基于保边滤波的显著目标快速分割方法

在视频中自动发掘目标并对其进行精确分割是一个非常有挑战性的计算机视觉问题。本文提出了一种基于保边滤波的显著目标快速分割方法。首先,通过融合外观特征与运动特征,将视频中的显著目标发掘转为能量函数最小化问题进行求解。其次,为了更精确地进行分割目标,融合外观的高斯混合外观模型(Gaussian mixture mode,GMM)、位置先验以及时空平滑约束构建马尔科夫随机场(Markov random field,MRF)模型,并使用图割算法进行求解。本文提出的基于保边滤波的显著目标快速分割方法,在牺牲较少的精度下,极大地提高了分割效率。最后在两个数据集上进行了对比实验,实验结果表明,本文算法的分割精度超过了其他5种目标分割方法,且加速算法在损失少量精度的情况下提高了2倍分割效率。

基于背景学习的运动工件目标分割方法研究

精准的目标分割是实现工业机器人对工件目标跟踪和识别的前提和基础。在非限制场景中运动目标快速分割方法的基础上,提出通过高斯混合模型对传送带背景进行学习,实现了工业机器人视觉系统对传送带上运动工件目标的鲁棒分割。实验结果表明,利用该方法对运动目标进行检测,精度比视觉系统中原有的自适应阈值方法提高了7.5%。本文方法适用于具有稳态皮带背景的工业机器人视觉检测平台上的运动目标的高性能分割。