值二维直方图的峰值的个数确定图像聚类数目,然后对图像的低频子带图像利用K均值聚类得到FCM聚类初始聚类中心.实测图像的分割实验表明该方法具可行性.