基于区域上下文感知的前景提取

为降低图像颜色分布和弱边缘对前景提取的负面影响,提出一种基于区域上下文感知的前景提取模型。结合图像亮度梯度和颜色信息将图像分成互不相交的区域,区域内颜色具有同质性,近邻区域间存在显著差异;依据颜色分布设计区域相似性测度,构建区域上下文关系和感知空间;在感知空间中将前景提取转化为二分类问题。实验结果表明,相对于传统模型,该算法提高了弱边缘、颜色非均匀分布图像的前景提取效果。

基于道路扫描点云数据的城市道路标线提取

提出了一种基于车载激光扫描点云的道路标线提取方法。该方法实现道路标线提取的流程为:首先,为尽可能减少无用点云数据对道路标线提取的影响,使用布料模拟滤波(Cloth Simulation Filter,CSF)算法提取地面点,滤除非地面点,并利用基于法向量的区域生长算法提取得到路面点;其次,将路面点投影为强度特征图,根据标线几何特征提取标线边缘;最后,根据道路标线边缘信息实现标线候选点提取,并利用高斯混合模型(Gaussian Mixture Model,GMM)将噪声点剔除。使用两段道路点云数据对本文方法进行验证,结果表明本文方法提取道路标线点结果的精度指标均优于对比算法提取结果,能够提取较为完整的道路标线。

基于高斯函数的中国区域时变性水汽垂直剖面模型

中国地区气候变化复杂,水汽情况多变,现有的PWV垂直改正模型主要使用简单的经验改正模型或区域模型,未能考虑水汽的精细时变特性。对此,利用2016~2018年ERA5再分析资料,使用高斯函数构建中国区域顾及年周期、半年周期、日周期和半日周期的时变性PWV垂直剖面模型(C-GPWV模型),使用2019年ERA5PWV剖面与2019年探空站地表PWV对模型进行精度验证,并与GPT3模型进行精度对比。实验结果表明,顾及水汽精细时变特性的C-GPWV模型在ERA5PWV剖面与探空站PWV的精度均高于GPT3模型。

高斯模型与区域生长相结合的景物识别算法

研究景物图像特征提取,光照环境因素变化时,室外场景光学成像也随之发生很大变化,景物特征复杂,严重影响了景物识别的精度。为了解决上述问题,提出一种高斯模型与区域生长相结合的景物识别算法。先提取图像区域的底层视觉特征以及空间位置特征,并通过高斯分布为每类景物建立模型,然后根据模型测试图像中区域属于每一类景物的概率,把概率值较大的区域加入到模型中,更新模型参数,最后,把概率值较大的区域作为种子点进行区域生长得到景物识别的结果。采用Matlab 7.0软件对Pasadena数据库中景物进行仿真识别。结果表明识别目标景物的有效性,为复杂场景下景物识别提供了一种有效的算法。

基于区域纹理的运动目标检测方法

针对混合高斯和多模态均值模型在阴影、噪声、扰动、计算量和存储空间等方面的优缺点,提出一种基于区域纹理的目标检测方法。该方法分析场景纹理分布,制定区域复杂度分类准则,对复杂区域采用混合高斯,对简单区域采用基于运动历史的多模态均值进行目标检测。实验表明,该方法能在多模态环境中克服噪声与扰动,实时转换前/背景,优化速度和存储量,准确检测出目标。

具有目标偏见的全局对比度显著性区域检测

针对全局对比度的显著性检测算法在图像边缘处的物体检测不完全的缺点,提出一种具有目标偏见的全局对比度显著性检测方法。在基于图的分割以后,利用全局对比度计算显著性值。根据显著性物体出现的位置调整高斯模型中心。利用分割区块相对显著性物体的位置与全局对比度确定显著性值。文中方法考虑了全局对比度和显著物体的空间位置,全局对比度算法图像中心确定方式有了改进。理论分析和实验结果表明,该方法可以很好的适用于各类图像的显著性检测,主观效果得到改善,客观指标得到提高。

基于高斯混和模型与Blob分析的人手定位

在基于机器视觉的手势识别研究中,手势分割与定位是关键技术。在分析肤色的颜色特征和人手运动特性的基础上,提出了一种在视频图像序列中实现手势分割和定位的算法。首先结合肤色检测技术和基于高斯混合模型的运动目标检测技术,获得了图像序列的初始手势区域;之后利用Blob技术实现了最终手势的分割和定位。实验结果显示,该方法具有较高的分割和定位准确度。

视频监控系统中阴影去除方法的研究

提出了一种基于颜色不变性和建立阴影高斯模型的阴影检测和消除的方法。首先对亮度小于背景的前景根据颜色特征的相近性进行划分,再利用阴影的光谱特性建立高斯模型,去除运动目标的投影。最后利用阴影的空间特性对图像进行后处理,完成阴影的检测与消除。实验结果表明,该方法能够有效地检测和消除阴影。

基于改进的混合高斯背景模型的运动目标检测

运动目标检测较为流行的GMM算法在检测运动目标时易出现拖影,目标由运动慢慢静止时易产生误检和漏检,目标分割基于经验阈值。针对上述缺点,融合自适应阈值和区域分割进行改进。差分法将视频图像分割为变化区域与背景区域,背景区域以固定较小的更新率更新背景模型。对变化区域,融合自适应阈值分割该区域为运动目标和背景显露区,背景显露区以较大的更新率更新,快速恢复拖影,运动目标区域不再为混合高斯模型构建新的高斯成分,克服运动目标融入背景而造成的漏检和误检。实验表明,该算法有很好的适应性,能消除拖影,检测效果、精度和算法速度都得到改善。

