一种基于Boosting判别模型的运动阴影检测方法

在视频处理中,由于运动阴影具有与运动前景相同的特性,当在提取前景时,会误把阴影检测为前景.特别是当阴影和其它前景发生粘连时,这可能会严重地影响跟踪、识别等后续处理.该文提出了一种用于运动阴影检测的Boosting判别模型.这种方法先利用Boosting在不同的特征空间来区分前景和阴影,然后在判别随机场(DRFs)中结合前景和阴影的时空一致性,实现对前景和阴影的分割.首先,差分前图像与背景图像得到颜色不变子空间和纹理不变子空间;然后在这两个子空间上应用Boosting来区分前景和阴影;最后利用前景和阴影的时空一致性,在判别随机场中通过图分割的方法准确地分割前景和阴影.实验结果表明,无论是在室内场景,还是在室外场景,该文的方法要好于传统的方法.

基于小波变换的自适应多阈值图像去噪

小波图像去噪是小波应用较成功的一个方面,其中最重要的一个环节是最优阈值的确定,为此,提出了一种新的基于小波变换的自适应多阈值图像去噪方法———MultiThresholdshrink去噪法,这种方法是在不同子带和不同方向上选择不同的最佳阈值,而最佳阈值的选取是基于Bayes理论,并认为图像的小波系数是服从广义高斯分布的(generalizedGaussiandistribution)。通过实验证明,这种方法能很好地对图像去噪,与Donoho等人提出的Visushrink去噪方法和Chang等人提出的Bayesshrink去噪方法相比,不仅提高了去噪后图像的信噪比(SNR)和最小均方误差(MSE),而且也使图像更加清晰,并能更好地适合人眼的视觉特性,从而可在客观和主观上同时获得更佳的去噪效果。

基于多分辨率的分水岭图像分割算法

针对分水岭分割算法的2个缺陷:耗时较长和过分割问题,该算法在低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性。该文设计了一种基于梯度图像的噪声抑制方法,可抑制高斯噪声对梯度图像的影响,有效避免了过分割问题。实验结果证明,该算法兼顾了效率和分割的准确性。

一种基于粒子滤波的自适应运动目标跟踪方法

该文提出了一种基于粒子滤波的自适应运动目标跟踪方法。均值漂移算法是一种最优梯度下降法,通过迭代来搜索目标,从而实现对运动目标的跟踪。而粒子滤波是一种在非线性和非高斯情形下进行跟踪的强有力方法。该文首先对图像的直方图进行改进,提出了一种基于统计直方图分布的目标模型,然后通过这个模型将这两种方法有效地结合起来。根据跟踪的过程,自适应地调整参数,能够较好地处理图像序列中由于光线变化或遮挡所带来的影响。实验证明,该文所提出的方法与均值漂移方法相比,即使在复杂的情形下,也能够准确地对目标进行跟踪。

基于区域活动轮廓运动目标跟踪方法研究

根据贝叶斯估计理论,首先建立了图像序列中运动目标的跟踪模型,然后用高斯分布来描述图像的区域信息,并通过对模型的分析,与区域活动轮廓模型建立对应关系,将问题的求解转化为能量最小化问题。同时为了克服目标在运动中发生的拓扑形变,采用水平集方法进行数值实现。实验结果表明,这种方法不仅可以对多个运动目标进行跟踪,并能非常好地逼近运动目标的轮廓,而且能够自然地处理运动目标的拓扑形变。

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。

基于全局和局部约束直推学习的鲁棒跟踪研究

在目标跟踪中,大部分算法都是假设目标亮度不变或者目标子空间不变,然而,这些假设在实际场景中并不一定满足,特别是当目标和背景都发生较大变化时,目标容易丢失.针对这种情况,本文从直推学习的角度重新描述跟踪问题,并提出一种鲁棒的目标跟踪方法.为获得更好的跟踪效果,目标当前状态估计不仅要逼近目标模型,而且要与以前的结果具有相同的聚类.本方法利用目标模型对跟踪问题进行全局约束,利用以前的结果约束状态局部分布,构造代价函数.将以前的状态估计作为正样本,当前的候选状态作为未标记样本,以所有样本为顶点建立图,同时学习目标的全局外观模型和所有状态的局部聚类结构.最后利用图拉普拉斯,通过简单的线性代数运算,获得代价函数的最优解.在实验中,选取包含各种情形的视频,如目标的姿势改变、表情变化、部分遮挡以及周围光照的变化等,利用本文提出的方法测试,并和其他算法比较.实验结果表明,本文方法能够很好处理这些情形,实现对目标的鲁棒跟踪.

