基于高阶鲁棒主成分分析的视频前景与背景分离

运动目标检测的发展历史由来已久,出现了基于均值方法、中值方法、直方图方法和高斯混合模型等各种检测算法。然而,这些目标检测方法往往未考虑图像背景之间的时间相关性以及前景对象内的空间连续性,也未考虑视频中的其他结构信息。采用微观视角,将目标视频中每个帧像素的张量化进行了扩展,即将原始图像的像素邻域扩展为一定阶数的数组。因此,原始图像转化为了一个形式上的高阶图像。所提出的模型旨在应用于诸如视频前景背景分离等任务,以增强图像算法的有效性。

基于高斯混合模型的空间域背景分离法及阴影消除法

运动检测和背景分离技术是智能视频监控系统中的一项关键技术。由于目前广泛使用的高斯混合模型背景分离法是在像素域的时间尺度上对像素进行分类,因此常常造成误判,且无法解决阴影问题。为解决此问题,提出了一种空间域上的背景分离法。该方法首先将像素检测从像素域拓展至空间域的局部窗口内;然后在得到前景点集后,再将此空间域检测思想结合像素亮度特征运用到阴影消除中;最后,对经典模型的部分参数估计方法进行了修改。相关的实验结果证明,该方法可用于提高背景分离的检测精度和实现运动物体阴影消除。

基于矩阵分解的背景分离算法在油气井可视化检测中的应用

针对VideoLog可视化测井系统在油气井检测过程中遇到水中有较多漂浮物,影响对井壁的观测的问题,介绍了基于矩阵低秩稀疏分解的背景分离法,对VideoLog可视化测井系统录制的视频所组成的观测矩阵进行低秩稀疏分解,分离出的低秩矩阵和稀疏矩阵分别对应于视频背景和水中漂浮物。对背景图像序列分别进行中值、均值和众数处理,该方法去除了水中的漂浮物,获得质量较高的背景图像,有效解决油气井可视化检测过程中遇到水中漂浮物较多而影响观测的问题,为管柱问题检测的定量分析提供依据,增强VideoLog可视化检测的功能。

王维田园诗歌中空山意象的图形——背景分离分析与研究

长期以来,王维(AD701-761)田园诗歌中的意象是文学评论的焦点之一。但以前的研究大多都是从历史文化的角度出发,过分地强调意象的情感功能,将意象视为一种叙事技巧,在其田园诗歌中主要起到象征和暗示的作用,而忽略了从认知语言学角度去考察其田园诗歌中的意象的认知功能。本文将应用用图形——背景分离理论,对于"空山"意象在诗篇中的认知功能加以描绘,并分析意象如何在同一诗歌文本中同其它意象发生互动,从而形成图形——背景分离模式,并构成王维诗歌的"以画入诗"的整体布局。

基于3D体素增强和3Dalpha背景分离的多发性硬化症病灶分割方法

目的:提出一种用于T_(1)加权像、T_(2)加权像和流体衰减反演恢复(Flair)磁共振图像的多发性硬化症(MS)病变分割方法。方法:首先基于3D图像增强技术,将高强度MS病变区域与其他组织区域区分开来。然后利用假阳性降低方法,去除一些强度和密度不均匀的假阳性目标区域(VOI),并利用颜色分割法去除白质之外的VOI。最后利用彩色MR技术生成3个区域,以便细化分割MS病变。结果:在CHB数据集上进行测试,得到真阳率均值为0.48,Dice相似系数均值为0.52。结论:该方法能够有效去除噪声及其他无关非病变组织,并能准确识别并分割MS病变,该方法的有效性、准确性能为后续的MS分割技术分析提供依据。同时为MS病变的预防治疗、病情跟踪提供客观、方便的诊疗方法。

基于CNN与图像前背景分离的显著目标检测

为了解决计算机视觉模拟人眼的视觉机制,显著性目标检测DSS(Deeply Supervised Salient)在某个场景中人眼首先观察到的目标。基于卷积神经网络和图像前背景分离算法,通过神经网络模型进行训练得到显著性的粗粒度图,然后将得到的粗粒度图通过图像前背景分离得到显著性的细粒度图,即最终的显著性目标图。基于卷积神经网络(Convolutional neural network)和图像前背景分离(image matting)方法进行实验,结果表明,在广泛测试的显著性目标数据集上得到的测试结果F值与MAE分别是0.96和0.03,说明基于卷积神经网络和图像前背景分离的显著性目标检测方法能够有效检测图像中显著性目标,在准确率和细节方面效果很好。

浅谈Photoshop CS背景分离技术

本文阐述了Photoshop CS中几种工具和菜单命令的用法,并用图例重点展示了几种典型分离图例背景的方法。

水下主动激光扫描系统中光场记录及散射背景分离研究

传统水下主动激光扫描系统采用普通相机对反射光接收记录,反射激光点被掩埋在背景噪声中无法分离,影响成像质量。该文在水下激光主动扫描成像系统中采用光场相机记录了包括激光反射光线和各种散射背景杂光的位置和方向信息,为抑制散射背景杂光提供了可能。在后续光场记录图像处理中,首先,对记录的光场图像进行前后两次重聚焦,第一次是对激光照射到物面激光光点的重聚焦,第二次是对激光光点前景散射光的重聚焦,再对两幅图像进行差分处理;提出一种计算机自动判断流程,使得差分所得图像上激光点的衬度最大,或足够大。实验结果表明,上述方法可以达到较好的散射背景抑制作用,是对现有同步扫描主动激光成像系统空间分离散射背景抑制技术的必要补充。

