一种新的实时相关跟踪算法

提出一种基于改进的区域模板相关的实时跟踪算法。图像序列首先进行熵阈值分割，然后用形态学滤波的方法去掉噪声，匹配程度的算法选择的是归一化自相关匹配算法。实验结果显示，此算法有效地克服了传统相关匹配算法的缺点，具有较好的匹配精度和实时性。     

基于直方图极大值准则可变参数图像阈值分割方法

提出了一种基于直方图极大值准更则图像阈值分割方法，通过调节参数可对多类图像进行分割。阉值分割是实时图像处理首选的分割算法。本文通过一维灰度直方图确定极大值，从而获得图像中多个目标区域和背景区域阉值，分割出多个区域，将每个区域赋为不同的灰度级，根据具体所要分割的目标再进行分割。实验证明该方法分割效果较好，分割速度快，实时性较好。     

一种对空中目标图像自适应分割方法

本文提出一种用于实时跟踪的目标图像自适应分割方法，该算法分割性与目前公认较好的几方法相比，在精度和速度方面具有明显优势，用于全视场搜索阶段也取得较好的效果，该处已在硬件系统上连调成功，表明该算法是可行的和实用的。     

基于免疫算法的交通标志分割

针对现有道路交通标志图像分割算法中实时性和鲁棒性较差的问题,提出一种基于免疫算法和RGB颜色空间的交通标志图像分割新方法。该方法先用RGB颜色空间将交通标志从实景图中定位出来,利用免疫算法快速搜索的机理,对已定位的图像进行阈值T寻优,并用该阈值T分割图像。实验结果表明,该算法与基于遗传算法的图象分割算法相比较,具有较好的鲁棒性和实时性,且适用于不同光照条件下的交通标志图像分割。     

复杂背景下运动目标跟踪技术

运动目标分割技术是计算机视觉研究的热点。介绍了一种常用的K im目标分割方法,并针对其不足,对K im方法进行了改进,将连续两帧的差分图像和背景差分图像直接相乘得到灰度图像,然后对该灰度图像进行阈值分割来获取目标区域模板,再基于灰度加权图像模板匹配法实现目标跟踪。实验结果表明,该方法能够准确地检测跟踪目标,具有较好的实用价值。     

基于DSP的运动目标自动跟踪系统的设计与实现

为了使视觉监控系统具有自主能力，设计了一种基于嵌入式高速DSP处理器Blackfin533的运动目标自动跟踪系统。文中分别介绍了系统的硬件和软件设计。该系统运用差分图像法，通过阈值图像分割来检测运动目标，并采用形心跟踪算法来自动跟踪目标。实验结果表明该系统取得了较好的跟踪效果。     

基于深度学习网络的三维激光雷达弱小目标分割研究

为了提升三维激光雷达弱小目标分割的抗干扰性与实时性，有效提取三维激光雷达图像有用信息，设计了基于深度学习网络的三维激光雷达弱小目标分割方法。采集目标三维激光雷达图像，应用小波方法去除三维激光雷达图像噪声；从去噪后的图像中提取三维激光雷达图像多尺度特征，并将特征输入到深度学习网络中训练，建立三维激光雷达弱小目标分割模型，实现弱小目标分割。测试结果表明：该方法能够高精度分割三维激光雷达目标，且分割速度较快，具有较高的实际应用价值。     

基于多特征融合的交通标识实时分类与识别

针对交通标识分类识别过程中因样本类别之间的不平衡常使分类器性能减弱且实时性较差的问题,提出一种基于多特征融合的交通标识实时分类识别方法。首先,选取具有较强鲁棒性的HSV颜色空间对标识图像进行阈值分割处理,分割出交通标识所在的感兴趣区域;其次,提出一种HOG-MBLBP特征融合算法,通过支持向量机分类算法,实现交通标识的精确分类识别;最后,针对视频图像中交通标识识别实时性问题,采用自适应卡尔曼滤波算法进行交通标识的跟踪识别。实验结果表明该方法具有97.88%的分类准确率且具有较好的实时性。     

基于边缘信息的图像分割技术研究

介绍了基于边缘信息的图像分割方法及其算法特点，并对其性能、特点做了分析研究。在此基础上，对一阶微分算子、Roberts算子、Sobel算子及Canny算子进行了设计，并通过Matlab 6．0进行了仿真，经调试得出了较理想的实验结果。该图像分割方法不仅具有较好的理论基础，而且针对不同的目标对象和应用领域具有实时性好、分割精度高等特点，具有十分广阔的应用前景。     

实时CCD成像跟踪处理系统研究

提出了基于高速数字信号处理器TMS320C6415的图像识别跟踪系统，并给出了成像跟踪系统的原理图和结构图。重点论述了采集系统和图像处理系统。在软件上采用矩不变阈值分割和基于梯度的自适应阂值分割提取目标，采用投影特征的质心跟踪算法及基于线性微分拟合的记忆外推跟踪技术跟踪目标。实验结果表明：该系统跟踪稳定可靠，完全满足实时性要求。     

Image block classification using stochastic image segmentation

The authors propose a new image block classification method. The proposed algorithm incorporates image context into the classification via pixel-based segmentation. To obtain a segmented image they adopt the stochastic model-based unsupervised image segmentation algorithm. Since the block classifier considers the grey level distribution in the block, it can differentiate edges from textures. Also, since the segmentation is executed independently at each small block, a parallel processor can be applied to obtain a real-time block classification     

