用取摄像机定位的单目视觉方法研究

利用单目视觉法确定摄像机相对于被测点的聚焦位置的方法,提出子一种新的能量谱－熵函数图像聚焦锋利性测度评价函数以及新的单目视觉测量方法,即将单目视觉方法中的离焦法和聚焦法结合,进行聚焦位置的测量。并给出了用于摄像机定位的单目视觉离集法和聚焦法的计算模型。实验验证结果证明了算法的稳定性和可靠性。     

基于EM的红外扩展目标鲁棒自动跟踪方法

针对红外视频图像的特点,提出了一种基于期望最大化算法的红外扩展目标鲁棒自动跟踪方法.首先利用局部Top-Hat形态学滤波进行背景抑制和去噪,并通过平台直方图技术突出跟踪区域的红外目标灰度信,g-;然后以考虑了像素空间位置信息的高斯加权直方图建立目标的灰度特征模板;最后通过期望最大化迭代计算来估计出各密度分布的最大似然函数的参数集,并由此确定跟踪目标的位置和形状尺寸.实验表明,该方法不仅实现了跟踪窗口随目标尺寸的自适应变化,而且有效克服了红外图像信噪比低的缺点,提高了红外目标实时跟踪的稳健性.     

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。     

一种基于定时段区域补偿的视频对象分割算法

在传统时空联合算法的基础上,提出了一种基于定时段区域补偿的视频对象分割后处理算法。首先,通过对帧差图像进行噪声抑制和膨胀连接获得变化检测模板;然后,对原始图像进行开闭重构简化,求取形态学梯度,通过对形态学梯度图像进行非线性变换和梯度等级划分并最终由分水岭算法获得对象的精确边界,通过比例运算提取出视频对象的初始二值化模板;最后,通过定时段区域补偿获得最终的完整视频对象模板。实验结果证明了该算法的正确性和有效性。     

基于Snake活动轮廓模型的视频跟踪分割方法

基于Snake活动轮廓模型,采用时空融合的方式,根据短时间内相邻帧的运动趋势差异相似的前提,首先将视频序列分成若干个小段,每段有k帧视频,选取段内的前两帧为关键帧,通过运动检测的方式自动得到这两帧中运动对象的大致区域;然后进行帧内Snake演变,搜索精确轮廓;最后以关键帧间运动对象形心的运动矢量预测勾勒后续帧的初始轮廓,进行帧内Snake精确轮廓定位,从而实现所有帧的视频对象分割。相比于传统方法,本文方法克服了手动绘制初始轮廓的缺点,在空域对Snake贪婪方法进行了改进而且精确度高,速度快。实验表明,本文方法成功地实现了前后帧图像之间运动对象的对应匹配关系,并通过改进后的Snake贪婪方法得到了精确的分割结果。     

基于变化检测和改进的GVF snake模型的运动目标轮廓提取

为了解决当前目标跟踪中目标轮廓提取不精确的问 题,在对传统GVF (gradient vector flow)snake活动轮廓模型改进的基础上,提 出一种基于变化检测和改进的GVF snake活动轮廓模型的视频目标轮廓提取算法。首先,通 过 基于t显著性检验的变化检测方 法消除背景边界的影响,并获取初始运动变化区域的临界四边形作为GVF snake的初始轮廓 。然后,对初始轮廓应用改进 的GVF snake模型以获得精确的轮廓边界。改进模型采用4方向各项异性扩散,并采用下降速 度较快的保真项系数以增强 GVF snake进入凹陷的能力,且保持对弱边界的收敛。本文方法克服了手动绘制初始轮廓的 缺点,对传统GVF snake方法进 行了改进,且空间准确度(SA)有很大提高。实验表明 ,本文方法成功分割出目标凹陷部分并对弱边界有较好的收敛效果,提高了轮廓提取的精确 度。     

基于变化检测和帧差累积的视频对象分割方法

针对目前许多视频对象分割方法中分割边界不精 确、遮挡和不规则运动问题解决效果 不好等问题,提出一种新的视频 对象分割算法。利用人眼的视觉特点,即对运动(时间梯度)和边缘(空间梯度)都特别敏 感,把帧间运动变化检测(时域 定区间帧差累积)和图像的边缘检测结合起来,首先利用t显著 性检验检测对称帧的帧间变化,再对检测出的初始运动变化 区域进行时域定区间帧差累积计算,并进一步整合形成记忆掩膜(MT);然后应用改进的Kirs ch边 缘检测算子较为精确地检测当 前帧中所有的边缘信息,减少MT膜中的残留噪声,并通过时空滤波获得语义视频对 象平面;最终选择性的应用填充及 形态学处理操作,实现视频对象的分割。实验结果验证了本文算法的有效性和准确性。     

基于自适应扩散梯度矢量流的图像分割算法

为了提高活动轮廓分割图像的精度,解决传统活 动轮廓不能够收敛到深凹陷和弱边界对象分割效果不佳等问 题,提出了自适应扩散梯度矢量流(AD-GGVF)算法。首先,在外部力场中,使用基于分量的 归一化方法代替传统的基于矢量的归一化方 法,提高活动轮廓曲线进入深凹陷的能力;然后,将拉普拉斯算子分解为切向和法向分量, 并增加两个互相关的自适应权重 函数,使轮廓曲线能够根据图像的局部特征自适应调节扩散过程;最后,以分割结果的量化 误差为评价标准,和传统的活动 轮廓分割效果进行对比和分析。实验结果表明,本文算法针对两幅不同的弱 边界图像,量化误差分别降低到0.08和0.09,活动轮廓曲线能够收敛到深凹陷的底部;分割 效果较为准确。     

基于特征排列和空间激活的显著物体检测方法

显著物体检测目前在计算机视觉领域中非常重要,如何处理不同尺度的特征信息成为能否获得优秀预测结果的关键.该文有两个主要贡献,一是提出一种用于显著目标检测的特征排列方法,基于自编码结构的卷积神经网络模型,利用尺度表征的概念将特征图进行分组和重排列,以获得一个更加泛化的显著目标检测模型和更加准确的显著目标预测结果;二是在输出...