基于特征融合与背景加权的红外目标跟踪

针对传统均值漂移算法无法对与背景相近红外目标进行有效跟踪的问题,提出了一种改进均值漂移(Mean Shift)算法。首先,融合了灰度和纹理两方面的信息以增加目标描述的信息量,接着为了减少背景像素对跟踪定位的影响,通过目标区域周围像素的颜色直方图定义背景加权系数,并将该系数引入到目标模型的灰度直方图和纹理直方图的计算中,进而实现目标的准确定位,最后,给出了目标模型更新方法。实验结果表明,文中算法能够抑制背景干扰,对与背景相似的目标进行有效的跟踪。

基于直方图比的背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法目标模型中背景像素所造成的目标跟踪定位的偏差,提出了一种基于直方图比的背景加权的目标表示方法。该方法使用由目标核直方图和背景直方图的对数似然比值推导出的隶属度因子作为权值,通过只对目标模型进行加权变换,而不变换目标候选模型的方法,增强了目标和背景的可分性,有效减少了跟踪过程中背景像素的干扰,提高了目标定位的准确性。仿真实验结果表明算法的有效性。

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。

一种基于背景加权的多特征融合目标跟踪算法

针对均值漂移(MS)目标跟踪算法受背景环境变化干扰较大的问题,提出一种基于背景加权的多特征融合目标跟踪算法BWMMS。引入基于目标模型与目标周围背景模型差分的加权函数,细化各像素对准确描述目标的重要程度,从而提高目标模板的分辨能力。结合颜色与纹理特征进行目标跟踪,构建基于目标和目标背景区域的特征自适应融合机制,使BWMMS算法能够根据跟踪场景变化自适应调整颜色与纹理特征的权值。实验结果表明,与MS算法、HRBW算法相比,该算法对环境变化的适应性较好,能取得更鲁棒的跟踪结果,且跟踪成功率高达94.84%。

基于局部背景加权和能量约束的多目标检测与跟踪算法

针对标记点处理方法用于多目标跟踪时效果不佳的问题,在标记点方法的基础上,提出一种多目标联合检测跟踪算法。改进的帧间差法用于目标的初步确定,通过局部背景加权进一步确定其与多个目标的标记。考虑动态模型的轨迹一致性问题,对动态目标、长时间跟踪和目标互斥相似等问题进行研究。针对非凸性的能量函数采用可逆跳转马尔可夫链蒙特卡洛进行优化。实验结果表明,在有高斯噪声情况下,与其他跟踪算法相比,该算法的检测和跟踪相似度最高,在卫星图像序列和自采集视频中的精度和召回率也最高,整体性能较优。

背景加权的多特征融合目标跟踪算法

针对单一特征目标跟踪导致多数跟踪算法鲁棒性差的原因,提出一种背景加权的多特征融合目标跟踪算法。在跟踪过程中对目标模型进行背景加权,同时利用空间直方图提取目标颜色的空间分布信息。在粒子滤波框架下将背景加权直方图和空间直方图相结合,并且引入特征不确定性度量,自适应调整不同特征对跟踪结果的贡献,有效地提高了算法的鲁棒性。实验结果表明:与传统融合算法相比,提出的算法具有更强的鲁棒性,同时提高了跟踪精度。该算法在目标表示和跟踪性能上都有很大的提高。

基于背景加权的尺度方向自适应均值漂移算法

针对经典的均值漂移算法在跟踪过程中由背景相似度、尺寸变化以及遮挡等引起的跟踪漂移问题,提出了一种基于背景加权的尺度方向自适应均值漂移跟踪算法。结合背景加权来提取目标颜色特征,充分利用了视频图像序列的空间信息,突出了目标区域的信息特征,抑制了由背景相似度和背景模糊引起的跟踪漂移现象。采用尺寸方向自适应的协方差矩阵估计方法,以适应运动目标尺寸方向的实时变化,保证了跟踪的准确性。经实验验证提出的运动目标跟踪算法较之其他经典均值漂移算法在精度和效率上都有显著提高。

基于背景加权的联合颜色纹理直方图跟踪算法

针对在背景与目标颜色相近以及复杂场景中跟踪不准确的问题,提出一种改进的背景加权Mean Shift(均值漂移)跟踪算法,在目标颜色直方图中加入纹理特征,并将局部背景信息引入目标特征直方图中,以排除复杂背景的影响。实验证明,本文提出的算法在应对复杂背景及遮挡时比经典的Mean Shift算法以及背景加权Mean Shift算法更有效,且拥有不错的运行效率。

