常规VIBE序列与3D自由呼吸Star-VIBE序列在老年患者腹部磁共振检查中的应用

目的:探讨常规VIBE序列与3D自由呼吸Star-VIBE序列应用于老年患者腹部磁共振检查中的效果。方法:本研究纳入2019年1月至2022年12月在山东省莱州市人民医院进行腹部磁共振检查的44例老年患者。对这些患者使用常规VIBE序列和3D自由呼吸Star-VIBE序列进行检查。比较使用常规VIBE序列与3D自由呼吸Star-VIBE序列进行检查的扫描时间、一次性扫描成功情况、扫描图像主观评价与客观评价情况。结果:使用常规VIBE序列进行检查的扫描时间短于3D自由呼吸Star-VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的一次性扫描成功率高于常规VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的扫描图像主观评分高于常规VIBE序列(P<0.05)。使用3D自由呼吸Star-VIBE序列进行检查的扫描图像信噪比(SNR)和对比度噪声比(CNR)高于常规VIBE序列(P<0.05)。结论:常规VIBE序列与3D自由呼吸Star-VIBE序列应用于老年患者腹部磁共振检查中的效果显示,使用常规VIBE序列进行检查的扫描时间更短,可应用于老年急危重症患者腹部磁共振检查中,使用3D自由呼吸Star-VIBE序列进行检查的扫描图像质量更好,可为临床诊疗提供更优质的影像学依据。

基于改进ViBe的自适应运动目标检测算法

针对ViBe算法无法去除动态背景,易出现鬼影及不能自适应光照变化的问题,提出一种复杂环境自适应的ViBe改进算法。通过计算区域的复杂度、闪烁波动度,对分类半径R和更新率T进行动态调整,对样本点进行有效性权重的计算,更高效地过滤背景噪声和适应光照渐变;在检测物体状态变化时,动态调整R和T,通过融合前景点计数和帧差法优化鬼影消除;通过识别最小外接矩阵区域差异加快去除鬼影;利用帧差法实时检测光照突变,及时进行重新初始化,避免大量误检。实验结果表明,改进ViBe算法在适应动态背景、光照变化及抑制鬼影等方面比原算法均有更好检测效果,检测精度平均提升了40.7%。

基于改进ViBe算法以及改进CLAHE算法的烟雾信息增强技术

对于在火灾刚开始发生时,烟雾信息较弱且不明显的问题,提出了一种使用视频图像序列进行烟雾信息增强的技术。使用改进的ViBe算法对整个视频进行检测,获得每帧图像的运动蒙板。采用去除离群值的帧间差分放大算法对烟雾信息进行放大。通过改进后的限制对比度的自适应直方图均衡化算法(CLAHE)来提高烟雾区域对比度,并使用合并蒙板保存烟雾信息,用翻转蒙板保留原始图像背景信息,最后进行烟雾区域与背景区域的融合,得到最终图像。实验结果表明,算法可以将烟雾泄漏区域的对比度进行较大程度的提高,并且由于融合了原始图像背景,因此,背景噪声也处于较低水平。

基于改进ViBe自适应建模的运动员姿态纠正方法

为促进运动员运动姿态的标准化,提出基于改进视觉背景提取(visual background extractor,ViBe)自适应建模的运动员姿态纠正方法。首先定义非标准姿态的ViBe特征描述算子,并针对改进ViBe特征算子实施自适应建模,以实现对运动员非标准姿态的标记,完成基于改进ViBe自适应建模的非标准姿态检测;然后建立非独立坐标系,通过耦合姿态偏离的方式,纠正动力学闭环内的运动姿态,完成运动员姿态纠正方法的设计;最后用MATLAB-Adams软件进行仿真实验,以机器人运动作为研究对象,选定跳跃运动作为目标姿态进行实验。结果表明:在上述纠正方法作用下,被试机器人髋关节不再发生转动,主腿关节、副腿关节、足端关节的转角水平也可以得到有效控制,表示该方法能够较好纠正运动员姿态。

面向运动目标检测的ViBe算法改进

背景差分法是静态背景下运动目标检测的常用方法,ViBe算法是它的主要建模方法之一.针对ViBe算法对鬼影消除缓慢的问题,提出了结合帧间差分技术的ViBe改进算法,使用帧间差分技术通过记录相关像素值的时域变化来判断鬼影像素,提高消除鬼影的速度.针对ViBe算法的固定阈值不能反映每个像素具体情况的问题,提出了一种自适应阈值的方法,可根据像素值的变化为每个像素设定阈值,提高前景检测的准确度.实验结果表明,结合帧间差分技术的ViBe算法能够较快地消除检测结果中的鬼影,应用自适应阈值的ViBe算法能够更准确地进行前景检测.

