一种改进的图割目标分割算法

为了减少图像目标在分割过程中受到噪声、复杂背景等因素的影响,将图像的多特征信息引入到图割算法中,提出了一种结合图像的多特征信息图割目标分割方法。该方法先选取像素点的多种图像特征组成特征向量,并对已做好标记的目标和背景种子点的特征向量分别进行FCM聚类,然后分别计算各像素点与这两类种子点的各聚类中心的最短欧式距离,并据此信息完成对能量函数的构造,最终运用最大流/最小割的方法得到图像分割的结果。其与传统图割算法相比,分割结果有了明显改善。实验结果表明,该算法具有有效性。     

一种改进码本的运动目标检测方法

针对运动目标检测中存在的阴影及背景噪声和树枝摇摆等问题,提出一种改进型码本模型检测方法。该方法对YUV空间分通道进行处理以解决阴影问题,针对干扰和噪声等影响,在背景差分图像的基础上,对视频帧进行二维网格区域划分,然后再对各个区域进行处理。与原始码本算法及经典检测方法的对比实验表明,该算法检测效果更好,并能满足实时检测需要。     

基于协方差矩阵的复杂背景中目标检测

在视频的运动目标检测中,有很多经典方法,但是大部分都不能完整地从复杂背景中检测出运动目标。提出了一种运动目标检测的新算法——协方差矩阵算法,它集成了像素级和区域级2种不同的层次。在像素级中,空间的属性主要来之于像素的坐标值、亮度、纹理和梯度等。在区域级中,通过计算一个像素周围矩形区域的协方差矩阵来表示像素间的特征相关性。实验结果表明,该方法具有较强的鲁棒性,明显优于传统的目标检测算法。     

基于改进水平集方法的粘连细胞分割

传统水平集方法对粘连细胞分割效果差,同时在分割过程中需要不断地重新初始化水平集函数。为了解决传统水平集方法在粘连细胞分割上的不足,提出了一种基于颜色特征的水平集方法。该方法将能够约束水平集函数与符号距离函数之间偏差的变分公式作为内部能量项,从而无需重新初始化水平集函数;把结合图像颜色特征信息的能量函数作为模型的外部能量项,以改进粘连细胞的分割效果。实验结果表明,该方法能有效地分割粘连细胞,算法实现比较简单。     

基于稀疏表示的超分辨率图像重建

针对单幅低分辨率图像的超分辨率重建,提出一种基于稀疏表示的改进算法。通过联合输入低分辨率图像块和对应生成的高分辨率图像块,求解其在高低分辨率字典对上的稀疏表示系数,再将系数与高分辨率字典结合,修正输出的高分辨率图像块。仿真实验表明,文中提出的算法有效提升了重建图像的质量。