多摄像机间基于最稳定极值区域的人体跟踪方法

为实现多摄像机视频监控系统中的人体跟踪,提出了一种以最稳定极值区域作为匹配特征的人体跟踪方法.该方法使用图像的灰度信息,在一定程度上减小了摄像机增益及光谱特性对人体跟踪造成的影响.通过把人体跟踪转化为椭圆形区域的匹配,算法将最稳定极值区域拟合成椭圆形区域,在此基础上,选出符合约束条件的候选椭圆形区域,并将其归一化为单位圆形区域,通过在圆形区域内计算旋转不变量、进行直方图密度估计和计算加权平均距离实现椭圆形区域的正确匹配,从而实现多摄像机间的人体跟踪.实验结果表明:该算法可有效实现多摄像机间的人体跟踪.

基于最稳定极值区域方法的目标检测与跟踪

针对非刚体目标的精确实时跟踪问题,提出了一种融合先验形状信息的基于最稳定极值区域(MSER)检测器的跟踪算法。首先,利用训练样本建立目标颜色特征的混合模型,生成目标统计颜色概率图,为最大稳定区域方法提供概率统计依据。其次,利用基于最稳定极值区域方法给出最稳定的分割结果。最后,利用训练样本得到目标的先验动态形状模型,并且融合目标形状信息与通过MSER算法生成的稳定区域信息,去除虚假分割结果,提高目标检测精度与跟踪性能。实验结果证明,该算法能在视频序列图像中有效检测并跟踪目标。

最稳定极值区域与边缘增强的船名定位方法

船名自动定位技术是船名身份自动识别的第一步,对推动船舶自动化管理有着重要意义。提出一种结合最稳定极值区域和边缘增强的船名定位方法。该方法在MSER(Maximally Stable Extremal Regions)区域检测Canny边缘,通过先验知识分析连通域最终实现定位船名。实验表明,该方法能适应昼间、夜间、强光和弱光多种光照环境,昼间数字定位准确率高达90.9%,昼间船名定位准确率达78.5%。

基于随机区域扩张算法的多方向文本检测

针对传统文本检测方法只能定位水平文本或近水平文本的问题,提出随机区域扩张算法,定位任意方向文本。使用最稳定极值区域算法对输入图片预处理,得到文本备选区域;设计3个尺度不变、方向鲁棒的特征,通过贝叶斯算法融合多特征生成概率映射,使用条件随机场模型标记文本和非文本区域;提出随机区域扩张算法,将属于相同文本行的字符连接在一起,寻找包围文本行的最小区域,定位多方向文本。实验结果表明,该算法在自然场景文本经典数据集上取得了较好的效果,能够较好定位任意方向的文本。

基于MSER的红外与可见光图像关联特征提取算法

关联特征提取是红外与可见光图像配准、融合和变化检测等应用中的关键步骤。针对同一场景红外与可见光图像间关联特征难以正确提取的问题,基于最稳定极值区域(MSER)算法,提出了一个仿射不变的关联特征提取方法。该方法主要包括3个步骤:(1)提取红外与可见光图像中的最稳定极值区域;(2)对特征区域进行椭圆拟合;(3)规则化处理,消除形变干扰,输出便于描述和匹配的一致性特征。实验结果证明了该算法在红外与可见光图像关联特征提取中的有效性。

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.

基于匹配技术的影像真实性鉴别

"华南虎事件"后,影像真实性鉴别成为科技工作者亟待解决的问题。提出一种应用于影像深入分析的复合式图像匹配算法,以及对应图像区域之间的尺度空间有序性准则和基于图像梯度朝向的物体偏转描述法。将上述理论应用到影像真实性鉴别中,提出通过对应图像特征间的隐含信息寻找不符合成像规律之处,以进行真伪鉴别的方法。该方法具有较强的说服力和较好的广延性。运用该方法对周正龙拍摄的"华南虎"数码底片进行了分析,结果显示虎照多处与实际相悖,真实性较低。