改进的ViBe算法及其在交通视频处理中的应用

基于ViBe算法的运动目标检测具有很高的处理效率,但在复杂背景下也存在缺陷,比如不能有效抑制运动目标的残影和鬼影区域、易受噪音干扰,在交通视频的处理中更为明显。鉴于ViBe算法的这些不足,本文对ViBe原算法提出了改进,结合像素生命长度对鬼影或残影像素进行判断,利用二次更新策略提高消除速度。根据像素值变化引入最大类间方差法,将原有的固定像素阈值变为动态阈值,以提高交通视频中车辆目标检测的抗干扰能力。实验结果表明,在3组不同交通场景视频中,改进算法能够在较少帧数内消除目标的残影或者鬼影。对结果的量化分析也证明了改进算法由于应用了动态阈值,使目标检测的精准度和整体性都有所提高。

基于ViBe的车流量统计算法

提出一种基于视频的快速的车流量统计算法,采用改进的ViBe算法进行背景建模,然后进行像素值判断,只更新背景像素,以此来提取前景目标。并采用符合人类视觉习惯的YUV彩色空间来消除阴影对车流量统计的干扰,提出一种基于像素级和帧级相结合的动态自适应背景更新算法,以解决光照变化对系统的影响。并使用改进的二轮扫描算法来进行车辆分割。在道路上开辟虚拟检测带,根据ViBe模型及其更新次数来判断是否有车辆进入观测带,从而实现车流量统计。相对于传统算法,本系统的实时性与鲁棒性较高。

室外视频前景检测中的形态学改进ViBe算法

背景差分法是实际中应用最广泛的前景检测方法,其关键是背景建模,比较常用的背景建模方法是高斯混合模型GMM(Gaussian Mixture Model)。最近一种称为视觉背景抽取算法ViBe(Visual Background extractor)由于其简单、快速的特点得到了越来越多的重视。但对于存在动态背景的户外视频,仍然存在噪声及背景的干扰。提出用形态学方法对算法进行改进,即先用开操作来消除噪声,再用闭操作来填充物体内细小空洞等。用ROC曲线测试了算法性能,结果表明,进行形态学处理后算法性能有了比较大的提高,比如对于户外视频Watersurface,在FPR为1%时TPR最高提高了31%。

基于HSV颜色空间和Vibe算法的运动目标检测

Vibe算法运行速度较快,并能快速有效地抑制阴影、照相机晃动对前景检测造成的影响,具有较好的前景检测性能。但对于存在动态背景的户外视频,不可避免地存在背景干扰及噪声的影响,使得Vibe算法不能准确地检测出运动目标。针对此缺陷,提出颜色特征信息与Vibe相结合的改进算法,将像素点从RGB空间转换到HSV颜色空间进行颜色失真度比较,通过双模型的建立,有效减少了计算量。系列实验表明该方法能够取得更加准确的前景分割特性,对噪声干扰表现出良好的鲁棒性。

融合帧差和ViBe的运动目标检测算法

ViBe算法是一种快速高效的背景建模算法,但该算法在运动目标检测过程中会产生鬼影。针对ViBe算法中鬼影消除缓慢的问题,结合多个场景的交通视频提出一种通过连续两帧前景背景像素时域变化来判断鬼影像素点并消除的方法,该方法加快了鬼影的消除速度。同时,对于视频拍摄场景中的背景噪声,采用了对前景图进行开闭操作去除小像素点以及对目标区域的空洞进行填充处理。实验表明,改进的ViBe算法能够加快鬼影的消除,并且与帧差法以及混合高斯建模算法相比,前景检测效果更精确。

3T VIBE动态增强在鉴别前列腺良恶性病变中的应用

目的:探讨前列腺癌的磁共振多期动态增强(DCE-MRI)特征,评估超快速高分辨率VIBE动态增强在前列腺癌诊断中的价值。方法:经穿刺活检、手术病理或随访证实的36例前列腺癌及前列腺增生患者,行MR常规扫描、VIBE动态增强扫描,绘制前列腺癌灶及增生结节的时间-信号强度曲线,比较两者的动态增强参数。结果:前列腺癌的多期动态增强以早期迅速强化多见,延迟期强化程度下降,部分可见对比剂快速流出;前列腺增生多表现为缓慢持续的强化,达峰值后维持在一平衡状态。结论:前列腺癌及前列腺增生的动态增强各具特征性表现,3T VIBE技术进行动态增强可以较好的获得前列腺病变血流灌注信息,是鉴别前列腺良恶性病变的有效方法。

基于Vibe的鬼影抑制算法

Vibe算法是通用的运动检测算法,用视频序列第一帧初始化背景模型,这使得模型的初始化非常迅速,但是当待检测的前景目标在第一帧中出现时,鬼影将伴随着模型的初始化而产生.Vibe算法并未对鬼影做任何特殊处理,以至于Vibe需要花费很长的一段时间才能完成对鬼影的抑制.为了解决这个问题,依赖于Vibe模型本身,提出了一种快速抑制鬼影的算法.当某像素值被Vibe模型判为前景时,将它与邻域像素点模型中的像素值继续比较,当与邻域的匹配达到阈值时,则认定此像素值为鬼影像素值,继而从前景中消去此鬼影点,并重新初始化此像素点的背景模型.实验表明,改进后的算法,与原算法相比,能够迅速的抑制鬼影.

