应用模糊增强及均值漂移实现红外目标分割

针对复杂环境下红外图像信噪比和对比度低,边缘模糊,目标分割困难的情况,提出一种基于模糊增强和均值漂移图像滤波的红外目标分割方法。首先定义新的隶属度函数,运用模糊集理论进行红外图像增强,避免了传统模糊增强算法的弊病,有效提高目标与背景的对比度;之后利用ICI（交叉置信区）规则确定均值漂移的带宽参数,提出一种新的自适应带宽均值漂移图像滤波方法,实现图像的进一步平滑和聚类;最后利用自适应阈值实现红外目标分割。实验结果表明,算法能够正确有效地分割出复杂环境下的红外目标,并且很好地保持了目标的轮廓细节。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

能量累积与均值漂移聚类结合的红外小目标检测方法

研究红外图像中弱小目标的检测问题,提出了一种基于能量累积与均值漂移聚类的红外小目标检测方法。首先利用滑动窗口处理实现图像序列中目标能量积累,去除图像中的随机噪声,提高信噪比;然后选用不同尺度的核带宽对原始图像进行两次均值漂移聚类滤波,将两次滤波所得的图像灰度进行差分来实现背景抑制,提高目标与背景的对比度;之后根据图像的统计特性确定阈值,用门限分割方法提取目标区域,实现候选目标的准确定位;最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标。该算法通过选用不同尺度的核带宽进行聚类来得到目标及背景图像,背景抑制的同时也滤除了噪声。实验结果表明,该方法能快速有效地提取复杂背景条件下的红外小目标。     

基于局部对比度背景估计的红外小目标检测方法

为缓解复杂背景对红外小目标检测任务的干扰,提出一种新的红外小目标检测方法.该方法将背景估计与局部对比度相结合,以提高算法的检测性能.提出了一种更适合于小目标检测的双层均值最大化背景估计算法,以获得更准确的基准背景值.在原始图像和估计背景之间提出了比差联合局部对比度度量方法,可以在增强目标的同时抑制各种类型的复杂背景.通...     

一种稳健的移动机器人目标跟踪算法

为了有效地实现复杂环境下机器人运动目标跟踪,提出了一种结合卡尔曼滤波和均值漂移的目标跟踪算法.该算法首先通过帧间差法在复杂背景中获取目标模型,以机器人自身一个周期的运动作为卡尔曼滤波器的输入量,以卡尔曼滤波器的估计值作为均值漂移算法的启动点,再利用均值漂移算法得到最终目标位置,最后通过目标遮挡判定来解决遮挡问题.实验表...     

空间相关背景加权直方图均值漂移目标跟踪

针对传统的基于直方图的均值漂移跟踪算法, 当目标出现于复杂跟踪条件时, 因无法显著区分颜色相近的目标或背景而导致跟踪失败的问题, 提出一种基于空间相关背景加权直方图的均值漂移跟踪算法, 并给出了推导过程. 实验结果表明, 该算法通过在目标模型中减少背景显著特征来增强目标定位, 能在遮挡、光照变化等复杂情况下实现有效的目标跟踪, 改善了传统均值漂移算法中模板不能及时更新等方面的局限性.

     

基于均值漂移的多目标被动连续跟踪算法研究

本文基于均值漂移方法设计了一种新的多目标被动连续跟踪算法.该算法分为两部分:先是对采集到的多目标图像进行预处理,包括灰度化、消噪和背景抑制三项工作,从根本上提高目标图像本身的质量;然后融合特征提取和目标检测步骤,利用均值漂移算法实现对多目标物体的检测与跟踪.仿真实验结果表明,与几种典型跟踪算法相比,应用基于均值漂移的算法后,多目标跟踪误差更小,其跟踪结果的平均偏差最大值仅为1.61 m,且跟踪响应耗时最大值仅为900 ms,证明其能够实现对运动目标的准确、可靠跟踪.     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.     

基于均值漂移算法和粒子滤波算法的目标跟踪

将均值漂移算法和粒子滤波算法分别做出改进后进行有效结合.在非遮挡和不严重遮挡情况下,采用改进的均值漂移算法,在严重遮挡情况下,采用改进的粒子滤波算法,并在遮挡结束后验证正确的跟踪是否得到恢复.提出有效的分块检测遮挡算法,遮挡期间颜色模板不更新.实验结果表明该算法具有较好的实时性和鲁棒性,能有效实现复杂场景下的目标跟踪.     

基于背景提取和扩展均值漂移算法的目标跟踪

通过在静态背景模型下利用自适应背景提取和扩展均值漂移算法相结合的方法对人机交互式的目标跟踪作了进一步的改进。首先利用自适应的背景提取算法从带有运动目标的复杂背景中构建背景图,并提取出运动目标轮廓。在跟踪模块,在均值漂移算法的基础上加入协方差得到的扩展均值漂移可以很好地解决传统均值漂移算法在跟踪过程中因为目标的形状或大小改变而导致跟踪的框架偏离目标的问题。实验结果表明,该算法能够较好地实现自动、实时、较准确的跟踪目标效果。     

基于免疫优化形态学滤波器的癫痫棘波检测方法

针对癫痫棘波形状尖锐、尺寸多变和瞬态出现的特点,提出了一种基于免疫优化形态学滤波器的棘波检测方法。该方法根据棘波形态特征选择三角形作为结构元素,采用级联开闭 - 闭开的平均组合滤波器运算消除统计偏倚,利用免疫优化算法选择结构元素尺寸,构造兼顾棘波突出程度与背景噪声抑制能力的亲和度指标,在免疫迭代过程中获得最优的结构元素,实现了棘波的自动提取。与人工选择的结构元素运算结果进行比较,棘波相对于背景脑电更加突出,信噪比明显提高,取得了较好的棘波检测效果。     

