一种新的Snake模型及其在癌细胞分割中的应用

提出了一种新的主动轮廓线模型——P-snake(PolarizedSnake)。该模型选取目标中心一点作为原点建立极坐标,用等夹角抽样的n个点描述目标轮廓,通过迭代在图像中找出使得能量最小的轮廓点。将P-snake应用于医学癌变细胞图像的分割中,取得了满意的效果。实验结果表明,P-snake能有效跟踪目标轮廓,具有较强的抗噪能力。

基于差分筛选的YOLOv2监控视频目标检测方法

监控视频的多目标跟踪是视频智能分析的热点研究内容,其中目标的检测是目标跟踪的基础,精度高、速度快的目标检测器对于后续的实时分析任务尤为重要。提出一种针对监控视频的基于差分筛选的YOLOv2目标检测算法,采用差分算法筛选无前景目标帧及设置重叠度量阈值进行跨帧检测,改善了YOLOv2作为检测方法用于监控视频多目标跟踪任务时速度过慢的不足,同时高精度的检测结果有利于下一步多目标跟踪任务的顺利完成。利用NPLR监控视频数据集对YOLOv2目标检测算法进行了测试,并将该方法与可变型部件模型DPM进行了比较。结果表明,差分YOLOv2方法在精度上高出DPM方法0.304 6,检测时间快了26倍左右,验证了该算法的有效性。

融合地理位置信息的电力杆塔检测

针对飞行机器人巡检的海量电力杆塔图像,以电力杆塔和架空电力线路巡检飞行机器人间的相对位置关系为先验信息,估计电力杆塔在飞行机器人巡检拍摄得到图像中的位置范围.然后利用这个位置范围作为可变型部件模型(deformable model part,DPM)检测区域的约束,从而精确快速定位电力杆塔的位置.实验结果表明:通过飞行机器人巡检获取的视频图像进行测试,验证了融合地理位置信息后的可变型部件模型的方法(GI-DPM)的有效性,提高了电力杆塔的检测速度.