ANATOM-2000型CT机中滤波核函数的分析

介绍X-CT滤波反投影重建算法中滤波核函数选择的简单原则,以及几种常用的滤波核函数,并对深圳安科公司ANOTOM-2000型CT重建算法中的滤波核函数进行了分析。

一种基于多项式调和表示的拉普拉斯滤波核

滤波(卷积)是信号、图像处理常用的前端、后端处理步骤,对此提出了一种以多项式基线性调和表示子频谱段滤波的拉普拉斯滤波核的算法,用主向量分析法提取影响突出的子频谱段滤波,利用谱理论扩展频谱至连续无限尺度空间.实验结果表示,所提方法能够从拉普拉斯滤波中提取出多个代表性子频谱滤波,析取出子频谱段作用的特征频谱图像;与此同时,使用了四个评估标准以验证多项式表示的拉普拉斯滤波核与普通的拉普拉斯滤波核的一致性;最后的实验部分也验证了利用算法所表示的拉普拉斯滤波核可以用来反演滤波核.

基于方向重建滤波核的Splatting新算法

提出一种基于方向重建滤波核的Splatting新算法,以增强体绘制中物体的边缘.该算法基于三维数据场的梯度信息,投影时自适应地选择有方向的椭圆高斯足印函数,与传统Splatting相比,能够减小投影中的足印重叠现象,在绘制时间相比拟的条件下可更加精细地绘制出三维物体的轮廓.分别给出了平行投影和透视投影下的新Splatting算法,并对该算法在透视投影中的误差进行了分析.

基于模糊滤波核的TerraSAR-X图像Speckle噪声抑制算法

TerraSAR-X是世界上首颗商用的分辨雷达到1m的雷达卫星,具有广阔的应用前景。针对TerraSAR-X图像中的speckle噪声抑制问题,首先分析了噪声的基本数学模型,进而考察了几种经典斑点抑制算法,在此基础上,将模糊集理论引入到speckle噪声抑制问题中,构造了一种基于局域自适应模糊滤波核的speckle噪声抑制算法,通过对TerraSAR-X图像处理效果的实验分析,验证了算法的可行性,可以有效的抑制图像中的speckle噪声,显示出模糊集理论在TerraSAR-X图像speckle噪声抑制问题中的应用潜力。

基于核相关滤波和卡尔曼滤波预测的混合跟踪方法

针对核相关滤波(KCF)跟踪算法在遮挡场景中出现跟踪性能降低甚至跟踪失败的问题,提出了一种核相关滤波和卡尔曼滤波(KF)预测相结合的模型自适应抗遮挡图像目标跟踪算法KCF-KF。首先,考虑到传统KCF目标跟踪算法中缺少遮挡评估的问题,通过引入响应图的峰值旁瓣比来对图像目标的遮挡情况进行判断,并将遮挡类型划分为部分遮挡和严重遮挡。其次,根据遮挡程度采取不同的模型更新策略,当目标无遮挡或者部分遮挡时,替代传统KCF跟踪算法中采用固定学习率更新模型的方法,通过自适应地调整模型学习率来更新目标外观模型,避免跟踪漂移;当目标被严重遮挡时,停止KCF模型更新。最后,应用严重遮挡之前的运动信息构建卡尔曼滤波器状态空间和位置输出模型,设计卡尔曼滤波算法预测运动目标轨迹来估计遮挡情景下的目标位置,从而解决在遮挡场景中目标跟踪失败的问题。采用OTB-2013标准数据集进行大量实验,结果表明:所提的混合跟踪算法KCF-KF的距离精度为0.796,重叠成功率为0.692。与其他传统跟踪算法相比,该混合算法的跟踪精度和跟踪成功率均优于其他算法,并且在遇到目标遮挡挑战时具有更好的跟踪性能,有效地解决了跟踪过程中的遮挡干扰问题。

基于核相关滤波的深空目标跟踪算法

随着天基红外探测器接近目标,目标在焦平面的成像会由小变大,在近距离时以面目标形式成像,随着距离的接近,目标的尺度变化会越来越剧烈。针对经典核相关滤波算法无法应对尺度变化及遮挡的问题,论文提出了一种融合尺度滤波的核相关滤波跟踪算法。在位置滤波器预测目标位置之后,由尺度滤波器计算尺度响应以解决目标尺度变化问题。针对目标跟踪过程中的遮挡问题,提出了一种遮挡判别依据,遮挡情况下停止更新模板以实现稳定、鲁棒的跟踪。通过对比实验表明,该算法可以有效地应对尺度变化及遮挡情况,且帧率可以达到120 FPS,满足实时要求。

