融合梯度和色度信息的分块均值漂移目标跟踪

针对在相似颜色干扰场景下传统均值漂移目标跟踪鲁棒性差的缺陷,提出Prewitt梯度和色度信息融合的分块均值漂移跟踪算法。首先,对跟踪框进行分块,并提取当前帧各子块特征;其次,利用Bhattacharyya距离计算参考目标区域与候选区域间各子块对应的相似程度,根据其相似程度分配各子块的权值,并通过融合规则对各子块相应特征进行融合构成新子块特征,在此基础上,将子块特征选择串接方式作为最终目标特征;最后,采用均值偏移原理迭代估计最终目标位置信息。实验结果表明,当场景中存在相似颜色干扰的情况下,相对于经典均值漂移算法,其准确度提高了84%左右。     

基于图像分割和区域匹配的灰度图像彩色化算法

针对传统颜色传递算法只进行全局颜色传递,未考虑图像局部特征,出现颜色误传递的问题,提出了一种基于Graph-Based图像分割与区域匹配的灰度图像彩色化算法。利用Graph-Based图像分割将目标图像和参考图像分割为若干个亮度和纹理特征一致的子区域。根据本文提出的思想,认为"具有相似亮度和纹理的子区域具有相似的颜色分布",对目标图像和参考图像的子区域建立匹配关系,利用亮度特征和LBP局部纹理特征对子区域进行匹配。最后,在YCbCr颜色空间中对相匹配子区域利用亮度和纹理特征进行颜色传递。实验结果证明,在该算法中其参考图像无需和目标图像配准,只需特征相近,就可以对目标图像实现全自动的彩色化技术并有效克服了颜色误传递的现象,彩色化结果图像在色彩分布和主观视觉上都有明显的提高。     

基于Chan-Vese模型的多相位图像分割

利用Chan-Vese模型,对多相位图像实现了串行分层分割。首先得到目标和背景2个子区域,然后判断各子区域内部是否仍包含有感兴趣的目标,如果有,则对该子区域再次采用Chan-Vese模型进行分割,如此迭代直到分割出图像中所有的目标。较之采用Mumford-Shah模型,本文方法计算简单,而且对多相位图像中的目标定位准确,每一层分割都可以得到有意义的区域。实验表明,本文方法可以有效、准确地实现对多相位图像的分割。     

视频中运动目标结构特征提取的子区域分割方法

视频中为了研究运动目标的结构特征,利用最远点、信息瓶颈、均值漂移等方法对运动目标进行图像分割实验,获得运动目标的结构子区域。通过对比实验数据,用均值漂移分割方法获得的运动目标子区域较合理,为下一步研究视频中运动目标结构特征提供了合适的运动目标结构子区域,对深入研究运动目标结构特征,利用结构特征进行目标跟踪与识别具有重要意义。     

奶牛图像的分割算法研究

为解决在实际生产环境中使用计算机自动识别奶牛的问题,提出了针对奶牛图像的分割算法,以提高识别率。该算法首先将奶牛图像从RGB空间转化为Luv空间,然后将图像作4×4大小的子块划分,对各子块进行块内颜色聚类并提取颜色和纹理特征,通过颜色内聚将子块中的颜色范围缩小到2~4种,并将其中所占数量最多的两种颜色作为子块的颜色特征;纹理特征则是基于对子块分别横向和纵向扫描并统计出来的,反映子块的颜色在横向和纵向的分布特征。在此基础上按奶牛的颜色和纹理特征进行基于子块的区域生长,最终达到清晰分割的目的。在对50个实地采集样本中按本文所述的方法进行分割,分割准确率达到80%以上。实验证明,本文提出算法能有效地将奶牛从背景中分离出来。     

采用多特征融合的子块自动提取方法

基于可变形模型的目标跟踪算法因其能够处理目标部分遮挡及形变问题成为目标跟踪领域的研究热点。当目标发生形变或部分遮挡时,可变形模型跟踪器可利用未被遮挡的子块继续完成跟踪。现有基于子块的目标跟踪算法均为手动选取子块的个数和尺寸,但在实际应用中,很难为子块的选取提供人机交互的机会,且手动选取子块易受主观因素影响。针对上述情况,提出了一种采用多特征融合的子块自动提取方法,该方法首先采用基于人眼视觉注意机制对目标模板的显著性区域进行度量;其次,利用边缘方向离散度对目标的纹理丰富度进行度量;然后,融合上述特征获得联合适配性置信度,并根据目标的面积和宽高比自适应确定子块的个数和尺寸;最后,根据联合适配性置信度提取目标子块。实验结果表明,与现有手动选取子块的可变形模型目标跟踪方法相比,采用所提方法自动提取的子块可获得更高的跟踪精度。     