基于广义非凸鲁棒主成分分析的视频前背景分离

针对基于传统鲁棒主成分分析的视频前背景分离的精度不高的问题,提出了一种新的广义非凸鲁棒主成分分析(GNRPCA)模型。该模型分别采用广义核范数和广义范数来代替鲁棒主成分分析模型中的秩函数和l0范数,以解决现有鲁棒主成分分析模型存在的对秩函数和稀疏度函数的替代函数过惩罚而导致逼近程度不佳的问题。然后采用交替方向乘子法(ADMM)对提出的GNRPCA模型进行求解。最后,将该算法用于视频前背景分离,进行仿真实验并对实验结果进行分析。实验结果证明提出的算法的平均F-measure值为0.589 2,相对于截断核范数算法提高了13%以上,比其他的基于鲁棒主成分分析的视频前背景分离算法更具有优越性和有效性。

改进的截断核范数及在视频前背景分离中的应用

视频前背景分离的主要目的是从视频中提取感兴趣目标,但是由于噪声、光照变化等的影响使其仍是计算机视觉等领域最具有挑战性的任务之一。截断核范数(truncated nuclear norm,TNN)算法是一种经典的鲁棒主成分分析(robust principal component analysis,RPCA)算法,被广泛地应用于视频前背景分离。但是,该算法中的截断核范数对传统鲁棒主成分分析中的秩函数逼近度不高,导致其稳定性不强,对一些复杂场景下的视频前背景分离精度不高。针对该问题,本文提出了一种改进的截断核范数(improved truncated nuclear norm,ITNN)算法。该算法首先采用非凸γ范数替代TNN模型中的核范数,并分析了相对于核范数而言,非凸γ范数对秩函数具有更高的逼近度,同时提出了该算法所对应的模型;其次,为了求解提出的模型,本文引入了广义交替方向乘子法(generalized alternating direction method of multipliers,GADMM)对该模型进行求解;最后,将提出的ITNN算法应用于多个公共视频的前背景分离实验中,并通过展示提取不同视频的前景效果,从视觉角度验证了ITNN算法的有效性。同时,计算提出算法和对比算法提取的视频前景的F-measure值,从量化的角度进一步验证了ITNN算法的有效性。另外,实验还记录了各算法的视频前背景分离的运行时间,验证了ITNN算法的效率。总之,本文通过实验验证了提出的ITNN算法在视频前背景分离中的有效性和优越性。

基于深度的双尺度前背景分离模型

针对前景物体从图像背景中分离时错误率较高的问题,提出一个新的基于深度的双尺度前背景分离模型,利用图像内在特性(提取为拉普拉斯矩阵)及各物体的空间信息(由扫描设备得到的深度图像),较好地去除了前背景交界处颜色相似性造成的歧义。实验结果证明,该模型在视觉上能大幅度改进典型前背景分离模型的结果。

基于双重背景分离及自适应网格的电压致热型设备红外图像状态分析

针对发热量小、温度变化范围窄的电压致热型设备故障红外图像难以识辨的难题,提出一种基于双重背景分离及自适应网格划分的电压致热型设备红外图像运行状态分析方法。以电流互感器套管红外图像为例,首先提出红外图像双重背景分离及部件区域提取算法,即基于RGB和HSV颜色空间特点,转换红外图像颜色空间,分离出第一层背景区域。接着将Ostu算法与Hough变换相结合,提出基于Hough变换的Ostu改进算法,实现背景的第二重分离,得到部件区域。之后,导入红外图像温度,运用自适应网格方法划分部件区域,获得每一网格平均温度,提取温度特征向量,比较待分析图像与正常图像获取温差值,以此判断设备运行状态。最后,通过案例分析验证算法的有效性。同时,对避雷器本体、电压互感器电容单元、断路器支柱等电压致热型设备进行分析,说明算法具有良好的扩展性。

改进后的Otsu自适应背景分离的局部直方图均衡化增强算法

Otsu自适应背景分离的局部直方图均衡化增强算法是综合改进后的Otsu自适应背景分离算法和局部直方图均衡化增强算法的一种新处理方法,首先,利用改进后的Otsu算法对图像进行目标区域和背景区域的分离,然后利用分离出来的目标区域进行直方图均衡化处理。实验结果表明,图像经过处理后,目标区域对比度明显增强。