基于背景重建的运动目标检测与阴影抑制

提出了一种静止摄像机条件下的运动目标检测和去除阴影的方法。该方法采用以图像亮度和能量大小为判断依据的分块背景重建方法来快速更新背景,并结合背景相减法,网格化连通域检测,形态学滤波等步骤来检测和提取运动目标,同时运用边缘检测获取阴影边缘信息,并结合形态学运算来去除阴影区域,恢复出完整物体目标。实验结果表明,该方法能够有效地检测出运动目标和抑制阴影。     

基于多结构形态学的港口船舶检测方法

针对港口监控摄像机与船舶目标距离远,船舶目标成像小,海面噪声干扰大等特点,采用一种基于多结构元素形态学滤波的背景抑制算法.根据船舶的几何特征,采用多组结构元素的加权形态学滤波,将船舶目标与海面背景分离,然后利用基于邻域的自适应快速中值滤波滤除脉冲噪声,最后根据海面杂波在帧间运动不连续且面积较小等特点,利用连通域计算建立船舶的形态特征模型,来排除海面杂波对船舶检测的干扰.实验结果证明,该检测方法在实际港口获取的视频中,可以有效的抑制背景噪声和海面杂波,快速的检测出船舶目标.     

低对比度红外图像点目标运动检测方法

对于背景对比度较低的红外图像,若点目标的亮度不明显,加上探测器噪声的影响,很难分辨出红外图像中处于运动状态的点目标.为了解决这一问题,对探测器采集的相邻2幅图像进行基于灰度峰值与傅里叶相位相关算法的图像配准,计算出2幅图像之间的相对平移量;通过对2幅图像的重叠区域进行差分绝对值、高斯低通滤波及二值化运算;分离出运动的点目标.实验结果表明:检测方法可以有效地检测出低对比度红外图像中的运动点目标.     

一种有效的基于时空联合的视频对象自动分割新算法

针对具有复杂背景的视频序列中运动物体的分割问题,在利用Canny算法将空间边缘信息结合到基于变化的分割技术的基础上,提出在预处理阶段对视频序列的灰度图进行局部对比度增强处理,以增加前景物体与背景对比度的观点,首先解决了许多视频分割算法都存在的对比度较低带来的分割困难问题,同时通过设计3×3模板的滤波器来滤除对比度增强之后引入的少量噪声;然后针对复杂背景的情况,设计了一种视频对象自动分割新算法,该算法利用随机信号的统计特性累计得到算法所需的背景来实现背景信息的自动获取;最后利用背景累积过程中分类讨论的观点,解决了物体停止运动时间较长时造成分割丢失的问题。实验结果表明,该算法可以有效地将运动物体从视频序列中自动地分割出来。     

基于Gabor滤波器的棉花杂质检测算法

棉花杂质检测方法对于提高织物质量和降低生产成本具有重要意义。针对工业环境中非均匀光照条件下的棉花图像设计基于Gabor滤波器的杂质检测算法,依据Otsu法和形态学滤波将图像分割为前景区、背景区和交界区,然后在图像前景和背景区域内分别使用Gabor滤波器提取图像的纹理特征。设计一种针对Gabor滤波输出的自适应阈值分割算法,结合形态学滤波和连通域分析检测出棉花中的杂质。实验结果表明,本文算法有效地消除了由于光照条件造成的干扰,可以精确地检测出棉花中常见的各种杂质。     

轨道视觉检测系统中行程编码的应用研究

利用行程编码针对背景冗余计算的优化特性与交、并简便运算特点对二值图像形态学膨胀算法进行优化,并提出基于行程编码优化的形态学膨胀算法。利用算法对轨道轮廓二值图像进行形态学膨胀处理;依据优化前后的图像处理结果和速度进行对比分析。该算法能去除边缘毛刺与断线现象;轨道轮廓单帧图像经过优化处理后的速度提高5倍,轨道视觉检测系统的检测精度可提高到20点/m。     

一种红外目标图像的自动分割方法

针对红外成像制导过程中运动目标的分割，提出了一种红外目标图像的自动分割方法，它首先对目标红外图像进行多尺度形态滤波，消除背景和杂波的影响同时增强目标的对比度，然后采用连接相对熵准则确定区分目标和背景的最佳门限，最后对得到的二值图再进行形态滤波，得到精确的目标分割图像。实验结果表明该方法效果良好，便于下一步的目标识别和跟踪。     

基于自适应特征融合的粒子滤波目标跟踪算法

提出了一种基于自适应特征融合的粒子滤波跟踪算法,用于解决传统的粒子滤波跟踪方法在复杂背景下容易跟踪失败的问题。该算法选取颜色特征和边缘特征来描述目标,并通过粒子滤波进行特征融合,根据可靠性因子调整各特征的权值系数;在跟踪过程中,随着目标自身形变,自适应更新目标模板。实验结果表明,在复杂背景下以及受到遮挡时,本算法能够准确稳健地跟踪目标。     

融合多线索的目标跟踪

提出把目标的表观信息和目标的运动信息融合起来跟踪的一种方法，使用直方图来描述目标的表观信息，用背景配准来检测目标的运动变化，把通过这两种信息分别获得的定位融合起来得到目标定位，然后采用扩展卡尔曼滤波，实现有效的目标跟踪。该方法克服了在目标较小时，使用表观信息跟踪不稳定的缺点。实验结果也证明了在目标被部分遮挡，目标在像平面由小到大过程都能够稳定跟踪。