基于模糊隶属关系的Mean Shift图像跟踪改进算法

鉴于Mean Shift算法中核心步骤计算所得的新目标模板中心位置几乎都非整数的问题,该文提出了模糊隶属度的概念,并在此基础上,改进了Mean Shift算法在图像跟踪中的实现步骤。实验表明,该算法计算量小,且能很好的减少原算法中不必要的误差。     

基于改进Mean Shift算法的细胞追踪方法研究

针对经典Mean Shift算法不能有效追踪快速移动细胞的缺陷,提出了利用Mean Shift和卡尔曼滤波器相结合的方法快速移动细胞进行追踪。算法以卡尔曼滤波器预测出细胞的位置作为Mean Shift算法的初始位置,然后再利用Mean Shift算法追踪得到的细胞位置作为下一帧的卡尔曼滤波器的输入参数。实验结果表明,对于细胞图像的追踪,该方法较经典Mean Shift算法有着更高的准确率。     

基于Mean Shift的序列图像手势跟踪算法

将Mean Shift算法应用于序列图像中的手势跟踪,利用梯度优化方法实现快速目标定位,能够对非刚性目标实时跟踪,并且对目标的变形、旋转等运动有较好的适用性.实验结果表明,Mean Shift算法在目标姿态变化、光照变化下的跟踪效果较好.     

基于Mean Shift和插值图像修复算法的CT图像金属伪影消除方法

近年来CT成像技术在临床医学中广泛应用,但当病人体内含有金属移植物时,由于射线硬化等原因很可能在金属物体周围产生亮暗伪影,降低图像质量,影响诊断的准确性.为了消除CT图像中的金属伪影,本文提出基于Mean Shift和插值图像修复的算法,基本流程为用自适应Mean Shift算法预处理CT图像,平滑噪声和轻度伪影,用简化的Mean Shift算法快速精确分割金属物体,由修复组织信息的插值图像生成先验图像,用先验图像的投影数据替换原投影数据得到校正后的CT图像.经过对比实验,文中算法在去除金属伪影的同时,能够保护原有CT图像的组织结构,取得了更好的处理效果.     

基于改进纹理表示和Mean Shift的目标跟踪

本文提出了一种改进的纹理表示方法.首先对视频每帧图像进行平移不变小波变换,可以很好的提取图像的纹理和细节特征,同时能降低光照和噪声的影响,然后通过融合边缘强度来突出图像的纹理特性,把改进的纹理图像替代之前的原始帧图像.通过实验结果表明,基于改进纹理表示的算法是非常有效地,它能极大提高跟踪算法的鲁棒性.     

基于Mean Shift聚类的图像分割研究

图像的分割技术指的是将图像分成具有各种特殊性质的区域并且将感兴趣的目标提取出来的技术和过程.MeanShift算法是一种十分有效的聚类迭代的算法,能够在多种特征空间分析的相关领域得到应用,其中就包括图像的分割.实验的研究对象是处理视觉图像的分割,用扩展形式的Mean Shift算法来解决视觉图像的分割问题,获得了较好的成效.Mean Shift图像分割的算法由图像的滤波步骤及图像的合并步骤组成.色度域带宽、空域带宽以及最小区域的限制这3个重要参数控制着最终的图像分割效果.     

基于在线支持向量机的Mean Shift彩色图像跟踪

为了解决传统Mean Shift跟踪方法中目标模板只能从单一图像建立,且很难更新问题,提出了一种新的Mean Shift彩色图像跟踪方法。将RGB颜色空间投影到HSV颜色空间,建立了基于HSV颜色空间的统一直方图核函数模型。为了实现模板在线更新,引入在线支持向量机,推理了基于HSV空间的在线支持向量机的Mean Shift跟踪算法,从而适应目标因尺寸、姿态及光照造成的模型变化。为了验证算法的有效性,对两组国际通用的CAVIAR彩色图像序列进行了跟踪测试。实验结果表明,提出的改进算法在目标姿态、光照或背景发生较大变化时,能有效跟踪目标。当图像分辨率为384×288(目标尺寸约为20×80)时,最快处理速度达40f/s,且跟踪精度比传统Mean Shift提高32.1%。     

一种改进的基于过度分割的图像彩色化方法

黑白图像的彩色化是图像处理领域一个活跃的、有挑战性的研究课题。该文在总结图像彩色化方法的基础上,重点分析了Levin方法;针对这种方法处理大尺寸图像速度较慢的问题,提出先对图像进行过度分割,再以区域为基本单元进行彩色化的方案。实验表明,该方法能够在几乎不影响彩色化效果的前提下,显著提高处理大尺寸图像的速度。     

基于光流与Mean Shift算法的运动目标检测

为了改善传统光流法不能很好地解决背景运动带来影响的问题,提出了一种基于光流矢量与Mean Shift算法的运动目标检测方法。结合图像中边缘信息和灰度信息,用金字塔法计算出特定像素点的Lucas-Kanade光流矢量。再利用Mean Shift算法的梯度搜索原理找出运动背景的光流矢量,进而找出运动目标的光流矢量。实验结果表明,融入Mean Shift算法后的光流法高精度地检测出了目标,显著降低背景运动所带来的影响。文中所提方法比传统几种方法更加准确地得到了所需结果。     

