一种基于运动边缘检测的参数估计方法

提出了一种基于多尺度运动边缘检测的图像序列参数估计方法。通过多尺度运动边缘检测,将图像的能量集中到边缘上,得到噪声污染小、边缘连续清晰的运动目标;并利用小波变换特征匹配方法,得到运动矢量。该方法既利用了空域帧内灰度信息又利用了时域帧间信息,能精确地估计目标的运动参数。

反差极性敏感型运动边缘检测神经元的计算模型

在两栖类、鸟类和哺乳类某些动物的视觉系统中发现了对刺激反差极性 (变亮或变暗 )敏感的运动边缘检测神经元。为揭示这类神经元的信息加工原理 ,以Wimbauer等人提出的时延Linsker网络为基础 ,通过将不同的时空动态感受野线性组合 ,建立了蟾蜍视神经节R3类神经元和家鸽扁豆核 (nLM )神经元的感受野模型 ,并模拟了R3神经元对蠕虫样刺激物的“头/尾偏爱”特征 ,细胞对刺激物的构型选择性以及nLM神经元对运动边缘的反差、方向、边缘朝向和长度的选择性。模型从进化和发育的角度 ,在一定程度上解释了这类神经元感受野的形成机制 ,揭示了动物目标 -背景分辨行为的神经元信息加工原理。

基于ViBe的改进对运动目标边缘检测

为提高视频中运动目标边缘检测的精度并消除鬼影,从运动区域标记上,提出构建部分邻域背景模型,避免检测到过多无关信息的思想;从运动目标边缘检测上,提出从部分邻域和全域中抽样的方法,用二者概率绝对差值作为边缘检测的依据。经测试,改进后算法实现了鬼影的消除,避免检测到过多大面积无关背景边缘,在小于1024*1024分辨率上可获得较好的处理速度。该方案易于实现,能够加快鬼影消除,与帧差法融合使用可使帧差法检测效果更精确。

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.

融合时域信息的修正分水岭视频分割新方法

提出一种将时域信息融入分水岭的视频分割新方法,以帧间变化检测为基础,通过运动边缘信息得到对象的初始模型,利用时域信息得到前景和背景的标识,结合提出的彩色多尺度形态学梯度算子进行分水岭分割,得到具有精确边界的视频对象,对慢变和快变的目标均有良好的效果,能够检测新出现的运动对象和现有对象的消失,能够定位和跟踪运动目标.继承了变化检测和分水岭算法速度快的优点,克服了两者易受噪声影响的缺点.

关于SPMVIF方法的几何分析

基于粒子运动模拟的边缘检测法(SPMVIF方法)是N.Eua-Anant等人提出的一个新颖而有效的图像边缘检测方法.本文首先概要介绍SPMVIF方法的原理和应用,然后对其展开理论分析并获得一些重要的结果:1)总结出构建图像边缘概念的一对充分必要条件,即综合考虑边缘切向和法向的灰度变化信息;2)利用古典微分几何的知识建立了新的SPMVIF方法的几何分析框架,重点解释运动控制参数的物理意义及其选取规则;3)提出了一个与边缘临界性相关的零-法曲率原理,它可以看作是经典的零交叉点原理的推广;4)在这个几何框架下研究得出等高线和边缘曲线之间可以通过零交叉点原理产生联系,具体结论归结为文中的两个命题.