空间相位相关的快速视觉目标跟踪方法

在相位相关目标跟踪中,由于响应函数为冲击函数,不能适应目标的变化,且易受噪音和杂波的影响,导致跟踪失败.而均值合成滤波器利用符合期望的相关输出分布,可获得较好的滤波效果.本文考虑跟踪过程中目标的上下文信息,设计与目标空间位置相关的响应函数取代冲击函数,从而获得更为鲁棒的滤波器;利用峰值旁瓣比评估跟踪结果并自适应更新滤波器,适应目标的变化;用快速傅里叶变换进行加速算法,对目标实现快速鲁棒跟踪.实验结果表明,本文方法平均每秒处理50帧图像,在准确度和精确性方面优于当前算法.

基于深度特征表达与学习的视觉跟踪算法研究

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。

基于参数估计的无参考型图像质量评价算法

针对现有客观图像质量评价算法通用性差及人类主观感知相关性弱等问题,该文提出一种基于参数估计的无参考型图像质量评价算法。该算法通过分析图像本身所蕴含的质量特征,提取出图像结构信息、颜色信息和视觉信息的评价度量指标,采用回归分析的方法估计出相应指标的参数。实验结果表明,该算法与主观评价结果一致性好、鲁棒性强,优于其它客观评价算法,能够准确反映人类对图像质量的视觉感知效果。

基于颜色属性直方图的尺度目标跟踪算法研究

利用目标颜色信息的跟踪算法,容易受到环境光照、尺度变化、相似背景等因素的干扰,导致跟踪任务失败。为了克服以上问题,该文提出一种基于颜色属性空间的鲁棒尺度目标跟踪算法。该算法首先将原始的RGB颜色空间映射到颜色属性(Color Names,CN)空间,减少目标颜色在跟踪过程中受环境变化影响。然后采用一种背景加权约束的颜色属性直方图,来抑制相似背景的干扰。最后,为了解决目标尺度变化带来的影响,先用梯度上升法粗略估计尺度,再用约束项精确求解尺度,并利用反向一致性检验,进一步提高尺度估计的准确性。该文选取了5段典型视频进行实验,并与相关算法进行比较。结果表明所提算法能够消除环境光照、阴影、相似背景和尺度变化等因素所带来的影响,在中心位置误差和跟踪成功率性能指标上,优于其它算法。

雾霾天气下可见光图像场景再现

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的对比度、清晰度下降,提出了单色大气散射模型新的求解方法.首先,将单色大气散射模型类比Retinex模型,重新解释了大气传递图;依据大气传递图的先验知识和几点假设,建立目标函数的变分模型,将大气传递图的估计问题转化为二次规划问题.通过带约束的归一化最速下降法获取最优解,并采用多分辨率技术加速计算;在HSI空间的亮度分量上反解单色大气散射模型,得到反射图像,并依据大气传递图自适应校正饱和度分量.实验结果表明,新算法可有效去除雾霾,再现真实场景的对比度和清晰度,同现有去雾算法相比,本文算法取得了相似甚至更好的去雾效果.

一种易于初始化的类卷积神经网络视觉跟踪算法

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,基于主成分分析(PCA)和卷积神经网络(CNN),提出一种易于初始化的类CNN提取深度特征的视觉跟踪算法。该算法首先利用仿射变换对原始图像进行处理,然后对归一化尺寸的图像进行分层PCA学习,将学习得到的PCA特征向量作为CNN结构中的各阶滤波器,完成特征提取网络的初始化,再利用特征提取网络获取目标的深层次表达。最后结合粒子滤波,利用一个简单的逻辑回归分类器通过分类估计实现目标跟踪。结果表明,利用这种易于初始化的CNN提取到的深度特征能够有效地区分目标和背景,具有很好的可区分性,提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好的适应性,在许多视频序列上表现出了较好的鲁棒性和准确性。