彩色空间的视频对象自动分割

提出了一种基于RGB空间的视频对象自动分割方法。图像简化阶段，采用连接算子中的区域开启闭合算子来简化图像；图像标识提取阶段利用RGB空间的信息得到准确的视频对象轮廓，根据对比度消除区域中噪声小梯度，并在此基础上提取标识，在分水岭阶段，采用类似区域增长的改进分水岭方法，实验证明此方法的结果准确可靠。     

基于L^＊a^＊b^＊肤色模型和数学形态学的人脸检测

提出利用L*a*b*肤色模型和数学形态学相结合的方法,实现彩色图像人脸检测.建立L*a*b*颜色空间的肤色模型,利用该模型提取肤色区域;然后,用数学形态学算子,完成去除噪声和干扰,分割候选目标等处理过程;最后,利用人脸的比例关系框选出人脸区域.实验表明,该方法计算开销较小,易于实现,准确率较高,速度快.     

基于改进Mean Shift跟踪算法在车辆跟踪上的应用

运动目标跟踪在城市交通流量监测和视频监控等方面有着广泛的应用前景,本文使用Mean Shift目标跟踪算法实现运动目标的跟踪。在传统的Mean Shift跟踪算法中,跟踪框大小不变,可能会导致跟踪过程中运动目标跟丢的情况发生。因此,本文提出了一种结合背景差分法的Mean Shift跟踪算法,从而实时地提取出大小合适的运动目标跟踪框。实际应用中,通过DM642数字信号处理器采集D1格式的视频,然后对视频帧图像进行改进的Mean Shift跟踪算法实现后可以发现,改进的Mean Shift跟踪算法可以实时地实现目标跟踪框大小的变化。在跟踪效果上,改进的跟踪算法具有较好的效果。     

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法.针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力.实验结果表明了算法的有效性.     

一种改进的边缘生长彩色图像分割方法

针对彩色图像颜色空间特性,提出一种改进的边缘生长图像分割方法。首先根据平均颜色矩确定图像量化级数,色彩量化后采用边缘检测提取边缘像素集,并将这些高细节点形成边缘线,围成一个封闭的区域,最后根据颜色空间的区域距离,将初始分割区域进行合并。该方法很好的解决了使用边缘检测或区域生长所产生的不连续性和过分割问题。实验结果显示对彩色图像分割具有较好的效果。     

Use of Human Visual System to Improve Video Watermarking for Immunity to Rotation, Scale, Translation, and Random Distortion

A video watermarking method is described that takes into account the human visual system for processing color information to maintain picture quality better than a previously reported watermarking method. The improved method determines the watermark strength in the L*u*v* space, where human-perceived degradation of picture quality can be measured in terms of Euclidean distance, and embeds and detects watermarks in the YUV space, where detection is more reliable than that in the original method. Experimental evaluation using actual video samples showed that the improved method causes less degradation in picture quality and that, for the same picture quality, it enables up to 81% more watermarks to be embedded. Detection reliability was better for all evaluated transformations: random distortion, rotation, scaling, clipping and translation, and combinations thereof. This improved treatment of geometric transformations while maintaining picture quality will enable increased use of video watermarking.     

基于卡尔曼和图像信息量的Mean Shift改进跟踪算法

Mean Shift算法在目标实时跟踪领域取得了广泛的应用,但是对于速度过快或尺度变化大的目标跟踪存在较大的缺陷.提出了一种基于Mean Shift和Kalman预测带宽的自适应跟踪算法.该算法提出以Kalman预测目标在下帧中的中心位置作为Mean Shift迭代初始位置;同时引入图像信息量度量方法以适应目标的尺度变化.实验结果表明,改进的跟踪算法能很好地跟踪尺度变化的目标,跟踪效果很好.     

基于各向异性热扩散方程的SAR图像分割方法

提出了一种非监督SAR图像快速分割算法。该方法利用固体热扩散模型与图像尺度空间的等价性,在SAR图像初始分割的基础上,引入最大后验概率矩阵的各向异性多尺度平滑,在保持图像结构信息的同时滤除斑点噪声对于分割的影响。利用本算法对仿真数据和实测SAR数据分割的结果,均证明了本文方法的有效性。     

基于改进的一对一支持向量机方法的多目标图像分割

支持向量机方法被看作是对传统学习分类方法的一个好的替代,特别在小样本、高维情况下,具有较好的泛化性能.文章对一对一支持向量机方法进行了改进,并采用其对多目标图像进行了分割研究.实验结果表明,支持向量机方法是一种很有前景的图像分割技术.     

基于自适应多特征融合的均值迁移红外目标跟踪

针对采用单一特征跟踪鲁棒性不高的问题,该文提出一种自适应多特征融合均值迁移红外目标跟踪算法。为了增强对目标的表征能力,对局部均值对比度算法进行改进,利用局部均值对比度和灰度特征表征目标。在特征融合中引入特征不确定度量方法,自适应调整不同特征对跟踪结果的贡献,有效地提高均值迁移算法的鲁棒性。为了进一步提高对尺度变化目标的跟踪性能,采取尺度算子更新跟踪窗的大小。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。