短程线主动轮廓跟踪算法的研究——在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点 在短程线主动轮廓模型的基础上 ,利用力场正则化方法 ,并加入运动边缘信息 ,提出了一种在复杂背景下多个非刚性目标进行跟踪的方法 该方法由运动检测和跟踪两部分组成 :运动检测利用运动边缘信息对运动目标的运动做出检测 ,让轮廓曲线运动到目标轮廓附近 ;跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正 而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正

一种新的主动轮廓线跟踪算法

主动轮廓线模型，又称“蛇”，由Kass等于1987年首次提出后在数字图像分析和计算机视觉等领域正在得到越来越广泛的应用．不过，现有的主动轮廓线搜索与跟踪算法存在许多问题．本文提出一种新的主动轮廓线跟踪算法──new．snake算法．它不但继承了已有算法的优点，而且克服了它们的主要缺点．它具有下列特点：算法快速收敛；控制点的数目自适应地改变，保证稳定跟踪；将硬强制力直接引入能量公式；可以方便地添加色彩信息约束；削弱了各参数的改变对算法的影响．大量实验验证了该算法的鲁棒性和实用性．

基于多分辨率方法的主动轮廓线跟踪算法

由Kass等于1987年首次提出的主动轮廓线模型，在数字图像分析和计算机视觉领域得到了越来越广泛的应用．基于单分辨率的主动轮廓线跟踪算法存在一个共同的缺点．即：要求初始轮廓线离目标的真实轮廓线很近，这样的算法用于跟踪将只能跟踪缓慢运动的目标，从而限制了主动轮廓线跟踪算法的应用范围．本文提出了一种基于多分辨率的主动轮廓线跟踪算法，它不但继承了基于单分辨率的主动轮廓线算法的优点，而且降低了对初始轮廓线的要求．此外，本文推导出不同分辨率情况下主动轮廓线算法与其允许的目标运动速度的关系公式，并用这些公式定量地计算出单分辨率和多分辨率情况下算法允许目标运动的最大速度，证明本文方法可以跟踪运动较快的目标．

基于边缘吸引力场正则化的短程线主动轮廓模型

短程线主动轮廓模型是近几年提出的一种有效的多目标轮廓提取算法 .本文在详细分析其动力学过程的基础上 ,针对该模型中存在的局限性和不足 ,提出对边缘吸引力场进行正则化的方法 ,并采用多尺度模型 ,有效的改善了该模型不能对存在断裂轮廓的目标进行正确提取和凹边缘搜索能力弱的缺点 ,增强了抗噪声和虚假边缘干扰的能力 ,使该算法具有更好的鲁棒性和实用性 .

基于主动轮廓线模型的海面运动目标跟踪

将主动轮廓线模型用于海面运动船只的跟踪,提出了一种自动选择主动轮廓线初始控制点的方法,增强了主动轮廓线模型的实用性,并将基于主动轮廓线模型的跟踪方法用于多个海面运动目标的跟踪。实验结果表明,提出的初始主动轮廓线自动选取方法可以准确地选择目标的轮廓线的特征点;基于主动轮廓线模型的跟踪方法可以比较准确地跟踪运动船只的主要轮廓特征。

应用短程线主动轮廓线的图像多目标面积同时测量

提出了一种新颖的图像多目标面积同时测量的方法,用于精确测量多个不同形状的图像目标面积。该方法应用了短程线主动轮廓线模型,分2个步骤进行。首先利用水平集函数φ的迭代使主动轮廓线由初始位置向各个目标的轮廓边缘收敛。其次,对于收敛后的主动轮廓线,分别计算出各目标边界的亚像素面积和图像目标的内部像素个数,从而同时求出各个图像目标的面积。实验结果表明,该方法的测量重复性误差<±0.5%;和传统的面积测量方法相比,具有测量效率高(同时测量多个目标面积)和测量精度高的优点。

基于多种群粒子群优化算法的主动轮廓线模型

主动轮廓线模型凹陷边界点的寻优属于动态优化问题,由于其复杂性,传统方法不能准确搜索到最佳边界点。若采用单一的粒子群优化算法求解,不仅耗时,而且容易陷入局部极值。针对以上问题,提出一种多种群粒子群优化算法,并将其应用于主动轮廓线模型的边界寻优过程中。该算法为每个控制点设置一个种群,各种群之间通过共享信息的方式协作寻优,从而避免采用单一PSO算法容易早熟的缺点,同时扩大了控制点的搜索区域,提高了收敛速度。将改进方法与传统方法进行了对比,实验结果证明了改进方法的有效性。