基于深度学习的酒标分割研究

红酒图像中的酒标区域含有重要的红酒品类信息,而对酒标区域的定位与分割可以有效去除背景区域对图像匹配算法的干扰。传统图像分割算法大多基于局部图像特征和人工设计规则,对噪声较为敏感,并且难以应对大规模数据的处理。针对传统算法的不足,本文首先构造了一个大规模酒标分割数据集,然后提出了一种基于深度学习的酒标分割方法。我们构造了一个基于残差网络的语义分割模型,并且在模型中加入跨层连接,实现低层特征和高层特征的有效融合,使得分割的边缘细节更加清晰和准确。另外,我们采用了带孔卷积金字塔池化结构整合多尺度信息,在增大模型感受野的同时使得模型适应不同尺度的酒标区域。在我们构造的酒标数据集上的实验结果表明,本文提出的酒标分割网络能够进行实时的酒标图像分割,并且达到了相当高的分割准确率。      

基于DCT 编码图像分割算法研究

针对传统图像分割算法存在的计算量大和实时性能不佳等问题提出了基于DCT编码图像分割算法。该算法的是一种改进的交互式快速分割算法,通过DC系数与AC系数提取出纹理特征,结合自适应的正则化参数构造成一个能量函数。测试结果表明此算法不但分割效果很好,而且算法效率也大大提高。     

红外图像自适应逆直方图增强技术

在红外图像中,传统直方图均衡图像时细节像素容易被大量的背景像素淹没,导致图像产生过亮、过暗等现象。基于这样的状况,提出一种自适应逆直方图均衡化细节增强算法。该算法通过逆向统计、自适应选取阈值以及分段映射来增强图像细节。相比于传统直方图均衡化算法,逆直方图均衡化算法明显改善了图像在不同灰度层分布的视觉效果,使图像的不同区域亮度得到不同程度的增强。而且该算法在能够达到更好的图像处理效果的前提下仍然能够通过优化计算方法保证实时性,高效性,并且适合在FPGA硬件移植中采用。     

基于新遗传算法的Otsu图像阈值分割方法

最大类间方差（Otsu）图像分割法是常用的一种基于统计原理的图像阈值分割方法。为了改善Otsu耗时较多、分割的精度低、易产生图像误分割等不足,将猴王遗传算法与Otsu算法结合,运用猴王遗传算法的原理,寻找图像灰度的最大类间方差,即最佳阈值。结果表明,结合后的方法不仅提高了图像的分割质量、缩短了运算时间,而且非常适合图像的实时处理。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

隔点差分自适应阈值红外图像分割算法的FPGA实现

采用模块化设计和利用现场可编程逻辑( FPGA)并行流水处理特点,设计并实现了隔 点差分自适应阈值红外图像分割算法,算法由隔点差分算法和自适应阈值两个模块组成。隔点差分算法模块根据同步与时钟流水计算隔点梯度,用自适应阈值进行图像分割; 自适应阈值模块根据背景的统计规律和图像背景的变化实时调整分割阈值。仿真和实验表明:采用FPGA实现此算法的处理延时短,满足实时处理的要求。     

一维对象复杂度的灰度图像分割算法

从图像复杂度的角度,提出一种一维对象复杂度的灰度图像分割算法。用阈值将灰度图像分为背景与目标2类,统计其对应直方图与总像素个数,并计算对象复杂度;依据图像复杂度分割准则算法公式,遍历每一灰度级对应的图像复杂度值,选取图像复杂度值最小对应的灰度值为最佳分割阈值。仿真实验结果表明,与经典Otsu算法、信息最大熵算法和最小交叉熵算法相比,本文算法速度快,稳定性和效率最好,是一种通用有效的图像分割算法。     

基于局部灰度分析的红外图像轮廓跟踪算法

针对在红外图像边缘提取时,断边和分支点会导致伪边界的问题,提出了一种带搜索控制准则的红外图像轮廓跟踪算法.该算法根据飞行目标红外图像特点,将基于最大距离法的局部阈值分割用于目标图像的提取.给出了关于图像局部灰度特性的3个推论,并由此将遗传算法用于轮廓跟踪过程,自动判断出轮廓跟踪过程中出现的分支点、断边,搜索断边并连接.实验结果表明,采用该算法可得到清晰、光滑的轮廓图像,并且具有较快的运算速度,可实现实时处理.     

基于FPGA的水平集图像分割算法加速器

水平集算法因其出色的性能,在图像分割领域中得到了广泛的应用。同时,与基于深度学习的图像分割算法相比,水平集算法不需要训练数据,大幅降低了数据标记带来的工作量。然而,目前水平集算法主要是基于软件开发,涉及大量复杂的计算,以及计算的多次迭代,导致较高的处理延时与功耗。为了加快水平集算法的处理速度和降低功耗,该文提出了一种基于FPGA的水平集图像分割算法加速器,其中包含4个设计创新点:任务级并行处理、图像分块像素级并行处理、全流水线处理架构、分时复用的梯度和散度算子处理。实验结果表明,与在CPU上执行的水平集算法相比,该文提出的硬件加速器处理速度提升10.7倍,功耗仅为2.2 W。