结合W4算法和LBP模型的运动目标检测方法

针对传统W4背景模型算法无法消除运动目标阴影的问题,提出了一种有效消除阴影的运动目标检测算法。首先,给定背景初始帧,用传统W4算法计算出每一个像素点的最小灰度值、最大灰度值以及最大相邻帧间差分值;其次,对每个像素点提取的最大灰度值和最小灰度值进行线性加权;之后结合能抵抗阴影影响的改进的LBP纹理特征,采用类似混合高斯背景模型原理的思想提取多个运动目标检测背景模型。精简提取得到的LBP纹理的种类,减少计算量,以达到实时性的要求。实验结果表明,该算法与同类算法相比更有效地去除阴影对运动目标检测的影响,也满足实时性的要求。     

低频振动对星敏感器成像影响分析

航天器高速飞行产生的不规则振动会对捷联方式安装的星敏感器星图成像过程带来负面影响.为了提高星敏感器星图成像质量,补偿不规则振动对星图成像带来的图象失真问题,通过采用点扩散函数理论描述运动成像过程,从成像机理角度分析了振动对星图成像的影响,利用该理论分析结论仿真得到了不同振动形式影响下的星图.结果表明:星敏感器成像过程受到环境振动影响会产生拖尾、扩散、旋转等现象,为星敏感器的减震设计和星图还原与提取提高了参考.     

基于光照影响因子的动态Niblack算法研究及应用

为解决钢板喷印字符图像存在的字符拖尾和光照不均匀导致的字符图像二值化效果差的问题,提出一种基于光照影响因子的动态Niblack算法。在Niblack算法的基础上引入光照强度项,降低光照不均匀带来的影响;定义灰度阈值中各项的动态系数,减少目标点和背景点的误判,获得良好的二值化效果;结合Otsu算法得到全局阈值,以全局阈值对算法的灰度阈值进行修正,加强二值化图的局部联系,提升二值化字符的连贯性。通过与Niblack、Sauvola等多种算法的对比,验证了该方法的可行性。     

背景分割和阴影检测算法研究

在基于视觉检测方式的泊位自动引导系统中,从序列图像中提取泊位飞机,检测泊位飞机的阴影区域,是泊位系统实现的关键。基于高斯混合模型的背景分割算法被广泛应用于静态背景分割中,但是该算法在处理高分辨率图像时,算法实时性显著下降;分割体积大而且运动缓慢的物体时,容易产生"拖尾"现象;不能检测出运动物体的阴影区域。为此提出了基于分层图像的改进高斯混合模型背景分割算法,有效地克服了算法实时性差和"拖尾"现象。在此基础上,提出了基于色彩特征和区域特征相结合的阴影检测算法,利用部分空间约束信息,检测出运动物体的阴影区域。实验结果表明了该算法的有效性和实用性。     

基于动态感兴趣区域车道线分段拟合算法

提出实时视频中基于动态感兴趣区域及分段拟合的车道线的检测算法,动态调整感兴趣区域(ROI),缩小处理空间。采用大津算法(OTSU)动态提取感兴趣区域灰度阈值,并将该值作为多梯度Sobel边缘检测中的灰度阈值以提高边缘检测精度,利用改进的并行快速细化算法骨架化边缘图像,利用基于广度优先最短路径算法去除毛刺,最后再将图像划分近景和远景区域。在不同区域,采用直线或者曲线分段拟合,提高拟合精度。模拟实验结果表明,背景不太复杂时,一帧图像处理时间约为15ms;而背景较复杂时,处理时间约为35ms,能满足实时性。     

基于运动补偿的视频预处理算法

针对预处理算法易在空域产生边缘模糊和在时域产生拖尾等图像扭曲现象,提出一种基于运动估计的时域滤波预处理算法。该方法通过运动补偿技术将时域滤波映射到空域进行处理,有效地去除视频序列时域不相关的细节信息,避免空域模糊和时域拖尾,达到降噪和提高编码效率的目的。实验结果表明,在同等视频质量PSNR下,该预处理算法较预处理前可降低编码码率12％-32％,同等码率下视频序列的平均PSNR值比使用空域预处理方法高4dB～9dg。     

基于B-样条曲线暗通道的图像去雾算法

针对暗原色去雾算法在高亮背景图像中出现光晕（Halo）效应的问题,提出一种基于B-样条曲线加gamma（γ）修正透射率去除Halo效应的算法。通过分析暗原色透射率图像的统计直方图,得出Halo效应的产生是由于HE算法透射率直方图中低灰度值占比较大,因此需要对直方图低灰度包络进行修正。寻找直方图中第1个低灰度波峰,在2个波谷间进行子区间分割,并以区间边界点作为样条区间节点计算三次样条曲线,以拟合低灰度包络。基于透射率图中修正位置对修正结果的关键性作用,采用改进的大津法从横向和纵向两个维度对透射率图进行分割,以确定修正区域,实现精准补偿,提高抗噪性能。根据不同雾图选择合适的γ修正系数修正拟合的灰度包络并对图像进行还原,验证不同修正系数对结果的影响。实验结果表明,当修正系数γ>1.5时,Halo效应能被有效减缓或消除,与HE算法相比,该算法的对比度、信息熵最大可分别提高10.1%和9.9%,算法并行度可达到M或N级。     

