扫描心电图心电轨迹的连续跟踪算法

提出了一种改进的预测搜索方法,实现心电图纸上的连续心电数据提取。该方案算法简单独到,能克服普通心电图纸上的断线、导联交叉以及网络线等干扰,实现心电轨迹的连续跟踪,并且运算速度快,占用计算机系统资源少。基于这套方案,开发了一个实际的心电数据提取系统,得到令人满意的结果。

一种改进的脑白质纤维束连续跟踪算法

目的:改进脑白质纤维束连续跟踪算法,提高纤维束跟踪的连续性和准确性。方法:使用山东第一医科大学第二附属医院影像科和国际人脑连接组共享数据库网站提供的弥散张量图像对算法进行验证。首先,对磁共振弥散张量图像进行中值滤波和高斯平滑滤波,去除噪声对纤维束连续跟踪算法的影响,利用脑模板消除颅骨对后续跟踪的影响。然后,利用最小二乘法获得每一个体素的弥散张量和各向异性指数。最后,从各向异性指数大于阈值的起始体素开始,利用跟踪编辑技术和基于弥散熵的线性跟踪方法完成纤维束连续跟踪。结果:同传统的纤维束连续跟踪算法相比,本研究提出的算法能得到更连续、更准确的跟踪结果,算法具有较好的抗噪声能力和较强的鲁棒性。结论:改进的纤维束跟踪方法可以应用于脑结构网构建以及脑疾病的研究。

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

CAMSHIFT与基于核的目标跟踪算法的比较与分析

CAMSHIFT和基于核的目标跟踪是两种经典的基于Mean Shift的目标跟踪算法,它们的实现过程有许多类似之处。为了说明在实际应用中如何选择合理的跟踪方案,从目标模型、候选模型、核函数、迭代过程等方面对二者进行了深入的比较和分析,指出了二者的特点和区别,对于正确理解和使用这两种方法将会有一定的帮助。

基于可见光与红外图像特征融合的目标跟踪

针对单一图像源下目标跟踪精度不高的问题，利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型，选取红外图像的“灰度梯度背投影”作为改进的目标模型；然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果，对两种图像的权重进行自适应调整，得到这两种图像的特征级融合图像和跟踪结果。实验结果表明，对于320像素×240像素的可见光和红外图像，基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标，目标跟踪精度为0．5像素，跟踪速度为30～32ms／帧。