一种基于内容的快速视频运动对象分割算法

自从MPEG-4和MPEG-7标准公布以来。基于内容的视频编码与基于对象形状的检索成为视频领域新的发展趋势，而准确地从背景中分割出视频对象是实现上述功能的前提条件。对视频运动对象分割算法进行了研究，该算法结合对称差分和自适应阚值选取，获得变化检测模板，并最终分割出视频运动对象。实验结果表明该算法对运动对象敏感，能实时准确地分割出视频运动对象。但对象的关节运动以及背景的全局运动都将导致分割精度的降低，这也是今后研究的重点。     

一种近似模型表示的启发式Dyna优化算法

针对基于查询表的Dyna优化算法在大规模状态空间中收敛速度慢、环境模型难以表征以及对变化环境的学习滞后性等问题,提出一种新的基于近似模型表示的启发式Dyna优化算法(a heuristic Dyna optimization algorithm using approximate model representation, HDyna-AMR),其利用线性函数近似逼近Q值函数,采用梯度下降方法求解最优值函数.HDyna-AMR算法可以分为学习阶段和规划阶段.在学习阶段,利用agent与环境的交互样本近似表示环境模型并记录特征出现频率;在规划阶段,基于近似环境模型进行值函数的规划学习,并根据模型逼近过程中记录的特征出现频率设定额外奖赏.从理论的角度证明了HDyna-AMR的收敛性.将算法用于扩展的Boyan chain问题和Mountain car问题.实验结果表明,HDyna-AMR在离散状态空间和连续状态空间问题中能学习到最优策略,同时与Dyna-LAPS(Dyna-style planning with linear approximation and prioritized sweeping)和Sarsa(λ)相比,HDyna-AMR具有收敛速度快以及对变化环境的近似模型修正及时的优点.     

基于总体变分修复模型的图像编码

依据总体变分（TV）模型修复图像的特征,提出了一种新型有效的图像编码方法。在图像的编码端,先提取图像的边缘信息,再利用数学形态学对图像中较大平滑区域进行形状滤波分割,要求压缩编码的区域仅是边缘扩展的邻域和分割出的目标区域,从而大大减少了需要编码的信息量。在图像的解码端,采用总体变分模型对编码后的图像进行修复解码。实验结果表明,在较少编码信息量的情况下,能得到很好的重建视觉效果。     

SRDM：支持基于内容检索和图象数据库超关系数据模型

数据模型是实现基于内容查询的图象数据库的基础。在这篇论文中,笔者引入了一种按内容进行图象查询的图象数据库数据模型－ＳＲＤＭ（Ｓｕｐｅｒ Ｒｅｌａｔｉｏｎ Ｄａｔａ Ｍｏｄｅｌ）。该模型将可视特征、语义特征等看作超属性,既充分艇了关系数据库的优点,同时又考虑了图象数据的特点,因而能较好地支持基于内容的图象数据库的查询。     

一种分布式多媒体数据仓库模型

多媒体数据采掘是从大型多媒体数据库中提取高层的多媒体信息及知识。介绍一种分布式多媒体数据仓库模型──ＣＭＳ模型的体系结构及存储结构,并构造了具有综合处理各种媒体数据,能够对这些媒体数据进行修改、查询的军用多媒体数据仓库原型系统。     

一种基于感兴趣内容的图像检索方法

在基于内容图像检索研究中,针对如何提取用户感兴趣的内容以提高检索效果的问题,该文根据用户选择的相似图像自动获取“感兴趣”区域,使用Fisher判别进行区域中“感兴趣”特征分量阈值的动态选择,并以该“感兴趣”特征分量及“感兴趣”区域作为用户感兴趣的内容进行图像检索。试验结果表明了该方法的有效性。     

基于角点采样的多目标跟踪方法

为了跟踪互遮挡的多个目标,提出了一种基于角点采样的多目标跟踪方法。该方法以遮挡发生前的各目标区域中的Harris角点信息为样本,在遮挡发生情况下,采取K近邻分类器对目标区域中提取的角点信息进行分类,以有效区分遮挡在一起的多个目标。在角点特征提取过程中,还提出了双阈值Harris角点检测算法,用于自适应、准确地提取运动区域中角点信息。实验结果表明,该方法能有效区分遮挡在一起,且没有分裂之前的多个目标。     

一种基于ICA的多源图像融合算法

图像融合的要求是尽可能多地融合源图像中的有用信息,并尽量不要把无用信息融合进来。为了尽可能达到这一要求,在分析盲源分离理论的基础上,提出了一种基于独立分量分析(ICA)的图像融合算法。该算法首先对源图像进行预处理;然后对源图像进行ICA分解,并在ICA域对独立分量系数进行融合;最后根据融合系数重建融合图像。实验结果表明,该新提出的算法降低了产生冗余信息的可能性,对多源图像融合是可行有效的。     

基于相变和似然性的多相图像分割方法

Sine- Sinc模型是一种基于材料科学中Modica-Mortola物理相变原理的多相图像分割方法.针对该模型分割结果不完全、易受噪声和亮度不均匀性影响的问题,提出了一个改进的Sine- Exp-Gauss多相图像分割模型.基于Sine-Sinc模型,Sine- Exp-Gauss模型用指数函数代替Sine-Sinc模型的Sinc函数,并从分段常数图像假设推广到高斯分布函数图像假设;模型偏微分方程的数值解采用凸函数分裂方法迭代,获得每个相的局部最优解,同时给出一种标准初始化方法使迭代过程易于收敛到理想局部极小值.与Sine- Sinc模型和偏差矫正模型相比,实验结果证明Sine- Exp-Gauss模型在噪声消除和自偏差矫正方面都更加鲁棒.     

基于改进粒子群算法的图像闭值分割方法

针对图像提取问题,最优阈值选取是否合理对图像分割效果至关重要。在处理不同种类图像区域时,粒子群算法(PSO)由于早熟现象难以准确计算最优分割阈值,因此导致图像分割准确率低。为了提高图像分割准确率且准确地提取出图像目标,提出一种基于混沌粒子群算法(CPSO)的图像阈值分割方法。受益于混沌运行的遍历性、对初始条件的敏感性等优点,CPSO很好地解决了PSO的粒子群过早聚集和陷入局部最优等难题,加快了全局搜索最优解的能力。采用具体图像对CPSO算法图像分割性能进行仿真实验,结果表明,相比于其它图像分割算法,CPSO不仅加快了运算速度,提高了图像分割效率,而且提高了图像分割准确率,非常适合于图像实时分割处理。