基于鲁棒特征挖掘的图像副本检索

为了提高视觉特征的鲁棒性,提出尺度空间下最稳定极值区域特征的挖掘算法.该算法在尺度空间下检测特征,首先通过分析特征的局部稳定性来挖掘鲁棒的特征,然后对区分力低的特征基于熵值进行过滤;在此基础上,基于尺度空间下最稳定极值区域特征的尺度一致性提出了基于最大匹配尺度的检索算法,可提高局部敏感哈希高维索引的检索性能.与多种已有方法进行比较的结果表明,文中算法的平均检索精度相对提高10%以上,查询效率也有提升.

基于图像技术的小麦籽粒三维信息测量

为了实现小麦籽粒三维信息的快速测定,设计了一种利用图像分析技术测量小麦籽粒长、宽、厚信息的方法。利用麦粒最稳定极值区域(MSER)的长和宽,借助一定角度的光源使麦粒产生影子,根据不同厚度麦粒产生影子的宽度不同来测定籽粒的厚度,从而获得麦粒的三维信息。通过对4个不同小麦品种共256颗麦粒进行图像处理测量和游标卡尺测量实验,在比较两种方法的试验结果发现,两者测量麦粒长、宽、厚的相关性均较高,R2值均高于0.9,RMSE分别为0.0988、0.08413、0.0917。结果表明借助光源通过单幅二维图像可快速准确测量小麦籽粒三维信息,可为小麦籽粒三维信息智能化测量提供参考。

基于对象建议算法的自然场景文本检测

对象建议算法(object proposals)是对象检测中的常用算法,用于快速定位物体区域。根据自然场景文本的特点,将对象建议算法应用到文本检测中,并与经典的最稳定极值区域算法相结合;然后,通过贝叶斯模型融合了笔画宽度特征、视觉散度特征和边缘梯度特征,并将文本和非文本区域的区分问题转换成一个二值标记问题,通过最小化能量函数寻找最佳标记;最后,通过均值漂移聚类寻找文本区域的中心生成文本行。经实验证明,本算法在常用的自然场景文本检测数据集上速度得到了提高,并且一定程度上解决了传统最稳定极值区域算法对光照敏感的问题,获得了较高的查全率。

一种结合MSER与SIFT算子的特征检测方法

为了快速稳定地进行仿射变换下的局部特征区域提取,提出了一种新的特征区域提取算法.首先检测图像最稳定极值区域(MSER),然后将这些区域归一化,接着对其使用尺度不变特征变换(SIFT)算子进行特征提取.试验结果表明,所提出的算法不仅赋予最稳定极值区域合理的数学描述,而且其抗仿射变换能力强于SIFT算子.另外,由于只是对部分图像计算SIFT算子,速度上也要快于传统的SIFT算法.

复杂地面背景下相对定位目标选择与识别算法

针对相对定位技术在复杂地面背景下存在相对定位目标选取质量不高、识别难度大的问题,基于最稳定极值区域(MSER)和双层匹配矫正策略提出一种新的相对定位目标选取与识别算法。算法首先提取基准图和实时图的MSER特征,并进行椭圆拟合和规则化,然后根据特征区域的选择权重指数自适应选取相对定位目标,再利用MSER特征的尺度和仿射不变特性,基于互相关性准则提取两图像间匹配的MSER特征对,最后采用位置权重指数和随机抽样一致性(RANSAC)算法进行双层匹配矫正,剔出误匹配特征对,实现相对定位目标的准确识别。实验结果表明,针对复杂地面建筑场景,该方法的相对误识别率最大为0.125,绝对误识别率为0.028。基本满足成像末制导相对定位技术稳健性好、识别精度高、抗干扰能力强等要求。

