基于多模板回归加权均值漂移的人体目标跟踪

针对移动机器人跟踪人体目标时目标因角度大幅变化引起外观改变造成的跟踪无效,提出了多模板回归加权均值漂移跟踪方法。该方法通过建立目标的多模板模型,应用均值漂移算法实现目标跟踪。首先,根据前一帧均值漂移结果和当前帧头肩粗定位结果确定目标模板集,使其包含目标人体的位姿和角度改变。然后,采用多模板回归加权均值漂移实现目标的精确定位。在多模板均值漂移中引入回归模型实现颜色纹理特征与目标模型相似度之间的映射,从而控制模板数量,保证目标检测的实时性。最后,分别在视频图像和机器人目标跟踪平台上对所提方法进行实验验证。结果显示,图像处理平均时间为86.4s/frame,满足机器人跟踪的实时性要求。该方法解决了目标特征在跟踪过程中发生变化的问题,提高了机器人跟踪时对目标人体特征变化的鲁棒性。

均值滤波中邻域均值的快速计算

针对求取邻域窗口像素均值的问题,采用迭代求解的方法,提出一种快速计算像素模板均值的方法.该方法只需计算首行首列位置的像素均值,然后利用其中间结果即可求取行或列中其他像素的邻域均值,在不改变滤波效果的前提下,可以有效降低计算复杂度.

改进的多尺度Retinex医学X射线图像增强算法

医学X射线图像通常存在亮度低,对比度差,造成难以识别的问题。为了增强此类图像,在Land提出的单尺度Retinex理论之上,论述基于此原理的多尺度Retinex(MSR)图像增强方法。利用均值模板代替高斯卷积模板对图像进行滤波,并且改进了将图像映射到设备显示器上的canonical gain/offset修正方法。实验将改进的修正方法用于多尺度的Retinex之上并与直方图均衡化和伽马校正方法进行对比。实验结果表明图像亮度的增强和对比度提高优于上述其他两种方法,新提出的方法较原有方法有效地提高了图像的信息熵,满足医学图像的诊断需求。

光流场算法中优化图像梯度数据可信度方法

基于梯度方法的光流场算法中,迭代次数需要足够大才能使运动物体边界数据扩散到灰度平坦的区域,计算量大,精度不高。在光流迭代方程中,梯度数据的精确度与可信度对光流计算的结果有直接的影响。对这一问题,应用Hessian矩阵判别、高斯滤波标准差修正、均值模板修正和多帧图像对比等四种方法可以有效地处理图像梯度数据,并不断修正,以提高梯度数据的可信度。这些方法通过防止运动物体边界梯度数据向邻域内盲目扩散,增加扩散的方向性,从而提高光流场计算精度和收敛速度。

An improved mean shift tracking algorithm based on double weighted color histogram

In practical application,mean shift tracking algorithm is easy to generate tracking drift when the target and the background have similar color distribution.Based on the mean shift algorithm,a kind of background weaken weight is proposed in the paper firstly.Combining with the object center weight based on the kernel function,the problem of interference of the similar color background can be solved.And then,a model updating strategy is presented to improve the tracking robustness on the influence of occlusion,illumination,deformation and so on.With the test on the sequence of Tiger,the proposed approach provides better performance than the original mean shift tracking algorithm.

一种基于心拍筛选的心电波形参数的测量方法

在计算心电的波形特征(如幅度、时限等)时,通常所有心拍都参与计算,但低信噪比的心拍实际上起了负面效应。本文提出了通过模板法筛选高信噪比的心拍来计算波形特征的一种方法。通过KL模板和均值模板的比较,发现无论是实时性还是准确性方面,均值模板都较KL模板更具优势。实验证明,本文方法提高了心电波形参数的统计精度。因此,该方法使得心电自动分析的结果更加准确可靠。