基于双点辅助的移动终端掌纹识别预处理算法

在移动终端掌纹采集和预处理过程中,针对难以 约束的手掌摆放位置和姿态、复杂场景、差异光照 和硬件资源有限等技术挑战,设计了一种基于指间根部位置的双点辅助拍摄方案,以辅 助点为中心的 正方形区域设定为限定框,并提出针对限定框的自适应高斯肤色模型的手掌分割方法。首先 选取限定框下 方矩形区域为训练子区域,建立高斯肤色模型,通过设定似然度阈值,分割限定框内手掌区 域;利用已分 割出的不完整手掌区域重新建立高斯肤色模型,再次设定肤色似然度阈值,准确分割出限定 框内的手部肤 色区域。实验对比后发现,与其他限定方法相比,本文方法降低了掌纹预处理算法的复杂度 ,改善了实时 性。与多种已有先进方案全面对比,本文方法不仅有效降低了复杂场景下手掌分割的失效率 ,在移动环境下还能够达到更高的认证精度。     

基于混合模型的SAR影像海陆分割算法

合成孔径雷达(SAR)影像的海陆分割是诸如海洋目 标检测和识别等基于海洋区域SAR影像解译的基础和关键环节之一。为解决复杂背景下遥感 影像海陆分割问题,提出一种基于混合概率模型的海陆分割算 法。首先利用Harris角点检测算法检测出影像中包含角点 的图像子块,进而通过均值漂移(MS,mean-shift)算法对图像子块进行聚类分析得到陆地 区域的 像素样本;然后利用陆地的像素样本,通过最大期望(EM,expectation maximization)迭代 算法拟合出混合模型概率 密度分布的相关参数;最后通过混合概率模型检测出陆地前景区域,得到 海陆分割结果。实验证明,本文方法能够对包含海陆的异质遥感影像实现有效的海陆分割。     

基于区域颜色特征的食物类别识别算法

针对自选餐厅结账中人工计价的效率问题,文中提出了一种基于颜色特征的食物类别识别算法。该算法通过边缘投影提取目标区域,再基于Lab颜色模型对食物图像聚类分割,利用HSV颜色模型获取各类子区域的颜色特征,并基于区域颜色识别食物的种类。分别针对1类和3类食物的各30幅图像进行了仿真实验和统计分析。结果表明,算法识别准确率可达95.6%,识别速度最快只需0.119 s。     

一种基于区域的动态分块图象检索方法

本文提出一种新颖的基于内容和图像检索方法，基于运动子块分割并根据视觉特性对不同区域做不同的加权，比较各子块相似度，分析相似度矩阵，并检索查询物体。通过将图象分割细化，充分利用了原图的颜色位置信息，通过实验，实现了对特定物体进行检索。该物体检索方法可进一步发展，为特定的后续处理奠定基础，如在人脸识别等功能中发挥重要作用。     

基于注意模型的视觉替代方法

现有的视觉替代方法均是在特定环境中,通过目标识别获得映射特征,缺少普遍的适用性.针对这一问题,提出了一种基于注意模型的视觉替代方法.利用人眼的视觉特性,提取图像的感兴趣区域,并根据听觉显示的基本原理,提出了将感兴趣区域的位置、尺寸和颜色映射为音符响度、音长和音调的PSC映射方法.实验结果表明:将图像中引起视觉注意的区域映射为电子音符,符合人类视觉认知过程,有利于盲人获得外部环境的重要信息,降低了盲人训练和学习的难度,并且听感良好,不会造成听觉疲劳.     

动态背景下融合运动线索和颜色信息的视频目标分割算法

针对现有动态背景下目标分割算法存在的局限性,提出了一种融合运动线索和颜色信息的视频序列目标分割算法。首先,设计了一种新的运动轨迹分类方法,利用背景运动的低秩特性,结合累积确认的策略,可以获得准确的运动轨迹分类结果;然后,通过过分割算法获取视频序列的超像素集合,并计算超像素之间颜色信息的相似度;最后,以超像素为节点建立马尔可夫随机场模型,将运动轨迹分类信息以及超像素之间颜色信息统一建模在马尔可夫随机场的能量函数中,并通过能量函数最小化获得每个超像素的最优分类。在多组公开发布的视频序列中进行测试与对比,结果表明,本文方法可以准确分割出动态背景下的运动目标,并且较传统方法具有更高的分割准确率。     

基于分块图像统计特征的红外目标提取

提出了一种基于分块图像统计特征的红外目标提取方法,首先将图像逐步分成越来越小的块,根据块图像统计特征构造函数求其极大值,获得目标的种子区域和包含整个目标的约束区域;然后在约束区域内,将一种快速的区域生长方法用于目标种子区域的生长,最终提取出红外目标。通过对不同目标大小的红外飞机图像的实验,验证了算法的有效性。对算法在TI公司的DSP芯片TMS320VC33 150上实现的时间消耗进行了估算,结果表明可以达到实时提取目标的要求。     

