外观融合运动感知的运动目标分割算法

现实场景中的运动目标分割旨在分割当前场景下的运动物体,对于许多计算机视觉应用有着至关重要的作用。现有的运动目标分割算法大多通过2D光流图中的运动信息来分割运动物体,然而,这些方法还存在一些问题。当运动物体在极面内运动或者其3D运动方向和背景一致时,很难通过光流图分割得到;另外,错误的光流预测也会影响分割的结果。为了解决以上问题,提出了不同的运动代价,以提升运动目标分割的正确率。针对和背景共线或共面运动的物体,设计均衡重投影代价和多角度光流对比代价,通过运动物体的2D光流与背景2D光流的差异来检测运动物体。针对自我运动退化,设计差异单应性代价。最后,提出了一种基于外观融合的运动感知结构,以分割各种场景下的运动物体。采用多模态共同注意力门控,更有效地捕获运动特征和外观特征的关系,以促进外观特征和运动特征更好地交互。此外,为了突出运动的物体,提出了多层运动注意力模块,以减少冗余的外观特征对结果的影响。实验结果表明,所提方法在KITTI,JNU-UISEE,KittiMoSeg和Davis-2016数据集上均能获得较优的运动目标分割结果。

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性。为了更好地将二者结合起来,进行2个方面的改进:建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性。研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况。

会议电视图像序列中的运动目标分割

提出了基于递归高阶统计的运动目标分割方案 ,主要用于会议电视图像序列 .与传统的高阶统计方法相比 ,基于递归高阶统计的分割方法从高斯噪声背景中提取信息 ,由于利用了前 n帧图像的信息冗余度 ,递归高阶统计方法可以更有效地减少噪声、检测小目标 ,并且提高了目标的分割准确度 .模拟试验结果显示 。

基于小波变换和ICA的运动目标分割

提出一种时空融合的运动目标分割方法.在时域方面,采用时间轴一维小波变换提取运动对象,然后用独立成分分析法提取独立的运动对象,并基于灰度直方图进一步提取视频对象;在空域方面,提出对轮廓提取后的图像进行分水岭变换的改进方法.与COST211AM算法比较表明,文中方法能更完整、准确地提取出运动对象.

基于红外运动目标分割的夜视融合系统设计

为了提高夜视系统的质量以及目标探测性能,设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法,采用红外运动目标分割电路和融合处理电路互联的结构,首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标,然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理,最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明:该系统可以提高夜视融合系统目标探测性能和探测概率,融合结果的各项评价指标提高了90%以上,有的评价指标甚至提高了7倍以上,可以很大程度地降低系统的虚警率。

基于脉冲耦合神经网络融合的压缩域运动目标分割方法

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题,本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理,减少运动目标丢失率,并设计了前后向矢量累积方法,增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理,增强分割算法的抗噪能力,保证加快分割速度的同时兼顾运动区域的分割准确度.另外,采用最小交叉熵作为点火终止判断条件,实现了最佳分割模板的自适应获取.仿真实验表明,本文算法在自适应性和抗噪能力方面均有较好表现,可以准确分割出监控视频中的运动目标.

复杂背景下运动目标分割算法研究

视频监控中,准确而快速地分割出运动物体是提取各种信息的前提和关键。以图像差分法为基础,提出了一种在复杂背景下有效分割运动目标的方法。运用改进的Surendra算法提取背景。对连续帧图像的R,G,B三通道帧差分图像采用PCA融合和二值形态学重构,以提取和更新背景。将粗分割图像转换到HSV域中,采用V分量阈值法消除阴影,并应用彩色投影法解决连通体粘连和路面反光问题。实验结果表明该方法能够结合各种算法的优势,快速而较准确地提取出运动车辆目标。

基于均值场理论和马尔可夫场的运动目标分割算法

研究了基于均值场理论和马尔可夫场的运动目标分割方法.该算法先对帧差图像进行简单的前背景划分,再采用均值场理论(MFT),建立马尔可夫随机场(MRF)模型,构造系统相应的能量函数.然后通过求取最大后验估计(MRF-MAP),即求最小能量函数,得出标记场,提取运动目标.实验结果证明:该算法能够很好地消除噪声,对运动目标分割具有较好的分割效果.

基于时空信息的运动目标分割算法

为了提高运动目标分割质量,提出一种基于时空信息的运动目标分割算法。首先利用回声状态网络仿射参数进行估计实现运动目标背景补偿,并采用非下采样轮廓波变换对视频图像进行消噪处理,然后采用标记分水岭算法对分割区域进行标记,并融合自适应光流法对运动目标进行分割,最后采用仿真实验测试算法性能。仿真实验表明,本文算法大幅度减少了运动目标分割误差,提高了分割精度,具有较强的鲁棒性。

推广GAC模型在运动目标分割中的应用

针对视频序列运动目标的分割,研究了传统的运动目标检测算法和基于推广GAC模型的图像分割算法的优势和缺陷,并将二者进行系统的结合,由"粗"到"细"地实现了对运动目标边缘的精确分割。实验表明,算法简单有效,在保证目标分割实时性的前提下,发挥了推广GAC模型在目标分割中的优势。