基于背景加权空间直方图的目标跟踪

针对传统目标跟踪算法中存在的特征鲁棒性不强的问题,提出了一种基于背景加权空间直方图的目标跟踪算法。算法通过综合背景加权直方图和空间直方图二者各自的优势,增强了特征描述的鲁棒性,进而在Mean Shift跟踪框架下实现了对运动目标的跟踪。仿真实验与定量分析表明,所提算法能够实现对目标的稳定跟踪,跟踪所得的平均中心位置误差较传统算法降低了80%以上。

基于模糊背景加权的Mean Shift目标跟踪算法

针对Mean Shift跟踪算法在复杂背景下跟踪效果不佳的问题,该文提出了基于模糊背景加权的Mean Shift算法。引入基于差分的模糊隶属函数,利用目标模型和背景模型的差分,更加细化地表示各个像素对目标准确描述的贡献度,提高了目标描述的准确性。同时利用背景信息对原始的尺度增减法进行改进,更好地适应了目标尺度变化。实验验证该算法在一定程度上解决了尺寸增减法的小尺度游荡和跟踪滞后问题,提高了Mean Shift算法在复杂背景干扰下的鲁棒性。

基于目标背景加权的核跟踪

在核跟踪(Mean Shift跟踪)算法中,目标的表示方法对跟踪性能有很重要的影响。传统的核跟踪算法只是通过计算目标模型和候选目标模型,对目标进行跟踪,没有消除背景的影响,特别是目标与背景相近的情况。对此,提出了一种目标背景加权的核跟踪算法,该算法是在跟踪过程中对目标模型进行背景加权,并且在目标的表示中采用颜色纹理联合直方图。为了验证跟踪的可靠性,利用跟踪位置与目标位置之间偏移量的均值和方差进行衡量。实验结果表明,与传统的跟踪算法相比,该算法在目标的表示和跟踪性能上有很大的提高。

基于背景加权直方图的Mean shift目标跟踪

在对Mean shift算法进行运动目标跟踪中发现,当运动目标与背景颜色相近时,会降低跟踪的准确性。而采用基于背景加权的Mean shift跟踪方法,能有效减少背景相似特征的干扰。在Mean shift算法框架下引入转化因子,将其引入到目标模型中,从而减少背景突出特征。实验结果表明,该算法和传统Mean shift算法相比不但减少了迭代次数,而且提高了跟踪的准确度。

融入二值模式优化的背景加权直方图目标跟踪方法

Mean shift算法是一种重要的目标跟踪方法。本文在充分研究Mean shift算法的基础上,发现传统的跟踪算法缺乏描述目标的信息,且易受到光照变化等因素的影响,可能直接导致目标跟踪的失败或者带来较大的误差。本文首先计算目标图像区域中基于局部二值模式(LBP)的纹理特征模型,然后在建模目标模型和候选目标模型时采用一种加权背景直方图的方法。该方法能充分考虑目标附近的背景干扰以及背景信息,能有效降低背景和目标位置的相关性。实验表明,改进的方法能有效提高目标的跟踪精度。

基于部分背景加权更新的均值漂移跟踪算法

为了解决均值漂移跟踪算法中背景对目标定位的扰动,提出了一种基于颜色和纹理混合特征以及采用背景加权更新的改进算法。改进算法先将原始视频序列RGB帧图像转换为HSV颜色空间表示,然后分别在H、S通道上提取颜色特征,在V通道上用LBP描述符提取纹理特征,在此基础上为目标区域和背景区域建立三维颜色纹理混合直方图作为其描述符;在对象的跟踪过程中,通过巴氏系数选择性地加权更新部分背景信息。实验结果表明,与基于全部背景更新策略相比,改进算法充分利用了颜色和纹理特征并加权更新背景信息,具有更高的可靠性和鲁棒性,具有更好的计算效率。

空间相关背景加权直方图均值漂移目标跟踪

针对传统的基于直方图的均值漂移跟踪算法,当目标出现于复杂跟踪条件时,因无法显著区分颜色相近的目标或背景而导致跟踪失败的问题,提出一种基于空间相关背景加权直方图的均值漂移跟踪算法,并给出了推导过程.实验结果表明,该算法通过在目标模型中减少背景显著特征来增强目标定位,能在遮挡、光照变化等复杂情况下实现有效的目标跟踪,改善了传统均值漂移算法中模板不能及时更新等方面的局限性.

一种基于目标和背景加权的目标跟踪方法

Mean shift算法在实际应用中,若目标部分被遮挡或有背景因素干扰,则跟踪精度会降低.鉴于此,将背景和目标本身分别进行加权,通过背景加权改善对目标特征的描述,对目标的不同部位赋予大小不等的权值,有效地提高了Bhattacharyya系数值.从原算法对目标模型的描述出发,将其加入到Mean shift算法的数学模型表达式中.通过算法改进前后的实验结果以及跟踪偏差和迭代次数的比较发现,跟踪效果得到了明显改善.

