基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于时域定区间记忆补偿的视频对象分割算法

提出了一种新的基于时域定区间记忆补偿的视频对象分割算法。首先,使用对称帧帧差累计法及帧差图像的四阶矩检测出初始运动变化区域;然后,对检测出的初始运动变化区域通过时域定区间记忆补偿法进行补偿,并进一步整合形成全局运动记忆母板,在空域使用Sobel边缘检测算子较为精确地检测得到当前帧中所有边缘;最后,进行时空融合,从而提取出完整精细的运动对象轮廓并通过填充得到运动对象模板。实验证明了本文算法的正确性和快速性。     

一种改进的变分水平集车辆检测技术

针对传统运动目标检测算法存在适应性差、对噪声较敏感等缺点,提出一种基于变分水平集快速提取边缘模糊运动目标的方法。该算法利用主动轮廓模型进行边缘检测约束,并结合变分水平集方法进行二次演化获得准确的图像分割。实验证明,该方法能够快速准确的分割运动目标,对于复杂环境有较好的适应性和鲁棒性。     

最小类内方差和区域生长相结合的图像分割法

针对视频车辆检测中,光照不均匀、对比度不强的多目标图像分割,提出了一种基于最小类内方差和区域生长相结合的快速阈值分割算法.首先对最小类内方差法进行改进,快速确定差分图像的最佳分割阈值,再用区域生长法分割得到目标.理论分析和实验结果表明,该分割算法不仅适用于简单的车辆图像分割,而且对于复杂的车辆图像也取得了较好的分割效果.该算法计算量小,分割精度有一定优势,有助于下一步的目标识别.     

基于背景分割技术的水面运动目标提取

基于背景分割技术提出了一种复杂背景下水面运动目标提取算法。在算法的第1阶段，采用统计差分图像方法分割出无运动的岸上背景区域，同时获得场景中的运动区域，包括水面及水面运动目标。在算法的第2阶段，根据水面区域在HSI色彩空间中的统计信息，运用基于Mahalanobis距离的决策方法，分析得到运动区域中的水面部分.图像中最后留下的部分即是运动目标。实验表明，该算法能够稳定地实现对水面目标的提取及跟踪。     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

融合SRADPRO和SCM模型的SAR图像分割

将改进后各向异性扩散相干斑抑制算法(SRADPRO)用于合成孔径雷达(SAR)图像相干斑抑制,并和脉冲发放皮层模型(SCM)结合,提出一种自适应SAR图像分割算法.该算法首先计算SAR图像均匀采样区的标准差,并以此评价SAR图像中相干斑的影响程度,进而自适应地决定是否采用SRADPRO进行降斑处理,然后再利用SCM进行图像分割.由于SCM的自动波扩散机理,使得该算法在获得分割后的SAR目标的同时,也得到了目标边缘检测结果.与多种常规算法的比较结果证明了SAR图像分割算法的有效性.     

非均匀光照条件下PCB图像的一种阈值分割方法

针对不均匀光照条件下的PCB图像及其特点,提出了用于消除伪边缘的判别因子,并结合边缘检测与局部阈值分割方法,对图像进行二值化处理.结果显示,与其他已有的几种分割方法相比,该方法有助于得到良好的分割结果,操作算法简单.     

Automatic Video Segmentation Algorithm by Background Model and Color Clustering

In order to detect the object in video efficiently, an automatic and real time video segmentation algorithmbased on background model and color clustering is proposed. This algorithm consists of four phases:backgroundrestoration, moving objects extract,moving objects region clustering and post processing. The threshold of thebackground restoration is not given in advanced. It can be gotten automatically.And a new object region cluster     

抑制船尾拖纹的船舶显著性视频检测方法

运动船舶尺寸等参数的视频检测中,与船体同步运动的水面拖纹干扰会严重影响检测精度.为此,在描述显著性检测机理的基础上,提出了抑制船尾拖纹的船舶显著性视频检测方法:根据颜色对比度直方图得到内河场景的显著图;将原图超像素分割成若干子区域,以区域空间位置关系改进直方图对比度显著性检测结果得到区域显著图;通过该区域显著图初始化GrabCut算法,迭代分割过程中加入腐蚀膨胀操作来逼近目标边缘,从而提取运动船舶.实况视频测试结果表明,该方法能有效地抑制船尾拖纹,准确地检测出内河运动船舶,准确性达到94.6％     

