基于光流与Mean Shift算法的运动目标检测

为了改善传统光流法不能很好地解决背景运动带来影响的问题,提出了一种基于光流矢量与Mean Shift算法的运动目标检测方法。结合图像中边缘信息和灰度信息,用金字塔法计算出特定像素点的Lucas-Kanade光流矢量。再利用Mean Shift算法的梯度搜索原理找出运动背景的光流矢量,进而找出运动目标的光流矢量。实验结果表明,融入Mean Shift算法后的光流法高精度地检测出了目标,显著降低背景运动所带来的影响。文中所提方法比传统几种方法更加准确地得到了所需结果。

改进的Mean Shift滤波在砂砾岩图像分割中的应用

砂砾岩图像成分颜色多样、色彩不均,要有效地进行分割,提取砾岩颗粒,图像预处理就显得尤为重要。MeanShift滤波相比传统的滤波算法具有更好的平滑特性,能很好地消除噪声和色彩不均对后续分割造成的影响,但运算速度较慢。针对该问题,提出利用高斯金字塔和像素点赋值方法改进Mean Shift滤波算法速度。采用改进后的Mean Shift滤波算法对砂砾岩图像进行预处理,然后进行分割,提取粒岩,取得了较好的效果。

基于图像分割的金字塔Lucas-Kanade光流法提取深度信息

在2D到3D视频的转换过程中,深度信息的提取是最关键的问题。本文利用图像分割的金字塔LucasKanade光流法提取2D视频中的深度信息,主要做了如下工作:1是通过计算当前帧的最大运动矢量来决定所需构建的金字塔层数,通过自适应的方式决定金字塔层数可以弥补因金字塔层数过多造成的信息丢失或者因金字塔层数过少而无法满足Lucas-Kanade光流算法的不足;2是在每层金字塔中,利用Mean Shift图像分割后的信息,去除本次迭代计算得到的运动矢量中的坏点,使得深度提取更加准确;3是自适应地调整每层金字塔的迭代次数,使得在实验结果的质量几乎不变的情况下,达到降低时间复杂度的目的;最后通过统计图像分割每类中的深度值对所得到的深度图进行优化,使得最终得到的深度图中物体边缘信息更加清晰。实验结果表明,利用本文算法所得到的场景深度的边缘信息更加清晰,深度图中的坏点明显减少,在降低时间复杂度的同时,得到了较高质量的深度图。

基于特征自适应选择的金字塔均值漂移跟踪方法

针对均值漂移跟踪算法框架不足以对目标帧间运动过大及快速尺度变化进行有效地处理,且单个图像特征对环境适应性较差.提出了一种特征自适应选择方法,通过分析目标与背景的特征区分度来选择出最有效的特征.将金字塔自适应分解和均值漂移跟踪结合,提出了金字塔均值漂移跟踪方法.采用背景加权直方图描述目标模板模型,核函数加权直方图描述候选目标模型,由粗到精定位目标,并给出了目标尺度自适应更新方法.多个视频序列的实验结果表明:本文方法能够有效处理目标快速运动、尺度变化、摄像机运动、局部遮挡等情况,实现复杂场景下的目标跟踪.

一种基于视觉特性的遥感图像分割

SAR图像存在乘性相干斑的影响,传统的图像分割方法不能很好保持图像的结构信息.文章研究了基于视觉特性的组合分割方法,该方法通过塔型方向滤波器组进行去噪,发展了各向异性的核期望转移滤波器,核的形状、尺度和方向都能自适应图像的局部结构,最后结合边缘检测对图像分割进行修正.分析和实验表明该方法对SAR图像是有效的.

彩色视频图像卡通风格化研究与实现

提出一种彩色视频图像卡通风格化的新方法,将均值漂移滤波与高斯图像金字塔结合起来使用,在对彩色视频图像进行颜色聚类和噪声消除的同时,提高了处理的速度.运用DoG算子对滤波后的图像进行边缘检测;再对移滤波后的图像进行色彩量化;最后将量化后的图像与边缘图像进行融合.融合时根据边缘处梯度的大小设置边缘颜色的深度,使得最终得到的卡通化图像不仅在高对比度区域得到加强而且减少了噪声,边缘更加自然.实验结果表明:本算法与传统的双边滤波和DoG算子相比,获得了更好的卡通风格化效果和更快的运行速度,并且可以直接将输入的视频文件转换为卡通化的视频文件输出.

基于OpenCV的近景图像增强和分割算法研究

本文通过对近景图像的对比度和亮度进行分析实现了自动选择图像增强算法的方法,分别对金字塔均值漂移分割算法、分水岭分割算法和GrabCut分割算法进行了对比研究。经实验表明,图像对比度太小、亮度太高或太低对近景图像分割都会造成不利的影响,伽马变换增强算法适合调整亮度较高的图像,直方图均衡化增强算法适合调整亮度较低的图像。分水岭分割算法和GrabCut分割算法不适合近景图像多类别的自动分割,而金字塔均值漂移分割算法是基于核密度梯度估计的无参数快速统计迭代算法,可实现类别自动分割,分割精度较高,而且利用建立金字塔结构可进行多尺度分割。本文的研究成果对自动选择最佳的图像增强算法和分割算法以及参数设置具有重要的参考价值。