基于动态感兴趣区域车道线分段拟合算法

提出实时视频中基于动态感兴趣区域及分段拟合的车道线的检测算法,动态调整感兴趣区域（ROI）,缩小处理空间。采用大津算法（OTSU）动态提取感兴趣区域灰度阈值,并将该值作为多梯度Sobel边缘检测中的灰度阈值以提高边缘检测精度,利用改进的并行快速细化算法骨架化边缘图像,利用基于广度优先最短路径算法去除毛刺,最后再将图像划分近景和远景区域。在不同区域,采用直线或者曲线分段拟合,提高拟合精度。模拟实验结果表明,背景不太复杂时,一帧图像处理时间约为15ms;而背景较复杂时,处理时间约为35ms,能满足实时性。     

基于高斯背景模型的红外人体运动目标检测技术

针对红外监控中人体运动目标的空洞和拖尾问题,提出了一种基于高斯模型的运动目标检测方法。首先,介绍了红外图像的预处理;其次通过与其他经典的人体运动目标检测算法比较与综合,引入高斯模型,建立背景图像的自适应模型。该种模型主要使用了拟合修正的方法处理了红外监控背景图像中的差分信息,过滤图像中的噪声等相关外部环境干扰因素,从而更新红外图像中的背景信息,提高了红外监控系统图像中人体运动目标的检测清晰度,并进一步提高了红外监控图像的精度。同时,还对该方法进行了必要的仿真实验。仿真结果表明,提出的方法可以准确地检测红外监控图像中的人体运动目标,较好地避免了人体运动速度过快或过慢所产生的拖尾或空洞现象。     

一种新型移动物体检测及背景建模系统

帧差法和背景减除法是目前应用较广的移动物体检测方法。针对背景建模中经常出现"拖尾"现象,结合帧差法提出了一种新的移动物体检测系统,并就该系统的可扩展性进行了深入分析,提出了一种实时帧保存算法。实验结果表明,该系统可以很好地抑制"拖尾"效应,并为其他算法在该系统上的应用提供了更好的基础条件。     

归一化互信息量最大化导向的自动阈值选择方法

当前景或背景的灰度分布呈现为非正态分布特征时,比如极值、瑞利、贝塔或均匀分布,将所选阈值与最优阈值之差控制在10个灰度级内并非易事.为了在统一框架内处理不同灰度分布情形下的阈值选择问题,提出了一种归一化互信息量最大化导向的自动阈值选择方法.该方法先采用多尺度梯度乘变换规范化输入图像,获得具有单峰长拖尾灰度分布的规范图像;然后对不同阈值对应的二值图像进行轮廓提取,获得不同的轮廓图像;最后计算规范图像和不同轮廓图像之间的归一化互信息量,并以最大值对应的阈值作为最终阈值.在具有不同灰度分布模式的9幅合成图像和59幅真实世界图像上,将提出的方法和1种人工阈值方法及4种自动阈值方法进行了比较.实验结果表明,提出的方法虽然在计算效率方面不优于4个自动方法,但在分割的适应性和精确度方面优势明显:对前述不同灰度分布情形,其所选阈值与最优阈值之差都在9个灰度级内.     

结合全局概率密度差异与局部灰度拟合的超声图像分割

由于超声图像具有高噪声、低对比度、边缘模糊不清等特点, 超声图像的分割成为图像处理领域中一个难度较高、亟待解决的问题. 本文提出了一种结合全局概率密度差异与局部灰度拟合的主动轮廓模型对超声图像进行分割的方法. 该方法分别在原始超声图像与预处理图像上利用了图像的全局和局部信息. 在原始图像上, 利用各区域的灰度分布, 并结合超声图像的背景知识对图像的全局信息建模. 为了考虑图像的局部信息, 首先对图像进行预处理, 在预处理图像上, 利用局部灰度拟合模型对图像中的局部信息进行建模. 通过分别在不同图像上对全局和局部信息建模的方式, 本方法将利用Speckle噪声与去除Speckle噪声的分割思想结合在一起. 本文提出的方法分别在模拟和临床超声图像上进行了实验. 实验结果证明, 该方法对图像中的噪声具有较好的适应性, 并对初始条件不敏感, 可以准确地对超声图像进行分割.     

