联合显著图强化形变配准网络

配准图像中存在的结构对应性缺失与局部复杂大形变给非刚性图像配准准确寻找一一映射形变变换带来了极大挑战。传统配准方法以及基于深度学习配准方法都不能处理好此类图像配准异常难题。基于全局到局部的递进深度网络策略,该文提出了配准图像联合显著结构上下文信息增强的无监督式深度配准网络。其中,全局到局部的卷积网络通过将待配准图像输入到结果形变场输出的复杂映射分解为两个更易求解的全局映射与局部映射网络,同时结合配准图像联合显著结构上下文信息双向加强网络的学习训练,实现了精确、鲁棒、高效的联合显著图强化形变配准网络,有效地解决了既存在结构对应性缺失又存在局部复杂大形变的图像配准难题。

基于感兴趣区域的运动人体跟踪

为改善人体在跟踪过程中部分遮挡情况下的表现,提出了一种具有鲁棒性的联合跟踪方法.先利用显著图算法从人体区域中获取基于特征的感兴趣区域(ROI),然后用所提出方法对其进行跟踪.跟踪方法结合了差值平方和准则与基于颜色的均值漂移两种跟踪器的优点,使用卡尔曼滤波器进行状态估计,同时将由显著图算法产生的联合显著点作为局部多区域代替全局区域对人体感兴趣区域进行跟踪.试验结果表明,所提出的跟踪方法在人体部分被遮挡情况下的表现有了明显的改善,适合实时跟踪运动人体,具有很好的鲁棒性.