一个新颖的轮廓线跟踪算法

提出了一个新颖的基于隐马尔科夫模型与光流的轮廓线跟踪算法。曲线描绘由B样条形状空间向量来表达,能够捕捉全局和局部变形。提出应用沿曲线的光流计算来预测曲线在下一帧的位置,在预测曲线的基础上,提出应用隐马尔科夫模型来准确定位曲线的位置。隐马尔科夫模型提供了一种有效的概率手段来融合多种量测特征比如边缘,曲线平滑性,区域灰度或颜色统计信息等等,能够更准确的定位曲线位置。基于仿射形状空间的实验了表明本文所提出算法的有效性。

一种组合主动轮廓线模型算法

本文针对传统主动轮廓线模型 (Snake模型 )无法检测凹陷目标轮廓的缺陷 ,提出了一种由全局Snake模型和局部Snake模型两部分组成的组合Snake模型。组合模型首先使用全局Snake模型进行轮廓粗检测 ,并使用SUSAN算子检测目标轮廓上凹陷最“深”的凹点 ;然后 ,在凹点附近的局部区域 ,使用局部Snake模型进行轮廓凹陷部分的检测 ;其后以其替代使用全局模型检测出的目标轮廓的相应部分 ,形成最终检测的目标轮廓。实验结果表明 。

基于改进的主动轮廓模型及光流估计的标记线跟踪

在心脏核磁共振图像分析中,标记线的跟踪是心肌运动分析及3维运动重建的重要步骤。为了提高心脏标记线跟踪的准确性,首先使用改进的基于动力学方程的主动轮廓模型来对标记线进行跟踪,并根据标记线的特点,引入了3种弹性势能,然后采用了新的内能函数,并使用新的方法来产生图像势能,由于改变了原模型中轮廓线初始速度为零的假设,并引入了光流估计作为轮廓的初始速度,从而提高了跟踪结果的准确性。对多序列心脏收缩期核磁共振图像的实验结果表明,该算法可以获得较好的跟踪效果。

耦合的动态轮廓线的一种改进的跟踪算法

运动目标的检测与跟踪技术是计算机视觉研究的核心 ,本文主要研究基于动态轮廓线的目标跟踪算法 ,将轮廓的 B样条模板考虑进运动方程即耦合的动态 B样条轮廓线模型 .并且在此基础上将B样条模板的先验知识融入特征搜索中 ,提高了在复杂的背景中及有遮挡情况下跟踪器的鲁棒性 .

主动轮廓线模型(蛇模型)综述

在传统的计算机视觉领域 ,严格的各自独立的分层理论有广泛的影响 .这种理论认为 ,底层的视觉任务的完成只能依赖于从图像本身获得的信息 .Kass等人对这种模型提出了挑战 ,于 1987年提出了称为 Snake的主动轮廓线模型 (active contour model) .近 10多年来 ,Snake模型在计算机视觉领域得到了广泛应用 ,取得了许多重要的进展 .该文回顾了近 10多年来 Snake模型的研究、发展及应用情况 ,并对未来的发展方向进行了展望 .

一种新的B样条主动轮廓线模型

提出了一种新的 B样条主动轮廓线模型 .在拉格朗日动力学方程中 ,文章所推导的仿射不变性模板通过弹性势能项与主动轮廓线进行实时耦合 ,因此新的模型对运动目标的轮廓跟踪具有仿射不变性 .文章进一步讨论了控制系统的李雅普诺夫稳定性 .为了有效地跟踪复杂背景中的目标 ,提出了一种新的特征检测方法 ,这一方法融合了多种图像信息 ,因而具有较强的鲁棒性 .对真实的序列图像的实验验证了新的模型的有效性 .