基于高斯混合模型的多区域并行增长图像分割算法

为克服经典区域增长算法中生长规则以及特征选取的困难,提出了基于高斯混合模型的多区域并行区域增长图像分割算法。首先交互选择多个不同区域的种子点,并利用交互式选择的属于每个区域的子块得到混合模型的个数;然后利用最大期望估计混合模型参数作为区域增长的初始参数,并在增长过程中不停地调节模型参数。为了避免初始种子点位置选择对算法性能的影响,采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果,表明所提出的算法是合理可行的。

基于背景建模的VideoSAR动目标阴影检测方法

针对视频合成孔径雷达(video synthetic aperture radar,VideoSAR)数据进行地面运动目标检测的问题,本文提出了一种基于单高斯背景模型的VideoSAR动目标阴影检测方法。该方法使用一个时间维度的滑窗对视频序列进行处理:首先使用RED20深度神经网络模型抑制VideoSAR图像的斑点噪声,随后使用帧间配准算法快速配准窗口内的图像序列,然后对序列进行建模和差分得到窗口末帧的二值化前景,最后通过连通区域筛选和区域生长剔除虚假目标。采用美国Sandia国家实验室公布的VideoSAR视频对本文算法进行了验证,实验表明,该算法能实现对动目标阴影的准确检测。

基于红外视频的车载行人车辆检测系统

该文提出一种基于红外视频的车载行人车辆检测系统模型。利用混合高斯模型对梯形感兴趣区域提取前景,再根据前景进行目标的框定,对目标进行几何形状、灰度分布、运动速度、边缘梯度分布4类特征提取特征数据,并把特征数据代入事先用特征数据库训练好的神经网络对目标进行分类检测,以达到对行人车辆的检测判别并预警的效果。仿真结果表明,该检测系统算法运行速度快,虚警率低,可靠性强。

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。

甲状腺结节超声图像分割算法研究

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法。用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定。同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间。仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域。

基于高斯统计模型的快速图像区域分割方法

目前很多图像分割方法不能满足图像信息生成的随机性以及面对应用的实时性.提出一种基于高斯统计模型的快速图像区域分割算法,与已有的一些图像区域分割算法相比,该方法不用图像去噪,直接利用噪声建立高斯统计模型,还采用最大最小值的方法,提出初始分割的思想.实验结果表明新方法增强了分割结果的稳定性,提高了分割速度,更加符合了图像要求精确性和实时性的要求.

突发事故危害期估算模式研究

针对大气环境突发事故造成的危害，在高斯扩散模式基础上，引入危害半径变化与时间及危害期变化与横风向距离呈线性关系的假设，得出危险源附近各处受危险源突发事故危害的危害时间长短（危害期）一系列定量估算公式，使用方便，结果精确，为环境风险评价提供了有效的工具，可广泛应用于环境风险评价与管理、风险工程设计、风险责任保险等各个领域与事故应急计划制定、事故抢险工作实施.

野外视频监控图像去雾算法研究

在野外雾天环境下,由于大气粒子的散射作用导致图像降质严重,直接影响图像的视觉效果和应用价值,因此有必要对雾天图像进行去雾处理,以提高雾天图像的清晰度和保真度。为此,提出一种野外视频监控图像去雾新方法。基于暗原色先验去雾的原理,采用区域生长算法准确快速估计雾天图像的深度信息,应用雾天图像物理模型对图像去雾处理,并进行亮度补偿。实验结果表明,该算法能有效改善雾天图像的质量,大幅提高运算速度。

基于高关注度区域的熵编码优化算法

针对智能视频监控,为了提高编码效率,提出了一种基于高关注度区域的熵编码优化算法,旨在减少视频压缩所需的存储空间。首先采用混合高斯模型法对监控视频提取高关注度区域,然后根据得到的高关注度区域缩减HEVC中熵编码模块的CU划分步骤,并据此优化熵编码过程中的率失真算法。经验证,在比特率减少53.26%的情况下,所提算法并未使编码复杂度和视频质量发生较大变化。

可信计算机平台中易受攻击区域检测方法仿真

在对可信计算机平台中的易受攻击区域检测方法研究过程中,为注册的攻击会造成网络信号变化与正常攻击变化交织,攻击区域的信号呈现较大的非线性状态,导致只能发现易受攻击区域中已经存在的线性攻击,无法检测到新的非线性攻击事件,存在误报率较高的问题。为此提出了一种采用混沌同步算法的可信计算机平台中易受攻击区域的检测方法,该方法从非线性信号处理角度着手,将混沌同步思想与期望最大算法(EM)相融合,通过组建易受攻击区域的高斯混合模型(GMM)估计出易受攻击区域中的3个参数,依据神经网络的学习能力与较强容错处理能力在可信计算机平台下根据获取的参数设计检测系统的推理规则,进而完成了可信计算机平台中对易受攻击区域的检测。实验结果证明,采用混沌同步算法的可信计算机平台中易受攻击区域检测方法具有较高的检测率和更低的误报率。

考场监控环境下泄题试卷检测方法研究

根据考场监控环境下存在利用云台可变焦摄像机获取考试试卷进行泄题的可能性,提出了一个基于图像处理和模式分类技术的作弊试卷检测方法。首先通过阈值初选策略进行试卷像素初检,并采用自适应的高斯混合模型使检测结果进一步适应不同的光照和场地,然后利用区域分析和增长技术消除检测噪音并形成区域,最后提取多个形状描述特征对检测到的区域进行分类,得到泄题试卷。通过广泛的定量和定性的实验分析验证了该方法的性能和效率。