基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法.该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标.融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测.在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性.同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性.实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果.

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。

高斯二阶差分特征算子在图像拼接中的应用

为了将同一场景中具有重叠区域序列的图像快速准确合成一幅具有宽视角、高分辨率的图像,提出了基于高斯二阶差分(D2o G)特征检测算子的SIFT算法.采用高斯二阶差分(D2o G)金字塔的过零点检测提取图像尺度不变特征点,并选用RANSAC算法对特征点匹配对进行提纯,在此基础上计算不变换矩阵H,最后,用渐进渐出平滑算法完成图像的无缝拼接.实验中分别采用所提方法和SIFT算法对具有典型变换的4种图像进行拼接与测试,结果表明:所提方法提取的匹配点数、拼接所消耗时间明显低于采用SIFT算法,同时匹配效率也高于后者.此方法降低了运算复杂度的同时,图像拼接实时性也得到提高.