基于颜色和纹理特征的伪装色矿工目标检测

针对矿井下某些地段低光照低对比度导致矿工目标与环境颜色相似,呈现伪装色特点,一般场景目标检测方法易产生矿工漏检、误检的问题,提出了采用高斯混合模型(GMM)和局部二值模式(LBP)纹理模型线性融合的方法对目标矿工进行检测。首先利用高斯混合模型拟合背景颜色信息,然后通过局部二值模式纹理模型提取图像纹理信息,最后将颜色信息和纹理信息线性融合对矿工进行检测。实验结果表明,在满足实时性的同时,减少了矿工目标出现漏检、误检的问题,该方法可对具有伪装色特征的矿工目标进行实时检测,准确性高。     

在线高斯混合模型和纹理支持的运动分割

运动分割是基于视频的运动分析中的基本问题．通过颜色和纹理特征的线性组合,实现了一种新的检测运动目标的算法．在线高斯混合模型不仅用于对背景进行更新,而且也用于计算像素颜色差异和颜色权值;纹理特征用于描述局部区域内的结构信息,提高了运动检测算法的鲁棒性．对不同场景的运动分割结果表明,该算法是高效和实用的．     

基于颜色分割和LBP纹理检测的运动目标提取

针对传统LBP纹理检测在运动目标提取中对原地或缓慢运动物体容易误判为背景的问题,提出一种基于颜色分割和LBP纹理检测的提取方法。主要思想分为3步：根据LBP纹理检测结果映射得到宏块级粗糙运动目标;根据K‐means颜色分割方法得到颜色分类信息;根据提出的宏块交叠机制,将颜色信息与运动信息进行融合,得到最终的提取结果。对比实验结果表明,该方法在保持良好的光照鲁棒性和阴影抵抗力的同时,可以有效改善运动目标空洞、背景融入等问题,满足实时要求。     

基于帧间高频能量和相关性的烟雾检测算法研究

针对视频烟雾检测中当干扰物和烟雾极为相似时容易出现误判的问题,对基于帧间高频能量和相关性的烟雾检测进行了研究。首先通过混合高斯背景模型与三帧差法提取运动目标,再利用烟雾的颜色、扩散性、形状提取疑似目标区,对目标区域用离散小波变换获取高频能量,利用帧间高频能量和相关性对疑似区域进行烟雾判断,从而确定目标是否是烟雾并给出报警。通过MATLAB和VS2010进行仿真,结果表明,该算法可以有效提高烟雾识别检测的可靠性,减少误报。     

混合高斯模型和LBP纹理模型相融合的背景建模

提出了一个适用于动态背景的基于颜色和纹理的背景模型。这个概率背景模型不仅考虑了传统目标检测中的时域相关性（背景减除等）,也考虑了在动态场景中大量存在的空间相关性（方块纹理等）,使得在动态背景中依然得到准确的运动目标检测。首先应用混合高斯概率模型和LBP纹理模型计算当前像素的颜色前景概率值,然后应用数据融合算法D-S证据理论,进行决策层级上信息融合得到当前像素隶属于前景的概率值,提高了前景判别的准确性。实验证明,上述算法能够在一般目标检测特别是动态场景下的检测中取得良好的效果。     

基于颜色和纹理特征背景模型的多层差分运动目标检测算法

提出了一种可以剔除阴影、光照变化影响的运动目标检测算法.该算法分别建立基于颜色和梯度信息的背景差分模型,即为每一个像素建立了基于LBP的纹理特征模型,对于颜色信息采用了一种对颜色测量光度不变性的表示方法,背景模型的更新类似于Stauffer等提出的高斯模型,仅在权值更新中采用了具有滞后作用的策略的更新方法.在前景检测过程中采用了两层的判断过程,在像素层,通过用纹理和颜色的统计模型将每个像素划分为成前景或背景,在第二层,对于颜色特征差分得到前景区域的边界部分统计得到其LBP纹理信息,然后与纹理模型检测得到的同一区域边界的纹理信息进一步比较,剔除由于阴影、光照变化引起的前景误判.     