基于改进核相关滤波的桥吊负载摆角实时检测方法

在基于视觉的桥吊负载摆角检测过程中,负载快速运动使相机采集的图像产生运动模糊,进而导致摆角检测精度降低。为了准确、实时获取负载摆角信息,提出一种基于改进核相关滤波的摆角检测方法。将轨迹预测引入负载跟踪中,避免负载由于快速运动而逃离搜索窗口;设计尺度自适应策略,进一步提高跟踪性能;结合负载运动速度和响应峰值梯度更新自适应学习率,及时适应目标的特征变化。对兴趣区内的图像进行灰度增强处理,降低运动模糊对检测精度的影响,根据三角形外接圆定理获取标识物的圆心及半径,并结合起重机工作空间建立负载摆角测量模型。实验结果表明,所提出方法在检测准确性和实时性上均优于其他方法,检测误差不高于3像素,处理速度不低于35帧/s。

基于多特征融合和尺度自适应的核相关滤波算法

为了提高在复杂背景下进行跟踪的精度,在KCF(Kernel Correlation Filter)算法的基础上提出了一种改进方案。首先,提取HOG(Histogram of Gradient)、CN(Color-Naming)和LBP(Local Binary Pattern)三种特征进行融合,获得充分的目标特征信息;其次,引入尺度滤波机制用于估计目标最佳尺度大小,得出最合适的跟踪框;最后,提出了一个峰值更新策略,确保模型更新不受错误信息干扰。实验表明,改进后的算法比KCF算法在精确度和成功率上分别提升了6.5%和4.8%,并且在处理尺度变化、变形、旋转等方面也有很好的鲁棒性。

基于核相关滤波和卡尔曼滤波的目标跟踪算法研究

针对遮挡情况目标跟踪经常产生漂移的问题,提出一种基于核相关滤波和卡尔曼滤波的目标跟踪算法。算法使用核相关滤波响应的峰值旁瓣比,判断遮挡。无遮挡时,以核相关滤波器为主跟踪器,获取目标位置,并修正卡尔曼滤波器;有遮挡时,将卡尔曼滤波器设置为主跟踪器,估计目标位置,保持核相关滤波模型。实验从跟踪速度、精度、成功率等角度与其它算法比较,结果表明该算法在遮挡情况下,有效改善跟踪效果,具有很强的鲁棒性。

基于金字塔方向梯度直方图特征的核相关滤波目标跟踪算法

在使用传统的核相关滤波目标跟踪算法(KCF)对环境背景庞杂下的目标进行跟踪时,会出现目标丢失的情况。为解决该问题,提出了将金字塔方向梯度直方图特征与多峰检测机制相结合的核相关滤波目标跟踪算法。该改进算法在原有的KCF算法的基础上,采用金字塔方向梯度直方图的特征提取方式,并使用多峰值检测更新机制(APCE)对目标是否被遮挡进行判断。与传统的KCF算法相比较,该算法在光照化较大、目标存在遮挡等背景复杂的情况下有更好的跟踪效果,减少了目标的漂移。

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。

改进的核相关滤波跟踪算法

主要针对核相关滤波(KCF)跟踪算法无法解决目标跟踪中尺度变化及目标丢失问题,提出了一种改进的核相关滤波目标跟踪算法。在训练位移滤波器的基础上增加了一个尺度滤波器来改进目标尺度变化问题。为解决目标丢失问题,结合了遮挡处理机制,当判断目标受到遮挡面积较小时使用支持向量机(SVM)对样本进行在线训练,当目标遮挡时使用再检测分类器进行检测。实验结果表明,该方法与其他优秀跟踪算法比较跟踪精度有明显提升。

采用核相关滤波器的自适应尺度目标跟踪

由于现存的大多数基于检测的跟踪器都没有解决尺度变化问题,本文在传统的基于检测的目标跟踪框架下设计了一种尺度估计策略,并给出了基于核相关滤波器的自适应尺度目标跟踪算法。该算法利用核函数对正则化最小二乘分类器求解获得核相关滤波器,通过对核相关滤波器的在线学习完成目标位置和尺度的检测,并在线更新核相关滤波器。为了验证本文算法的有效性,选取了10组场景复杂的视频序列进行测试,并与其它5种优秀跟踪方法进行了对比。结果表明,本文提出的方法比上述5种优秀跟踪方法中的最优者的平均距离精度提高了6.9%,且在目标发生尺度变化、光照变化、部分遮挡、姿态变化、旋转、快速运动等复杂场景下有较强的鲁棒性。

分块核化相关滤波目标跟踪

针对核化相关滤波跟踪算法在目标尺度变化和遮挡情况下跟踪性能降低的问题,提出一种分块核化相关滤波跟踪算法.首先根据目标外观特性对目标进行子块划分;为了避免目标被遮挡时模型更新引入错误信息,只使用有效子块指导目标模型更新过程,单独跟踪每个目标子块;随着目标尺度的变化,在跟踪过程中各子块跟踪结果会相应地重叠和分离,最后根据有效子块的跟踪结果确定整体的位置信息.在30个标准视频上的实验结果表明,相比原始核化相关滤波算法,文中算法在尺度变化和遮挡情况下有更好的跟踪效果;此外,该算法的平均处理速度可达100帧/s.