一种基于像素最小距离的视频对象分割算法

随着MPEG-4的发展，视频对象平面分割日渐成为人们所感兴趣的研究课题，为了使所需的视频对象具有更清晰的可视性，视频对象的自动分割就成为关键技术。本文给出了基于统计的自动视频对象分割方法，该方法首先利用统计的方法建立背景模型，然后按照减背景法分割视频对象。同时提出像素最小距离和总体像素最小距离准则来克服由于背景的微小变化而引起的前景对象的错误检测。     

一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

基于信息融合的车道检测算法

提出了一个基于图像区域分割和边缘检测信息融合的车道检测算法,首先在HSV颜色空间内进行基于区域的分割,得到车道边界的模板;接着将车道边界模板和道路边缘检测结果进行操作,得到车道边界点;最后对车道的边界点使用Hough变换进行处理,得到车道的方向和位置.算法将基于区域分割的信息和边缘检测的信息相互补充,提高了车道边界提取的精度.仿真实验结果表明,对于多种复杂的道路环境算法都可以鲁棒的检测出准确的车道.     

火灾视频图像的边缘检测

针对火灾视频图像存在较多噪声的特点，介绍了图像边缘的概念和几种传统的边缘检测算子，对各种边缘检测算子的优缺点进行了分析，给出了一种图像阈值分割与边缘检测相结合的方法.该方法先对火焰灰度图像进行分割，采用阈值迭代算法找到分割的阈值，使火焰与背景分离，然后再应用传统的边缘检测算子.通过利用拍摄的火焰视频图像对传统的算法和给出的算法进行多次试验及图像的对比分析，结果表明，提出的边缘检测方法检测出的火焰边缘在完整性和清晰度上具有更好的效果.     

彩色图像分割在视频跟踪系统中的应用研究

在视频跟踪系统中,图像分割是进行跟踪的前期处理。只有在视频序列图像中有效的分割出运动目标,才能实现后续对目标的准确跟踪。提出一种混合算法,将一种基于灰度直方图的阈值化分割算法应用到了HSI颜色空间上,利用H进行阈值化,在阈值化之前,先根据R、G、B值对像素进行了筛选;文章应用董立菊等人提出的-种基于RGB空间的K均值聚类算法、一种基于灰度直方图的阈值化算法和混合算法,以目标颜色为特征,对彩色图像进行了分割;针对特定的视频跟踪系统,对各结果进行了比较,得出了结论,找出了较优算法——混合算法效果较理想,能够较有效的分割目标,为后续跟踪工作做好了前期处理工作。     

改进的分水岭分割算法在图像分割中的应用

针对基于区域的分水岭分割算法通常存在过分割现象,提出了一种新的分割算法,其分割流程大致为：先求形态梯度图像的浮点活动图像,然后进行分水岭变换,这样边缘定位会更准确;接着使用区域生长法对图像作进一步分割,可以很好地抑制过分割现象,感兴趣的区域也得以保留．实验表明该算法简单有效,能够得到理想的分割结果．     

基于先验动态形状约束的视频目标提取

准确的目标提取是视频监视和视觉合成系统中的基础和关键步骤。然而背景和目标的复杂性通常导致目标难以从背景区分。针对此问题,本文提出了一种针对单摄像机的视频图像的目标提取新算法。首先在马尔可夫随机场的框架下将先验形状约束定义为从分割结果到先验形状之间轮廓变换的距离,并结合目标的检测似然度的信息统一为势函数,再用Graph Cut获取分割的全局最优解;为了反映形变的时空相关性,进而提出基于先验知识的动态形状的概念,用主成分分析将形状映射到低维度的潜变量子空间,并对潜变量变化趋势的建立自回归模型,通过模型预测指导分割过程;同时模型参数和系统状态利用分割结果在线更新。试验表明,该算法能够适应目标的外形变化,并能在目标被部分遮挡或难以从背景区分的情况下准确提取,鲁棒性较好,能够为机器视觉应用提供中级视觉的信息。