利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。     

一种改进的图像色彩迁移方法

传统色彩迁移方法的迁移效果依赖于主观评价,且应用局限性大。为此,提出一种改进的图像色彩迁移方法。通过亮度拟合、分类筛选等操作从多幅源图像中选出与目标图像最匹配的参考色彩区域,针对彩色图像,采用隶属度概率进行平滑处理,利用参考色彩区域的颜色分量均值和方差,计算迁移合成值。针对灰度图像,对颜色分量进行归一化处理,划分灰度等级,引入Sigmoid加权实现迁移合成。实验结果表明,改进方法在视觉效果和客观评价方面都有较好的表现。     

PCNN在指纹图像分割中的应用

提出了采用新型的有生物学依据的人工神经网络-脉冲耦合神经网络（PCNN桺ulse Coupled Neural Network）来实现指纹图像分割的方法,选取低灰度值背景、高灰度值背景指纹图像以及带阴影的指纹图像进行分割实验,有效的实现了指纹图像有效区和背景区的分离,并与传统的标准差阈值跟踪法进行了比较,试验表明这种方法具有更好的效果。     

基于微粒群算法的二维最大熵图像分割方法

该文研究了基于二维最大熵的图像分割方法,针对二维最大熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于微粒群算法的二维最大熵图像分割方法.该方法运用微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值对作为阈值进行图像分割.实验结果表明,由于该方法考虑了点灰度和区域灰度均值,且采用了离散的全局搜索算法,所以不仅得到了令人满意的分割效果,而且大大的提高了计算速度,是一种实用有效的图像分割方法.     

云的自适应阈值检测方法

为确保夜间自动拍摄的星空观测图像不受云污染,须对低亮度和对比度不均的夜空图像进行检测。考虑现有云检测不准和检测精度低等问题,文中对大量样本统计分析,发现星体邻域出现云的概率低,密集星体区域出现云的概率也低。根据先验概率建立了一个自适应阈值模型,即不同图像所用阈值由模型根据星云局部背景自动计算调节。通过随机抽取以月为周期的一系列星空图像,分析其天空背景,证明该自适应阈值的变化与整体图像背景灰度的变化趋势相吻合。实验结果表明本文方法对夜空云检测准确度达95%以上,较文中对比的算法有很大提高,并投入实际应用。     

基于统计高斯拟合的圆形光斑中心定位方法

针对二维高斯曲面拟合算法定位精度不高的问题,提出一种基于统计高斯拟合算法,可用于圆形光斑中心的高精度定位。结合二维高斯曲面的分布特性,对圆形光斑的灰度分布进行分析,指出了在对圆形光斑灰度拟合时需对光斑像素点进行有效筛选,避免因光照或噪声等带来的拟合误差。针对有效圆形光斑像素点的筛选方法进行了研究和分析,提出一种简单有效的方法。该方法根据边缘检测算子得到圆形光斑边界,再利用形态学算法对圆形边界点进行扩充,得到圆形光斑的扩展边界。结合圆形光斑目标区域灰度信息和非光斑背景区域灰度信息,利用统计学方法进一步筛选,获得了最终光斑灰度拟合像素点。与传统的高斯曲面拟合算法相比,仿真实验、运行时间测试实验和实物实验验证了该方法的优势。该方法能有效应用于工业领域圆形光斑中心定位中,具有很好的实际应用价值。     

Threshold selection using quadtrees

A simple class of piecewise constant approximations to an image is constructed as follows: start with the entire image, subdivide it into quadrants if its gray level standard deviation is high, and repeat the process for each quadrant. This yields a decomposition of the image into blocks, each having low standard deviation, so that each of them can be approximated by a constant value, namely, its mean. The histogram of this approximated image tends to have sharper peaks than that of the original image since the block averaging reduces the variability of the gray levels within homogeneous regions. A possible way of further improving the histogram is based on the fact that small blocks tend to occur near region borders; thus, suppressing these blocks should tend to deepen the valleys on the histogram, making threshold selection (to separate regions of different types) easier. Conversely, the histogram of the small blocks only represents a population of pixels near region borders, and if there are only two types of regions (e.g., objects and background), the mean of this histogram should be a useful threshold for separating them; but in practice, this method is not very reliable since background fluctuations also give rise to border pixels.     

基于区域合并的灰度图像目标分离

针对背景模糊的灰度图像中目标物体往往难以分离出来的问题,文章采用基于区域生长的形态学分水岭算法获得模糊图像中的物体边界,然后针对分水岭变换后所获得的子区域的灰度值参数及所处位置特性,将每个子区域类比成3D地图表面的一块平原,采用类似山地斜坡平滑的思想将子区域逐渐合并,最终将目标从灰度图像中分离出来。实验表明该算法能准确的将较为模糊的灰度图像中的目标和背景分离。