基于均值偏移的灰度图像分割方法

针对灰度图像分割往往存在的过分割或欠分割问题,提出了一种基于均值偏移的图像分割方法.该方法通过联合像素的空间位置和灰度特征,建立图像的特征矢量,构造基于像素的位置和灰度的改进核函数直方图.采用均值偏移算法搜索图像的特征模式,并以此对图像进行平滑滤波和分割.对以地物为背景的图像分割结果表明,该方法既能抑制具有纹理的大片背景,又能提取出面积较小且轮廓清晰的物体,分割的物体完整且符合人眼视觉,较有效地避免了图像过分割和欠分割的问题.

基于均值偏移和卡尔曼滤波的目标跟踪方法

分析了Mean-shift难以有效地跟踪复杂背景下灰度运动目标的主要缺陷,提出了结合Mean-shift和卡尔曼滤波器的目标跟踪方法。该方法利用卡尔曼滤波器预测目标在当前时刻的起始位置,然后Mean-shift在该位置的邻域内寻找目标所处位置。同时,采用Bhattacharyya系数度量"目标模型"和"候选模型"相似程度,确定"候选模型"是否更换为"目标模型",避免目标模型过度更新。以地物为背景的飞机目标图像序列试验结果表明该方法较原Mean-shift方法可明显提高阻挡情况下的目标跟踪稳定性。

基于多核学习的静态图像人体行为识别方法

提出一种基于广义性多核学习的静态图像人体行为识别方法。从图像中提取基于边缘的梯度方向直方图和基于稠密采样的尺度不变特征描述子,并使用空间金字塔模型加入粗略空间信息;运用直方图内交核函数计算金字塔模型各层核矩阵,通过广义性多核学习方法求解各个核矩阵权重,以线性组合方式得到最优核矩阵;最后利用多核学习决策函数进行行为识别。Willow-actions数据集实验结果表明,本文方法比其他几种方法更加有效。