甲骨拓片图像的目标自动定位算法

为了解决当前图像目标定位算法难以自动定位发生形变的目标,且定位时间耗时长等不足,提出一种基于稀疏活动轮廓模型的甲骨拓片图像的目标自动定位算法.对甲骨拓片图像进行分块,对每一块进行形状估计,在目标形状估计约束下,利用共同勾画算法学习图像目标轮廓模型,在待定位图中扫描出与模型匹配数值最高的区域,将其作为定位结果,利用基于距离约束的霍夫变换,精确定位结果.实验结果表明,所提算法可以有效克图像目标尺度变化大的问题,提高了目标自动定位精度,减少了定位耗时.

基于稀疏活动轮廓模型的感兴趣目标检测定位算法

传统的基于形状信息目标定位的算法,对目标观测角度发生形变情况下的定位存在不少困难,针对该问题,提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法。首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型,它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像,在一定程度上提高了检测算法在目标发生形变或者存在遮挡等情况下的鲁棒性。然后采用交替的summaps和max maps的计算框架在测试图上扫描出与活动轮廓模型匹配分数最高的区域,将其定位分割出来;基于稀疏活动轮廓模型的检测算法在很大程度上依赖于图像尺度,利用稀疏活动轮廓模型在多个图像尺度上检测物体,因此可以有效地克服尺度变化大的问题。最后利用视觉皮层模型对分割后的图像进行模式分类进一步确认目标。经过多组实验结果表明,提出的基于稀疏活动轮廓模型的感兴趣目标检测定位算法,较好地解决目标在发生部分形变、存在遮挡以及复杂背景下的定位问题。