利用背景加权和选择性子模型更新的视觉跟踪算法

目的针对传统Mean Shift算法对受背景干扰的目标无法进行有效跟踪并缺少有效的模型更新策略的问题,提出一种将背景加权和选择性子模型更新相结合的跟踪算法。方法首先,在Mean Shift框架下,为了减少背景信息对目标定位的干扰,利用目标区域周围像素的颜色直方图定义背景加权系数,并将该系数只引入到目标模型的颜色直方图中,从而建立一个新的目标模型。然后,根据目标模型中每个分量匹配贡献度的大小选取需要更新的模型分量及其更新公式。结果实验结果表明,本文算法能够抑制背景干扰,同时能对模型进行有效的选择性更新,克服了整体更新策略严重的模型漂移问题。结论本文从模型描述和更新策略两个方面对传统Mean Shift算法进行了改进,实验结果表明本文算法具有较好的有效性和鲁棒性。

背景抑制扩散加权成像与核素骨扫描在恶性肿瘤骨转移病变诊断中的对照研究

背景与目的:背景抑制扩散加权成像(diffusion-weighted whole-body imaging with background body signal suppression,DWIBS)是一种可用于全身检查的MR成像技术,可以较好地显示淋巴结及骨骼系统病变,其成像效果与PET类似。本研究旨在探讨DWIBS与核素骨扫描成像在骨转移性病变诊断中的临床应用价值。方法:36例经手术或穿刺病理证实为恶性肿瘤的患者行DWIBS及核素骨扫描检查,比较两者检出骨转移的情况,采用χ2检验,P<0.05为差异有统计学意义。结果:36例恶性肿瘤患者中,30例(共165处)发生骨转移,其中DWIBS检出26例(143处),核素骨扫描检出23例(132处),两者在检出骨转移方面差异无统计学意义(χ2=1.002,P=0.506)。DWIBS及核素骨扫描诊断骨转移的灵敏度、阳性预测值、准确度较为接近,分别为86.7%、96.3%、86.1%和76.7%、88.5%、72.2%;DWIBS诊断骨转移的特异度、阴性预测值高于核素骨扫描,分别为83.3%、55.6%和50.0%、30.0%。分析DWIBS和核素骨扫描检出骨转移的部位,两者的检出率分别为86.7%(143/165)、80.0%(132/165),差异无统计学意义(χ2=2.640,P=0.104);但DWIBS在检出骨盆及四肢长骨转移方面优于核素骨扫描,且两者差异均有统计学意义(χ2=6.783和7.636,P=0.023和0.016)。结论:运用DWIBS扫描技术可有效检出骨转移性病灶,且与核素骨扫描具有较好的一致性,有望在临床上推广应用。

背景抑制扩散加权成像与PET/CT在恶性肿瘤转移性病变中的临床应用

背景与目的:抑制扩散加权成像(diffusion-weighted whole-body imaging with background body signal suppression,DWIBS),是一种可用于全身检查的核磁共振成像技术,尤其可以较好的显示转移病灶、淋巴结及骨骼系统病变。该文旨在评价DWIBS与正电子发射计算机体层摄影(positron emission tomography with computed tomography,PET/CT)在恶性肿瘤转移性病变中的临床应用价值。方法:对36例手术或穿刺病理证实为恶性肿瘤且有转移的患者行DWIBS扫描,并与PET/CT结果相对照,统计学采用χ2检验、Kappa一致性检验比较分析。结果:36例恶性肿瘤患者共有238个转移性病灶,其中DWIBS检出218个(91.6%,218/238),PET/CT检出209个(87.8%,209/238),且DWIBS和PET/CT同时检出200个转移性病灶,两者的一致率为88.7%(211/238),但两种检查在检出转移病灶数目方面差异无统计学意义(χ2=1.843,P=0.157);Kappa检验两种检查的一致性程度尚可(P=0.000)。DWIBS和PET/CT在检出脑及骨转移方面差异均有统计学意义(P=0.005和0.031),但在检出淋巴结及肝脏转移方面差异均无统计学意义(P=0.309和1.000)。结论:DWIBS扫描技术可有效检出恶性肿瘤转移性病灶。与PET/CT相比,差异无统计学意义(P>0.05)。DWIBS检出脑、骨转移较PET/CT敏感,临床工作中可根据原发肿瘤特点,有针对性的选择DWIBS作为筛查转移病灶的方法之一。