一种改进的基于纹理和颜色的运动阴影检测

精确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。

联合两种颜色空间的阴影检测算法

在视频监控的运动检测中,由于光照、风吹等影响,运动阴影常常被误认为运动对象。为了有效解决动态背景下运动目标中存在的阴影问题,提出了一种归一化的RGB颜色空间和HSV颜色空间相结合的阴影消除方法。该方法首先在归一化RGB颜色空间下用背景减除法得到运动目标,然后在HSV空间下对阴影进行检测和消除,从而得到真实运动目标。实验结果证实:该方法在运动目标检测及跟踪方面取得了较好的效果,对动态背景的视频,能准确、实时地检测出阴影并进行消除。

融合颜色和纹理的多特征匹配算法

传统SURF算法在对彩色图像匹配时仅基于灰度图像提取单一特征构建特征描述,在特征相似区域易导致误匹配,为提升图像配准精度,提出了一种多特征融合匹配算法。首先利用SURF算法进行特征点检测并构建特征描述符;其次,将彩色图像转换到归一化RG颜色空间,提取特征点邻域内的局部差值纹理信息,叠加到SURF描述符构成改进多特征描述符;计算特征点Hessian矩阵的迹,利用迹的正负对特征点进行分类,并采用最近邻比值法分别对分类的特征点进行对误匹配点进行粗剔除,最后利用改进的RANSAC算法对粗匹配点集进一步优化,计算最佳变换矩阵。实验结果表明,该算法在多种复杂变换下的图像匹配中均能获取较高的匹配精度,与传统算法比较,该算法的平均匹配精度提升了约7%,具有良好的稳定性。

车牌图像预处理及识别算法研究

实现了车辆牌照自动识别系统中的一套预处理方法,主要包括车辆图像的灰度化,灰度级调整,消除噪声,图像二值化等。通过灰度级跳动来实现车牌定位及分割,最后利用模板匹配自动识别车辆牌照信息并输出结果。本文采用的灰度变化及灰度级调整可有效的消除一些外部环境对车辆牌照的影响,在一定程度上提高了对车辆牌照的定位与分割的准确性,可对光线较昏暗,车牌较模糊的图像也可较准确的进行定位和分割。

基于卷积神经网络的病理细胞核分割

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0.848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。

基于pix2pix的数码迷彩方案研究

由于光照、温度、天气和季节的不同,同一地域通常在外观上有很大的差异,颜色的多样性是设计数码迷彩伪装方案的主要挑战之一。针对迷彩伪装过程中目标与背景融合难的问题,开展了基于pix2pix网络进行数码迷彩研究,采用STST(stain-to-stain Translation)方法对背景图像进行颜色归一化,在保留相应的纹理特征基础上,通过对特定颜色分布在“pix2pix”框架下进行深度学习生成数码迷彩图案。在算法上和实验上相较现有的数码迷彩设计,本文生成的数码迷彩图案与背景融合度明显提高。

基于颜色和梯度差估计器的运动阴影检测

针对当前运动阴影检测中采用的纹理信息过于粗糙问题,提出一种基于梯度差估计器并融合亮度和归一化颜色特征的阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色上的特性筛选出候选的阴影区域,然后利用梯度差估计器确定最终的阴影区域。实验结果表明,本文算法能很好地区分局部纹理不明显的运动目标和阴影。