利用能量函数和主动轮廓模型提取道路边缘线

针对高分辨率遥感影像道路边缘线交叉口断裂问题,提出一种利用能量函数和主动轮廓型提取遥感道路边缘线方法。在利用概率增进树算法和形态学运算提取道路条带,通过细化算法获取道路中心线基础上,沿道路中心线外推以检测初始道路双边缘线;鉴于道路边缘线存在局部曲率变化过大的问题,利用梯度特征和光谱信息构建能量函数,设计路径代价,结合Dijkstra算法优化初始道路双边缘线。通过构建Snake模型,利用离散动态规划算法解算模型,连接交叉口断裂处,解决交叉口断裂问题,进而得到最终道路双边缘线。实验结果表明,该方法能够较好提取连续、平滑的道路双边缘线,准确率达88%。

基于Fuzzy的隐马尔可夫模型主动轮廓线模型

提出了一种基于Fuzzy和隐马尔可夫模型(HMM)的新型主动轮廓线模型,该模型将HMM理论应用于主动轮廓线模型中,利用HMM提供多种测量信息的能力,优化了模型参数,克服了传统主动轮廓线模型的缺点.同时利用模糊集理论建立了HMM中的状态与观测向量之间的模糊隶属关系,从而使蛇点准确收敛到图像边缘.对动态图像的仿真实验表明,改进后的主动轮廓线模型能很好地收敛到物体的凹陷边界,且具有良好的抗噪性.

一种新颖的轮廓线跟踪方法

为了降低跟踪系统状态维数、提高跟踪精度,从拉格朗日动力学原理出发,利用B样条形状空间理论,定义了新的动能、势能和衰减能量,推导了新的动态轮廓线跟踪动力学方程,并应用运动估计中的块匹配技术来寻找相邻帧中的对应点。结果表明:形状空间的维数远小于控制点数,增强了跟踪的稳定性;形状矩阵的正交化处理可以保证得到的动力学方程自然解耦,转化为若干个独立的单变量二阶振动系统;块匹配方法能够更准确地检测特征曲线。实验结果证明了方法的有效性。

鱼群主动轮廓模型算法

经典主动轮廓模型在图像分割中,存在分割结果与初始状态有关和容易陷入局部极小值的问题。为了解决上述两个问题,可以通过将主动轮廓模型的多阶段决策问题与鱼群算法的决策过程相结合,提出鱼群主动轮廓算法。由主动轮廓模型的特点构建了主动轮廓模型相对应的鱼群算法,把主动轮廓模型图像分割的问题转化成最优能量函数值的搜索问题,为获取精确的图像轮廓提供了新方法。实验结果表明此方法能在任意初始化曲线下有效地分割出图像。通过数学证明和实验结果可以知道鱼群主动轮廓算法具有良好的全局收敛性,避免了主动轮廓模型原来采用了变分法优化而难以达到全局最优,甚至难于达到局部最优的现象。

一种改进的运动目标跟踪与轨迹记录算法

针对目前运动目标的跟踪与记录方法占用存储空间较大的缺点,提出了一种减少存储空间的记录算法,即先用三帧差分算法和Snake算法相结合检出运动物体的轮廓,再利用Hausdorff算法对提出的轮廓进行匹配,并将匹配后的轮廓和运动轨迹以文本文件存储,大大降低了运动目标轨迹记录存储容量.实际运用表明,改进后的记录存储空间相当于通常视频文件的万分之一.该算法适于长时间记录运动目标轨迹.

结合全局轮廓变形的改进Snake算法

为避免跟踪较大位移和变形对象时易陷入局部极小问题,提出了一种改进的主动轮廓模型Snake算法,并将其用于视频中变形运动对象的跟踪与提取.该文采用L*a*b*颜色空间的彩色梯度图和仿射变换的校正误差计算Snake的外部能量,增强了图像外部特征对Snake的作用.实验结果表明改进后的Snake算法大大提高了Snake跟踪的准确度,并能跟踪发生了较大位移和变形的视频运动对象.

一种改进的窄带算法在彩色序列图像人脸跟踪中的应用

该文提出了一种基于几何主动轮廓模型的人脸跟踪方法。通过直方图反向投影,使人脸区域表现为一个 致性区域与背景相区别。研究了一种改进的窄带算法实现曲线演化:以等间隔分布的节点表示运动曲线,只在这些 节点上计算Level set函数的变化值, 窄带区内其余点的Level set值的更新通过插值和查表的方法实现;根据节点 的局部图像信息决定节点的运动方向和时间步长值。实验表明该算法能在满足一定精度的前提下,快速地对运动人 脸进行跟踪。