基于视皮层全局感知特征的顽健图像散列方法

提出了一种基于视皮层全局感知特征的感知散列方法,图像首先被低通滤波后缩放成预定尺寸,然后图像分割成依赖于密钥的重叠子图像块,每块根据人类视觉系统主视皮层的层次结构,抽取图像经视觉通道逐层处理后的方向轮廓响应,并与表面颜色信息联合形成视皮层的全局感知特征,这些特征包含了每个图像块的方向、颜色信息,使得相邻系数的关系在通常的图像处理下保持不变,利用这种不变性将所有图像块的特征信息量化、置乱后形成二值图像散列.实验表明提出的方法对JPEG压缩、图像滤波等内容保持操作具有较好的顽健性,同时具有检测恶意篡改的能力,不同图像之间具有很低的共谋概率.     

基于边缘多通道梯度模型的多运动目标检测

针对视频序列运动目标检测易受环境噪声干扰、提取目标轮廓困难的问题,提出了一种基于边缘多通道梯度改进模型的多运动目标检测算法。首先,利用Canny算子获取视频序列中目标的边缘信息,并根据人类视觉色彩的恒常特性,对目标边缘建立时间、空间、颜色多通道梯度模型;然后,利用该模型获取目标边缘像素点的运动状态描述信息,实现背景边缘和运动物体边缘的分离;最后,将间断边缘像素点与其邻域点的运动状态相关联,以连接目标间断边缘,实现运动目标轮廓的提取,并将连接后的轮廓进行形态学处理以分割出目标。实验结果表明,与同类型算法相比,本算法在运动目标检测中具有的实时性、准确性和鲁棒性更好。     

Bayesian salient object detection based on saliency driven clustering

Salient object detection is essential for applications, such as image classification, object recognition and image retrieval. In this paper, we design a new approach to detect salient objects from an image by describing what does salient objects and backgrounds look like using statistic of the image. First, we introduce a saliency driven clustering method to reveal distinct visual patterns of images by generating image clusters. The Gaussian Mixture Model (GMM) is applied to represent the statistic of each cluster, which is used to compute the color spatial distribution. Second, three kinds of regional saliency measures, i.e, regional color contrast saliency, regional boundary prior saliency and regional color spatial distribution, are computed and combined. Then, a region selection strategy integrating color contrast prior, boundary prior and visual patterns information of images is presented. The pixels of an image are divided into either potential salient region or background region adaptively based on the combined regional saliency measures. Finally, a Bayesian framework is employed to compute the saliency value for each pixel taking the regional saliency values as priority. Our approach has been extensively evaluated on two popular image databases. Experimental results show that our approach can achieve considerable performance improvement in terms of commonly adopted performance measures in salient object detection.     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

夜视图像彩色融合中基于谱残差的显著目标增强算法

根据人类视觉系统的特点,提出了一种基于谱残差、可在夜视图像彩色融合中的增强显著目标的算法.该方法在彩色融合过程中,利用谱残差确定显著目标范围,用5×5的像素大小窗口对显著目标进行定位.当像素邻域均值大于图像整体均值时,此像素位于显著目标,用红色凸显目标可达到增强彩色融合图像的目的.实验结果表明,该方法具有较强的稳定性和实用性,增强显著目标的效果较好.     

城市快速路监控视频中的行人检测方法

提出了一种用于检测进入城市快速路中行人的算法,先通过背景自动更新算法确定区域背景,接着利用背景减除法对运动物体进行分割获取场景中的运动目标区域,然后在颜色空间进行肤色检测,得到人脸候选区,再依据人脸形状信息剔除类似人脸肤色的运动物体,从而最后确认视频中运动的行人。实验结果表明,文中方法实时性较好,检测概率较高。     

Validation of 3-D curved objects: CAD model and fabricatedworkpiece

This paper proposes a new method to describe and identify a 3-D curved object for the purpose of validating a fabricated object to the design specification. Curved 3-D objects are, in general, difficult to represent and identify because they lack distinct properties such as edges, planes, or cylindrical surfaces which are the building blocks in representing objects. In this paper, the authors propose to use principal axes of a 3-D object to establish a reference for the representation. A method of obtaining an inertia matrix from a 3-D range image is developed. The unique set of principal axes is obtained from the inertia matrix of an object with an arbitrary 3-D position and orientation, and the object can be described uniquely on these principal axes. On the principal axes, an object is described by a set of features describing the shape of the object such as spine, section size, section orientation, and section contraction. The features are used for comparing two objects for the validation purpose. The authors also propose a direct measure of similarity between two objects as a mean-squared difference of radii. As an experiment, two 3-D object models are designed through a CAD package, and fabricated objects are compared with the designed models for validation purposes