一种改进的ViBe鬼影抑制算法

为了提高交通监控的准确性,针对传统ViBe算法存在鬼影问题,提出了一种V-ViBe算法的改进方案。该算法利用连续的图像序列代替单帧图像,构造出"虚拟"背景图像,改进了传统ViBe算法初始背景模型建立方法。利用形态学相关知识消除干扰目标,使检测目标更加完整。实验表明:V-ViBe算法从第一帧即可有效消除鬼影对目标车辆检测的影响,在不改变ViBe算法优势的前提下,显著提高了检测的准确性。

基于融合帧间差的改进Vibe方法

Vibe(Visual background extractor,视觉背景提取)算法速度快,能有效抑制噪声,但是也有缺陷,比如无法有效去除运动目标阴影,且不能快速去除"鬼影"区域。针对上述问题,提出了一种基于融合帧差法的改进Vibe算法。利用新的帧差法,提出如下改进:在灰度空间进行前景检测并利用亮度信息去除运动目标的阴影;巧妙运用帧差法的特性,利用两种方法所得的背景进行"与"操作,快速去除Vibe产生的"鬼影"。最后用形态学方法对检测结果进行改善,给出实验验证结果。结果表明,文中提出的改进方法可以很好地去除阴影,并能快速去除"鬼影",从实际效果上提高了算法的可靠性和检测的准确性。

基于ViBe的复杂背景下的运动目标检测

ViBe算法简单、快速,具有较好的前景检测性能,是运动目标检测和背景建模的主要方法之一。但是在动态背景、相机抖动等户外视频中仍存在噪声和干扰等问题,导致对前景运动目标的检测不准确。针对此问题,提出用像素帧差值代替像素值来初始化背景样本模型的方法,并根据背景动态变化自适应更新阈值来分割前景与背景。实验结果表明,改进算法提高了前景检测的准确性,对噪声干扰表现出了良好的鲁棒性。

一种基于阈值的自适应Vibe目标检测算法

Vibe算法是一种高效的像素级背景建模算法。该算法在运动目标检测过程中无法快速抑制鬼影,同时不能根据前景运动快慢调整背景更新速度。针对这些问题,提出了一种基于阈值的自适应Vibe目标检测算法。当某像素点被Vibe模型判别为前景时,采用Otsu算法计算图像的分割阈值。根据阈值对该像素点进行再次判别抑制鬼影像素点,并重新初始化该像素点的背景模型。通过计算运动目标的质心差,改进的Vibe算法能够自适应地调整背景的更新速度。结果表明,与原Vibe算法相比,改进后的算法能够在更少的帧数内有效地抑制鬼影,更加准确地检测出前景目标。

基于自适应阈值和动态更新因子的ViBe改进算法

针对传统ViBe算法不能及时反映场景变化,动态场景适应性差等问题,提出一种改进的ViBe算法。改进内容包括:采用随机选取背景样本和24邻域法获取初始背景,可以加速“鬼影”消融;结合大津法(OTSU)和均匀性度量法的平均自适应阈值计算方法,可以提高算法对树叶晃动、水波纹和光照变化等环境的适应性,最大限度保留有效像素;更新阶段引入自适应更新因子,可以有效减少被误判的概率,从而增强算法的鲁棒性;最后通过形态学处理和滤波使目标更加完整。采用标准数据集视频对改进算法进行了测试和对比分析,改进算法相对于KDE算法、GMM算法和传统ViBe算法各项指标均有大幅度提高,精确度分别提高30.44%、40.72%和20.95%,错分比分别降低了43.28%、40.59%和29.43%。

基于改进ViBe算法的园林游客检测研究

传统的视觉背景提取算法中存在阴影敏感、前景点误判、前景空洞等问题。为了更好地提取园林游客的前景,在研究分析多种背景建模方法的基础上,提出一种Lab颜色空间下改进的ViBe游客检测算法,对算法的准确性和鲁棒性进行了测试。实验结果表明,该算法通过建立实时更新的背景模型,提高了游客检测的准确率,能够有效地适应光照变化并且能够去除阴影。针对园林内不同地点的复杂场景,改进的ViBe算法具有更好的检测效果。

改进的Vibe运动目标检测算法

针对传统Vibe运动目标检测算法提取的目标存在Ghost区域、并且在目标有阴影时检测出的前景区域存在阴影的问题,本文提出了一种结合快速初始化背景建模和阴影去除的Vibe运动目标检测算法。首先采用改进的帧差背景建模方法快速初始化背景模型;然后利用Vibe算法找出当前帧内所有可能目标的前景区域;最后引入HSV模型去除前景目标区域中存在的阴影。实验结果表明,本算法可以有效消除Ghost区域,并且很好地去除前景目标区域里存在的阴影。

基于改进ViBe的运动目标检测算法

在运动目标检测领域,ViBe算法由于其实时性高、鲁棒性好等特点,已经被广泛地研究与使用。但动态背景往往会干扰检测结果。通过度量背景复杂度更新距离阈值和背景模型更新率的方式,提出了一种基于改进ViBe算法的运动目标检测算法,能有效地降低动态背景对检测结果造成的影响。最后,利用全局运动补偿算法将改进的ViBe算法应用到摄像机运动情况下,取得了一定效果。