一种提取抖动视频中前景目标的新方法

提取视频中的前景目标信息是视频处理领域非常重要的问题,考虑到现实生活中会出现监控摄像头不可避免地会出现晃动或偏移情况,造成监控视频短暂抖动,此时背景图像灰度和纹理信息都会受到较大的影响,从而给后期进一步分析前景信息带来了巨大的困难。为了兼顾纹理特征提取和噪声抑制两方面的要求,针对抖动视频的前景提取问题,提出了一种有效的融合小波变换和在线混合高斯模型的方案。首先运用仿射变换在线逐帧校准,接着利用小波变换对图像去噪,并建立自适应模型迭代上述过程,最后利用在线混合高斯模型提取前景。实验结果表明,与同类方法相比,该算法无论针对单目标还是多目标视频均可以有效去除抖动,得到较好的前景目标提取效果,具有较高的准确性和鲁棒性。     

基于非下采样Brushlet和马尔可夫随机场的图像分割

针对传统小波域马尔可夫随机场图像分割算法的纹理图像分割能力的不足,提出一种将非下采样Brushlet变换和马尔可夫随机场相结合的纹理图像分割方法。用非下采样Brushlet变换作为图像分割的特征场,有效地提取纹理图像中的高维奇异信息;利用高斯马尔可夫模型提取特征场的参数,考察图像中的光谱信息以及像素点的空间相关性对分割结果的影响。实验表明,本文算法可以有效地实现纹理图像分割,在检测纹理方向信息和区域一致性上较传统算法有较大的提高。     

基于改进混合高斯模型的运动目标检测算法

在运动目标停滞的情况下,传统的混合高斯模型会将运动目标误判为背景,导致目标漏检。为此,提出一种基于改进混合高斯模型的目标检测算法。引入背景学习参数,结合前一帧的检测结果自适应地更新背景,从而提取完整的运动目标。利用像素的八连通区域信息抑制噪声,提高算法在复杂环境中的稳定性。实验结果表明,与传统检测方法相比,该算法能够在复杂环境中准确地检测出短暂停滞的运动目标。     

光照突变环境下基于高斯混合模型和梯度信息的视频分割

基于高斯混合模型和帧间梯度信息提出了一种新的运动目标分割算法。首先,在利用亮度信息对背景建立自适应高斯混合模型的基础上,进行前景的粗分割;其次,由于视频信号的亮度和色彩分量随光照突变有较大的改变,导致大片背景的高斯模型产生错误匹配,误判为前景,为了提高高斯模型分割算法的鲁棒性,结合结构梯度互相关函数对分割结果进一步校正,能适应剧烈的光照变化;最后,利用数学形态学进行后处理,消除影子和孤立的噪声点。通过不同场景的运动分割实验结果表明,该算法在复杂背景和剧烈光照变化条件下具有较强的鲁棒性和较高的分割精度。     

一种联合图像分割与背景建模的运动目标检测算法

介绍了在混合高斯模型的基础上,采用每一个像素点及其邻域组成的集合作为特征矢量来描述图像,对YUV格式的彩色图像的不同颜色分量分别建立混合高斯模型,从而确定是否有变化发生.为充分利用空间信息,提出将彩色图像分割与背景建模结合起来,得到具有精确边缘的运动目标.实验结果表明,即使在前景纹理、颜色比较一致且与背景对比不是很明显的情况下,本方法也能完整地检测出运动前景.     

基于尺度相关性的旋转不变纹理图像渐进式检索算法

在常用的基于小波变换域旋转不变纹理图像检索算法中,由于存在方向信息提取有限且多尺度间系数相关性被忽略的局限性,检索效率受到影响。提出一种基于尺度相关性的渐进式旋转不变纹理图像检索算法。该算法首先采用Log-polar变换与非下采样Contourlet变换组合的方式获取具备旋转不变性的多尺度多方向变换系数,然后利用广义高斯模型拟合低通波段的全局结构信息作为粗判依据,方向子带间的尺度相关信息则采用非高斯双变量模型拟合,并作为精细渐进式检索的特征变量。基于Brodatz标准纹理库的实验结果表明,与小波变换及基于层内关系模型方法相比,该方法能以更低的特征维数获得更高的检索效率及检索准确率,是一种进行旋转纹理检索的有效手段。     