基于自适应上下文信息的目标相对定位方法

针对成像末制导中地面固定目标识别难度大的问题,基于最稳定极值(maximally stable external region,MSER)区域提出一种新的相对定位识别算法。提取基准图中目标周围具有尺度和仿射不变特性的MSER特征,根据权重指数自适应选取一定数量的MSER特征作为上下文地标。提取实时图中的MSER特征,与上下文地标基于规则化互相关准则进行特征匹配,利用双层匹配矫正策略减少误匹配,得到匹配特征对。提取匹配特征对的中心点作为参考点求解基准图与实时图之间的空间映射关系,进而利用最小二乘拟合一次多项式计算实时图中目标的位置坐标。实验结果表明,针对复杂地面场景,该方法的最大相对定误差不大于3个像素。基本满足成像末制导对自动目标识别算法稳健性好、识别精度高、抗干扰能力强等要求。

基于图像匹配的遥感图像建筑物变化检测

本文提出了一种基于图像特征匹配的遥感图像建筑物变化检测新方法。该方法可以检测两幅高空间分辨率遥感图像中的目标建筑物是否发生了变化,并在无变化时确定该目标建筑物在遥感图像上的具体位置。我们使用Quickbird卫星遥感图像进行了初步实验,实验结果表明本文所探讨的方法可以比较可靠地检测到建筑物变化。

基于连通域分析和笔画宽度变换的船名检测方法

为实现昼夜间船名精准检测,本文提出一种基于计算机视觉的船名检测方法。该方法使用Retinex算法对船舶图像预处理,随后基于MSER获取文字候选区域,根据先验知识和笔画宽度变换特征得到最终候选区域,最后使用级联分类器确定单字符区域,进而得到船名位置完成船名检测。实验结果表明,该方法在昼间和夜间均能实现船名精准检测,昼间船名检测准确率高达90.4%。

一种新的光电成像末制导景象匹配方法

针对光电成像末制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异的问题,构造了一种基于均匀模式的特征描述符,并基于该特征描述符和最稳定极值区域(MSER)提出了一种新的景象匹配算法。算法首先提取基准图像和实时图像的MSER特征,MSER特征具有尺度和仿射不变性,基于新的特征描述符分别对该特征进行旋转和灰度不变性特征描述,然后根据欧氏距离比值准则提取两图像间匹配的MSER特征对,根据随机抽样一致性(RANSAC)算法估计两图像的外极几何关系,实现末制导景象匹配。仿真结果表明,该算法能够在光电成像末制导过程中实现稳定的景象匹配,其稳健性优于传统方法。

一种新的局部仿射不变特征描述符

提出了一种新的局部仿射不变特征描述符:首先,基于多尺度自卷积(MSA,multiscale autoconvolution)变换构造了一组新的特征量———多尺度自卷积熵(MSAE,multiscale autoconvolution entropy),证明了该熵具有仿射不变性;再利用广义典型相关分析(GCCA,generalized canonical correlation analysis)将MSA和MSAE两种特征进行融合,生成具有更多图像信息的独特性更高的组合特征,将其作为新的局部仿射不变特征描述符;最后利用该融合描述符对图像中的最稳定极值区域(MSER,maximallystable extremal region)进行描述,并对MSER进行了2组分类识别实验,证明了新描述符具有更高识别率。

基于椭圆对称方向矩的可见光与红外图像配准算法

针对图像匹配制导中异源图像匹配难度大的问题,提出一种基于椭圆对称方向矩的可见光与红外图像配准算法.基于最稳定极值区域提取异源图像中具有尺度和仿射不变特性的椭圆区域,利用聚类分割方法从中自动选取具有异源不变性的同质区域特征,用椭圆对称方向矩描述区域特征边界各方向上的相似程度,通过互相关性指标进行特征匹配,获取匹配特征对,利用匹配矫正策略减少误匹配.实验结果表明:较传统算法,进一步提高了可见光与红外图像关联特征的匹配效率,正确率超过了95%,计算时间缩短了近一半.基本满足图像匹配制导对匹配算法实时性好、匹配正确率高、抗干扰能力强等要求.