多视图像序列中运动目标分割优化

在多视图像的三维重建中,多视图像序列中的运动目标轮廓提取影响重建物体的准确性及重建实时性。针对多视图像间的空间约束关系,提出基于图像分块和并行计算的优化效率算法。算法对图像进行合理分块,确定多视图像的有效成像区域,区分冗余块和非冗余块,基于非冗余块进行优化加速计算,结合连续帧之间的相关性,将帧间连贯性应用于运动目标分割,进一步优化检测算法。将分割过程进行并行处理。实验表明:提出的方法在保证分割准确性的前提下,可以较好地提高分割计算效率,保证了三维重建的实时性。

背景重建的运动目标分割改进算法

提出了基于背景重建的运动目标分割改进算法。首先使用多帧差获得初次的背景和前景分离,使用前后多帧差重合部分的合并作为当前帧的运动对象,并通过形态膨胀操作消除二值模板中的空洞,得到该帧的并不精确的初次运动目标掩膜。通过掩膜获得稳定的累积背景。通过得到的背景差和帧间差相结合制定判断原则,获得精确的运动目标掩膜,从而对运动目标进行分割。实验表明该算法对于较大面积的运动目标,或者当摄像机拍摄方向与目标运动方向一致的情形下都可以得到较准确的效果。

结合H.264压缩域和像素域运动目标分割

H.264压缩域运动目标分割算法分割速度较快,像素域分割较为准确。提出一种结合压缩域运动信息和像素域纹理信息的分割方法。在压缩域得到运动矢量场,经过滤波、归一化和运动矢量场累加,得到相对可靠的运动区域,然后采用局部二值模式描述纹理信息,最后再进行精确分割。实验结果表明,在保证分割准确度的情况下,大大提高了分割速度。

引入区域种子的多运动目标分割算法

针对智能监控系统中对多个运动目标进行图像分割这一问题,提出一种引入区域种子的多运动目标分割算法.算法首先利用背景减算法获得包含多个运动目标的前景图像,再利用四叉树分解方法获得与前景图像对应的稀疏矩阵,通过稀疏矩阵中数值的分布情况,计算出包含运动目标的区域种子点,从这些种子点出发,利用主动轮廓模型进行并行目标轮廓提取,最终完成多运动目标图像分割.实验结果证明本文算法能有效分割出前景图像中多个运动目标,分割结果与人眼视觉的判断相近,并行轮廓提取使算法具有良好的实时性.

基于背景自适应生成的监控图像运动目标分割

通过插值填充运动目标区域,生成首帧参考背景。背景更新时,结合当前帧和前一帧图像及其参考背景,根据亮度补偿动态生成当前帧参考背景。然后采用减背景方法对目标进行粗提取,再经目标阴影去除和形态学处理后分割出精确的运动目标。实验结果表明,该方法是有效可行的,能达到实时处理的要求,同时对场景光照变化具有较好的自适应性。

基于流场纹理表达与表面粗糙度测量的运动目标分割

针对传统的光流法和背景差法所分割的运动目标存在区域丢失和内部孔洞的缺点,本文提出一种基于流场纹理表达及物体表面粗糙度测量的运动目标分割方法,即通过计算相邻帧间的光流将目标运动表达成流体的流动,并利用线积分卷积来表达流场纹理以展示更多的流场细节,从而将背景图像和运动目标分别表达成不同的纹理,最后通过针描法测量物体表面粗糙度的策略将运动目标和背景的纹理图像映射为表面粗糙度不同的物体,并通过分析直方图确定阈值分割运动目标。实验结果表明,本文提出的运动目标分割方法可自适应地选取阈值,并且可克服内部孔洞。

基于背景模型的视频运动目标分割研究

智能视频监控已经应用于生活中的各个方面,并且伴随着新的更高的需求,还需要不断地发展。在我国,更面临着把理论应用于实践的迫切任务。其中,对视频运动目标的分割是识别,跟踪与分析的基础。最简单的分割方法是帧差法。主要对比帧差法效果更好的背景建模法进行研究探讨。

智能监控系统中运动目标分割算法

运动目标分割是智能监控系统的重要组成部分。文中利用图像边缘信息提出运动目标的二步分割算法,实验结果显示该算法可自动提取运动目标,适合实时监控的场合。

基于多分辨率马尔可夫随机场运动目标分割

提出一种基于三维时空小波变换和马尔可夫随机场(MarkovRandomField)模型的多分辨率运动目标分割算法。该算法利用三维时空小波变换对图像序列进行分解得到多分辨率的图像序列,并在此基础上建立多分辨率的马尔可夫随机场模型,构造相应的能量函数。通过条件迭代模型优化算法(IteratedConditionalModes)求解能量函数的最优解,得出标记场,提取出运动目标。实验结果证明,该算法能够很好地消除了单一分辨率的MRF运动检测结果中"空洞"现象,对运动目标分割具有很好的分割效果。