融合Contourlet和高斯描绘子的图像检索方法

提出一种基于纹理特征和形状特征融合的图像检索方法。采用Contourlet变换提取纹理特征,高斯描绘子提取形状特征,并对两种特征进行融合,最后结合Adaboost算法进行相关性反馈。实验结果表明,所提出的融合方法在图像检索的综合性能上优于Contourlet方法以及基于Gabor小波和高斯描绘子的融合方法,能够有效地实现外观专利设计图像检索。     

Real time multiple objects tracking and identification based on discrete wavelet transform

A new method for detecting and tracking multiple moving objects based on discrete wavelet transform and identifying the moving objects by their color and spatial information is proposed in this paper. Many tracking algorithms have better performance under static background but get worse results under background with fake motions. Therefore, most of the tracking algorithms are used indoors instead of outdoor environment. Since discrete wavelet transform has a nice property that it can divide a frame into four different frequency bands without loss of the spatial information, it is adopted to solve this problem due to the fact that most of the fake motions in the background can be decomposed into the high frequency wavelet sub-band. In tracking multiple moving objects, many applications have problems when objects pass across each other. Color and spatial information are used in this paper to solve this problem. The experimental results prove the feasibility and usefulness of the proposed method.     

基于纹理的皮肤检测

实时敏感图像检测可以有效地控制国际互连网中的色情图像传播。它的检测手段主要是对皮肤区域进行辨识,而皮肤纹理检测又是皮肤区域辨识中的重要内容。该文采用基于DCT变换和Gabor小波变换两种方法进行皮肤纹理的特征提取,提取的特征作为高斯混合模型(GMM)输入向量,然后通过GMM进行皮肤纹理检测。实验是在360幅敏感图像以及2400幅经过分类的非敏感图像的测试集进行,结果表明基于Gabor小波变换的皮肤纹理检测取得了比基于DCT变换更好的效果,其正检率可以达到95%。     

结合阴影抑制的混合高斯模型改进算法

混合高斯模型背景法作为运动目标检测的一种经典方法,已经广泛应用于智能视频监控系统中。但是,传统的混合高斯模型背景法容易将阴影误检测为运动目标的一部分。因此,针对该方法在区分阴影和运动目标方面的不足,提出了一种将混合高斯模型背景法和HSV空间阴影抑制相结合的运动目标检测算法。这种改进算法首先将颜色空间转换到HSV空间,初步提取运动目标,然后再利用阴影的灰度值比背景中的灰度值小,而前景的灰度值比背景中灰度值大的特性,检测出运动目标中的阴影。实验结果表明,这种改进的算法明显提高了检测效果,有效抑制了阴影对运动目标检测的干扰,算法实时性也较好。     

基于分形纹理特征和小波变换的网状纹理检测方法

网状纹理广泛存在于日常生活中. 其独特的网格结构以及极易发生形变的特点使网状纹理的描述和检测成为一件困难的工作. 本文以球网检测为例, 提出了基于分形纹理特征和小波变换的网状纹理检测方法. 先对足球视频图像进行小波多分辨率分解, 计算不同尺度图像的分形纹理特征向量, 基于因果关系对特征进行选择组成特征向量. 然后使用支持向量机检测图像中的网状纹理. 实验表明此方法有较强的鲁棒性, 能够在剧烈形变、复杂背景和基元大小差异明显的条件下成功检测出球网.     

一种自适应的运动目标阴影消除新算法

精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,对此提出了一种基于局部纹理分析的自适应阴影消除新算法。进行了基于高斯混合模型的背景重建,并根据阴影的光学特性进行了阴影区域的预检测,得到疑似阴影区域;提出了一种新的自适应动态纹理分析方法并在此基础上实现了活动阴影的检测与消除。实验结果验证了算法的有效性和实用性。