空间自适应卷积核滤波红外弱小目标检测

为了减少复杂红外图像中平滑背景边缘的影响,将具有各向异性特性的PM扩散模型应用到红外弱小目标检测,提出了空间自适应卷积核滤波检测算法,并对扩散系数进行了优化。针对模型中扩散参数难以确定的问题,提出了一种利用Sobel边缘检测算子估计扩散参数的方法。滤波后采用信噪比(SNR,Signal Noise Ratio)和接受机工作特性(ROC,Receiver Operating Characteristic)曲线进行性能评价,实验结果表明,与PM扩散模型滤波和中值滤波相比,该算法有效抑制了边缘,大大提高了信噪比,提高了检测概率,降低了虚警概率,具有更好的性能。

基于三角形滤波卷积核的快速线积分卷积算法

基于纹理的线积分卷积(LIC)方法,能连续细致、动画地表示2D矢量大小和方向,但卷积计算极其耗时。针对这个问题实现了基于常数滤波卷积核的快速线积分卷积算法,提出并论证了基于三角形滤波卷积核的快速线积分卷积算法,对于实际矢量场,上述两种方法均将运算速度提高了一个数量级,而基于三角形滤波卷积核的快速线积分卷积算法的结果使图像更加平滑。

基于核相关滤波算法的青鳉游泳跟踪研究

为获取鱼类游泳行为数据,采用增强的核相关滤波跟踪算法,对青鳉Oryzias latipes游泳轨迹进行跟踪研究,根据当前和之前帧信息训练出多核相关滤波器,然后与新输入帧进行相关性计算,得到的响应值就是预测的跟踪结果,响应值最大处即为跟踪目标位置,用该方法提取出3万帧图像中青鳉游泳位置,绘制青鳉游泳轨迹热力图,并分析不同规格青鳉的游泳领地。结果表明:增强的核相关滤波跟踪算法能够实时稳定地跟踪青鳉游泳行为,提取的青鳉游泳轨迹与实时记录轨迹高度吻合;试验过程中测试2万帧视频序列,806帧丢失,丢失率4.03%。本研究实现了对青鳉游泳位置定位跟踪,及时显示青鳉的游泳位置、速度和轨迹,对研究青鳉在特定环境下的生活习性提供了数据支持。

核粒子滤波目标跟踪算法

针对粒子滤波的退化问题以及使用单一特征跟踪鲁棒性不高的缺点,提出了一种基于多特征融合的核粒子滤波目标跟踪方法.首先在核粒子滤波中提出新的权值更新方法,然后将颜色和纹理特征在核粒子滤波方法框架下进行融合实现鲁棒跟踪.对颜色和纹理特征的计算分别采用空间直方图和积分直方图的计算方法,这2种计算方法有效地克服了2种特征自身存在的缺点.该算法提高了采样效率,解决了粒子滤波的计算量大和粒子退化问题.最后应用本文算法在复杂背景和严重遮挡等情况下的目标序列上进行了测试,实验表明该算法不仅能准确地跟踪目标,而且能很好地处理目标遮挡等问题.

全景视觉非线性核相关滤波目标跟踪技术

为了实现全景视觉下目标跟踪,本文提出了基于非线性核相关滤波的全景视觉目标跟踪算法,该算法将岭回归与循环样本矩阵和经典的相关滤波联系在一起。通过核技巧,建立了非线性回归函数,解决了全景成像畸变的影响。通过在极坐标系下构造傅里叶形式的梯度方向直方图特征描述子(HOG),保证了全景目标的旋转不变性。针对全景成像特点设计自适应机制和基于极坐标表示的目标搜索机制。以OTB100库中存在平面内旋转情况的图像序列与原方法进行对比实验,本文算法跟踪精度提高13.5%。并在全景图像上进行实验,相比于原方法,本文算法能够实现有效全景视觉目标跟踪。

采用核相关滤波器的长期目标跟踪

针对核相关滤波器(KCF)跟踪算法在目标跟踪中存在尺度变化、严重遮挡、相似目标干扰和出视野情况下跟踪失败等问题,提出了一种基于KCF的长期目标跟踪算法。该算法在分类器学习中加入空间正则化,利用基于样本区域空间位置信息的空间权重函数调节分类器系数,使分类器学习到更多负样本和未破坏的正样本,从而增强学习模型的判别力。然后,在检测区域利用Newton方法完成迭代处理,求取分类器最大响应位置及其目标尺度信息。最后,对最大响应位置的目标进行置信度比较,训练在线支持向量机(SVM)分类器,以便在跟踪失败的情况下,重新检测到目标而实现长期跟踪。采用OTB-2013评估基准50组视频序列验证了本文算法的有效性,并与30种其他跟踪方法进行了对比。结果表明:本文提出的算法跟踪精度为0.813,成功率为0.629,排名第一,相比传统KCF算法分别提高了9.86%和22.3%。在目标发生显著尺度变化、严重遮挡、相似目标干扰和出视野等复杂情况下,本文方法均具有较强的鲁棒性。