一种提高人耳特征点识别度的目标区域提取方法

对人耳进行特征识别多采用SURF算法,但该算法应用时极易受到图像中非目标区域的干扰,进而影响人耳特征点的检测和匹配准确度.基于目标区域的人耳特征识别算法可以突出目标区,而尽可能地抑制背景区域的影响.针对此问题,提出一种复合图像分割算法—KRM法作为人耳识别的预处理方法,将图像中人耳所在目标区域提取出来.该KRM法分为3步:首先利用k-means聚类算法将图像初步分割为前景目标区域和背景两类;再通过区域生长算法对过度分割的区域进行合并;最后应用形态学腐蚀的方法进行滤波得到人耳所在的目标区域.将KRM目标区域提取和SURF方法联用(简称KRM-SURF算法)应用于50组人耳图像,进行人耳特征点的检测与匹配,实验结果表明,特征点识别度(RD)均值达到0.924,KRM法的使用能极大地提高基于SURF算法的人耳特征识别的准确性.     

基于超像素分类的海天线检测方法

海天线检测是海空背景图像中海面目标提取的一项重要研究内容。根据海空背景图像的特点,提出了一种基于超像素分类的海天线检测方法。该方法首先利用简单线性迭代聚类算法(SLIC)将图像预分割成具有相似特性的图像块,然后提取每个图像块的特征组成该区域的特征向量,利用k-均值聚类算法将图像分成海水和天空两个区域,最后根据海天区域的连接点,采用RANSAC算法确定出海天线直线参数。实验结果表明,该方法可以有效地检测出复杂海天背景下的海天线。     

基于人脸肤色和特征的实时检测跟踪算法

针对实时视频中的运动人体目标,提出一种基于人脸肤色和特征的快速人脸检测和跟踪方法.首先运用帧差法和形状信息检测出视频中的运动人体目标;然后在YCbVCr色彩空间中,根据肤色的色度聚类特性建立Gaussian模型,分割出肤色区域,去除噪声后,结合人脸的几何特征和器官独有的颜色特征滤除非人脸肤色区域,准确定位人脸在图像中的位置;利用控制策略驱动摄像机,根据人脸信息使人的头肩部位始终处于视频图像的中心,从而实现运动跟踪.为了增强系统对光线变化的适应性,提出了适当的Gaussian模型参数更新策略.实验结果表明,该算法能够适应复杂背景下的人脸检测,具有速度快、准确率高、鲁棒性好的特点,实现了运动人脸的可靠跟踪.     

肤色建模和肤色分割的人脸定位研究

为了实现彩色图像中人脸的精确定位,提出了一种基于肤色模型、肤色分割处理的人脸定位算法.通过建立肤色模型计算得到图像的相似度分布图,经自适应阈值的二值化处理后,再进行肤色分割,将非人脸区域去除:最终利用眼睛与嘴巴构成三角形特征结合人脸椭圆模板匹配定位人脸.实验结果表明,该算法对于复杂背景下的彩色图像中的人脸正面定位和人脸转动一定角度后定位都有较好效果.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

基于融合的SAR图像海洋溢油边缘检测算法及MATALAB实现

为准确地提取出SAR图像中溢油区域边缘轮廓信息,提出一种融合分水岭及canny算子的SAR图像边缘检测算法。该算法首先使用形态学重建技术对前景图象进行标记,并进行开关操作,去除边缘无关信息,然后对前景进行区分操作。利用分水岭算法及canny算子较为精确地提取出溢油区域边缘轮廓信息并用MATALAB仿真实验,结果表明,与经典的边缘检测方法相比,该方法在精确定位图像边缘的同时能更精确、更完整地检测出目标的边缘特征。     

利用肤色分割和对称变换实现鲁棒人脸特征定位

提出一种将肤色分割与灰度图像对称变换相结合的有效的人脸特征定位方法.为降低背景和人脸姿态的影响,在传统人脸肤色分割基础上,利用Blob分析及椭圆拟和方法判断并剔除无效区域,并将待选人脸区域初步校正为竖直;直接利用色度信息在待选人脸区域中分割并检测嘴唇;接着,采用灰度图像的对称变换检测双眼的待选位置;以嘴唇和待选双眼的位置为依据,提出了基于人脸几何模型知识的双眼匹配代价函数并利用组合优化方法检测真实双眼;最后,对人脸上其它器官的进行精确定位.实验结果表明,该方法对于头发遮挡、大倾斜角以及眼镜干扰具有较强的鲁棒性.     

基于肤色特征和动态聚类的彩色人脸检测

在人类视觉机制和肤色聚类特性的基础上,提出了一种复杂背景下人脸检测方法。该方法采用K-均值动态聚类分析算法,利用人类肤色特征在输入图像中检测包含人脸的似人脸区作为候选人脸,再用同样的方法对候选人脸区域进行扫描,得到真正的人脸。实验结果表明,该方法的正确检出率达到84%,受背景、光照、角度、姿态的影响很小,具有较好的鲁棒性。     

复杂场景多传感器图像的多目标分割算法

综合应用多传感器图像灰度分布特征和分形维数特征进行目标检测、应用动态边缘演化提取目标轮廓,有效解决了复杂场景多目标分割的难题.首先根据图像的内在属性应用指定直方图进行图像增强,随后分别对可见光图像应用分形维数特征、对红外图像应用最大熵法、对激光雷达图像应用局部阈值法进行兴趣区域提取;再将各传感器图像获得的兴趣区域进行交叉验证,进一步排除背景干扰;最后把经过综合处理的目标轮廓估计作为初始生长曲线应用动态边缘演化技术最终确定目标边缘.对大量的复杂场景多传感器图像测试表明,本文提出的方法较好地保留了目标的形状特征,是一种有效的多目标分割技术.     

复杂背景下的红外目标自动跟踪算法

提出了一种非线性边缘检测和Mean Shift方法相结合的红外目标检测与跟踪算法.采用双窗口算子的非线性边缘检测算法具有计算量小、速度快、图像质量好等优点.在边缘检测后的二值图像基础上,利用改进的Mean Shift跟踪算法实施目标跟踪.该跟踪算法融合了计算目标区域局部标准差的信息;利用灰度值和局部标准差的概率密度函数来描述目标;同时选择核函数级联方式进行目标密度估计,从而弥补了仅用灰度信息描述目标特征的不足.实验结果表明,该跟踪算法检测出的复杂背景下红外目标边缘清晰,并且能够准确地对目标实施自动跟踪.