雾霾退化图像场景再现新算法

为了快速有效地去雾,分析了单色大气散射模型和Retinex模型的对等关系,并从变分Retinex的角度提出了单色大气散射模型的求解新方法.求解过程首先构造了大气传递图的变分模型,将其估计问题转换为二次规划问题;其次,在3个颜色通道分别求解大气传递图,并反解单色大气散射模型得到反射图像;最后,依据颜色恒常性理论对去雾结果进行色彩复原.实验结果表明,新算法能够快速有效地去除浓雾.

仿射变换在压缩感知跟踪中的应用

针对跟踪中目标尺度变化和旋转问题,将仿射变换和应用到压缩感知跟踪中.首先,以上一帧的跟踪结果为均值,以一定的标准差按照高斯分布,随机生成不同尺度和旋转角度的候选框;然后,通过仿射变换将其转换至直角坐标系中,通过多尺度滤波得到目标在不同尺度下的高维特征向量,采用压缩矩阵将高维特征向量降维至低维空间;最后,将低维特征向量通过贝叶斯分类器选取具有最大响应的候选位置作为目标的跟踪位置.在此基础上分别提取正负样本来更新分类器参数,从而实现持续稳定的跟踪.实验结果表明,该算法能够较好地解决压缩感知跟踪中的目标旋转和尺度变化问题.

基于笛卡尔乘积字典的稀疏编码跟踪算法

为了提高基于稀疏编码的视频目标跟踪算法的鲁棒性,该文将原始稀疏编码问题分解为两个子稀疏编码问题,在大大增加字典原子个数的同时,降低了稀疏性求解过程的计算量。并且为了减少1?范数最小化的计算次数,利用基于岭回归的重构误差先对候选目标进行粗估计,而后选取重构误差较小的若干个粒子求解其在两个子字典下的稀疏表示,最后将目标的高维稀疏表示代入事先训练好的分类器,选取分类器响应最大的候选位置作为目标的跟踪位置。实验结果表明由于笛卡尔乘积字典的应用使得算法的鲁棒性得到一定程度的提高。

基于多分辨率分析和分水岭的图像分割方法

提出了一种基于小波多分辨率分析和分水岭算法的图像分割方法。在小波分解后的低分辨率图像上进行分水岭分割,提高了分割的速度;由低分辨率图像返回到高分辨率图像时,采用了一种基于边缘信息的合并函数,避免了边缘信息的丢失,保证了分割的准确性。此外预处理过程中,在梯度图像上基于Rayleigh分布采用阈值处理的方法,有效抑制了高斯噪声对梯度图像的影响,避免了过分割。实验结果证明,本文所提出的基于小波多分辨率分析的图像分水岭分割算法能够很好地兼顾算法的效率和分割的准确性。

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法.算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配.跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度.实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果.

基于局部敏感核稀疏表示的视频跟踪

为了解决?1范数约束下的稀疏表示判别信息不足的问题,该文提出基于局部敏感核稀疏表示的视频目标跟踪算法。为了提高目标的线性可分性,首先将候选目标的SIFT特征通过高斯核函数映射到高维核空间,然后在高维核空间中求解局部敏感约束下的核稀疏表示,将核稀疏表示经过多尺度最大值池化得到候选目标的表示,最后将候选目标的表示代入在线的SVMs,选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明,由于利用了核稀疏表示下数据的局部性信息,使得算法的鲁棒性得到一定程度的提高。

电波频率对射频隐身性能的影响分析

针对新一代军用飞机对射频隐身能力的迫切需求,研究了电波频率对射频隐身性能的影响。首先基于截获距离给出了隐身效率的定义。然后综合考虑自由空间衰减、大气吸收衰减和降雨衰减的影响,对截获距离与电波频率之间的关系进行了分析。最后仿真了10～40GHz之间,不同工作距离和天气环境下,频率改变对射频隐身性能的影响。结果表明,频率选择对射频隐身性能具有很大影响,在10～40GHz内通过频率改变能够提高约10%的隐身效率,同时工作距离和天气条件对隐身性能也会产生一定的影响。