Sobel算子在提取视频运动目标轮廓中的应用研究

在计算机视觉领域中,从视频流中获取清晰的运动目标轮廓对于目标的跟踪识别以及行为判断等高层次处理具有非常重要的意义。传统的帧间差分法虽然可以粗略的提取到运动目标,但却未能很好的解决算法留下的"空洞"和"重影"问题。本文首先采用Sobel算子提取每一幅帧图像的轮廓,然后将帧间差分法提取得到的运动目标同该轮廓做"与"运算,从而得到线条清晰的目标轮廓。实验表明,该方法较传统帧间差分法而言,在保证原有轮廓的同时,也能消除移动速度对轮廓的影响。

基于CUDA的图像快速并行细化算法的研究与实现

在图像处理和模式识别中,通过细化算法抽取图像的骨架是一项极有意义的工作。由于大多数传统细化算法都需要按照一定顺序对每个像素进行逐点扫描,执行效率不高,另外图像细化算法中数据之间的关联性不大,将传统的快速并行细化算法移植到CUDA(compute unified device architecture)平台上,运用CUDA的并行处理优势对图像进行细化处理。实验表明,该方法在保证细化处理效果的前提下,还能将运算效率提高达到幂级数级。

二维最大熵模型在图像分类算法中的应用研究

针对图像分类中使用视觉词袋直方图进行分类时忽略图像颜色信息缺点,该文提出在一类图像的HSI彩色空间上,通过H分量和S分量构建二维最大熵模型,并将得到的二维最大熵分布作为该类样本的底层参考特征向量,从而将待分类的图像运用欧式准则与底层特征向量进行匹配,最终实现图像分类算法.实验表明,该文所提分类算法比基于视觉词袋直方图分类算法具有更高的查准率.