基于运动矢量场的混合高斯建模的背景分离方法

本文提出了一种全新的运动图像序列背景分离方法,该方法在对原始图像预处理后进行运动搜索,得到图像的运动矢量图,然后通过对其进行混合高斯建模实现图像的背景分离。

基于截断核范数的视频前景与背景分离

为解决鲁棒主成分分析模型(RPCA)中核范数不是矩阵秩函数最佳近似的问题,提出截断核鲁棒主成分分析模型(TNSRPCA)。使用截断核范数替代传统的核范数进行低秩约束,将稀疏部分添加正则化约束克服动态背景产生的扰动,为解决截断核范数使用两步迭代法计算量巨大的问题,提出部分奇异值阈值算子进行求解,提高计算效率。实验结果表明,该模型在视频前景与背景分离中获得了较好的分离效果和抗噪声鲁棒性。

基于背景分离与亮度校正的苹果表面缺陷提取

苹果是我国年产量最高的水果,但出口量不足总产量的2%,采用基于图像处理的水果表面缺陷检测技术可促进水果的分级与销售。以红富士苹果为研究对象,首先采集苹果的RGB图像,并根据转换公式得到图像的HSV彩色模型,对饱和度S分量进行阈值分割与孔洞填充,获得苹果背景分离模板;然后根据背景分离模板得到R分量的背景分离图,并对分离背景后的R分量进行亮度校正;最后采用单阈值分割法提取缺陷。实验共采集300个苹果样本,包括缺陷果200个,正常果100个,其中对缺陷果的识别率达到96.5%,对正常果的识别率达到100%。实验结果表明,采用S分量获取背景分离模板,并结合亮度校正算法,可在不增加额外拍摄装置的情况下获得较好的缺陷提取效果。

视频背景分离中一种新的非凸秩近似的RPCA模型

视频背景分离以及前景提取广泛应用于场景分析、目标追踪等领域。而鲁棒主成分分析(RPCA)则是实现视频背景与前景分离的重要技术之一。但是,用核范数来近似秩函数的传统RPCA模型在处理含有较大奇异值的图像时效果并不理想。为了解决这一问题,提出一种新的非凸函数来近似秩函数,对基于核范数的RPCA模型进行改进,并应用增广拉格朗日乘子法求解改进的模型。实验结果表明,与传统的RPCA及现有的一些改进模型相比,提出的基于非凸秩近似的RPCA模型计算效率更高,且图像分离效果更好。

一种改进的基于码本和高斯混合模型的视频背景分离

文章提出一种基于改进的码本(CB)和高斯混合模型(GMM)的视频背景分离方法。该方法是以自适应的高斯混合模型背景为基础,为每个颜色像素构建混合高斯背景模型,可以对视频帧中每个像素的高斯分布数进行动态控制,并且通过CB(Codebook)算法得到每个像素的时间序列模型,从而对高斯分布的各参数进行学习。实验结果表明,该方法在背景分离的精确度和处理时间上都表现出优异的性能,此外还具有良好的适用性,对复杂场景的变化,可以有效快速地分离视频的前景和背景。

一种基于目标与背景特征分离模型的高光谱目标检测修正算法

高光谱图像立方体数据可以提供成像场景中地物在可见光和近红外波长范围内的空间信息和地物属性诊断的光谱特征信息,在目标检测与识别方面拥有得天独厚的天然优势。然而,基于高光谱图像数据的目标检测也存在一定缺陷,如经典的高光谱目标检测算法仅利用光谱维度信息检测目标,检测模型要么对背景高维特征矩阵构建的准确度不足,要么对背景先验光谱特征的完备性要求较高,导致算法对不同复杂度的检测场景适应性不强。因此,基于计算复杂度较低、参数需求量较少且检测性能较为优异的经典多目标检测算法—多目标约束能量最小化(MCEM),提出了一种基于目标与背景环境特征分离模型的高光谱目标检测修正算法(R-MCEM)。首先,设计了一个与目标形状、尺寸相近的逐像元移动运算窗口,依次计算窗口中的每个像元与窗口内其他像元的光谱距离之和D1,像元与各类目标的光谱距离之和D2。其次,采用获得D1/D2最小值的像元替换窗口内的所有像元值。然后,自左向右、自上而下逐像元移动窗口,重复窗口内每一个像元与目标、背景像元的光谱距离运算,并确定窗口内与背景相似度最高、与目标相似度最低的像元。直到移动运算窗口遍历整个高光谱图像,大幅提升了基于目标与背景环境特征分离的背景高维特征矩阵准确度。分别设计了基于实测高光谱图像数据和模拟图像数据的修正检测算法性能验证试验,并采用三维操作特征曲线(3D ROC)结合目标与背景分离度(SDBT)开展修正算法的检测精度评估。试验结果表明,提出的修正算法有效减少了虚警率,提高了检测精度。基于实测数据的检测精度、目标与背景分离度由MCEM算法的0.937 7、 0.57提升到R-MCEM的0.993 5、 0.67,基于模拟数据的亚像元检测能力由MCEM的20%丰度提升到R-MCEM的15%丰度。

RGB通道与分色照相法结合分离图像背景

目的减弱或消除分色照相法分离不彻底的图像背景。方法RGB通道与分色照相法结合来改进分离图像背景的效果。结果图像的背景得到进一步消除。结论分色照相法与RGB通道结合背景分离效果有明显改进。