基于快速收敛Grabcut的目标提取算法

为了加快Grabcut算法的收敛速度,提出了一种降低原图像分辨率以加快收敛速度的算法。该方法将原始图像的分辨率降低,在缩小图像上迭代Grabcut算法,使得收敛速度得到极大地加快。将收敛获得的目标区域作为原始图像初始值,并再次使用Grabcut算法,从而获得了目标的细节信息。从理论上证明了在降低分辨率图像上使用Grabcut算法,其Gibbs能量单调递减方向与在原图像上一致。同时实验结果表明了该算法收敛速度快,且目标提取的效果和原始的Grabcut算法相当。

基于时空Markov随机场的人体异常行为识别算法

针对多人之间的突发暴力异常行为进行研究,提出一种能较准确地辨识该异常行为与其他多人间正常行为的算法。该算法在传统的图像分割技术基础上,根据马尔可夫随机场仅邻域相关的特性,加入了连续帧的动态特征,并重新构造Gibbs能量函数。这种方法不仅考虑到了每个像素点和邻域点的空间信息,而且加入了连续帧的时间信息,对整幅图像中所有像素点的能量值进行累加并用能量曲线进行数据分析。最后与传统光流方法的比较表明了该算法的优越性。

基于快速收敛LBP算法的图像分割

针对循环信度传播(LBP)算法计算量大及误分率高的问题,提出了一种基于快速局部区域收敛的LBP算法的图像分割方法。首先建立局部区域Gibbs能量模型,然后采用局部收敛的LBP算法对区域消息进行传播。为了提高LBP算法的运行速度,提出了一个有效的加速技术。最后,使用局部区域能量的最大后验准则(MAP)得到分割结果。实验结果表明,提出的算法得到了较好的分割结果,特别是在噪声和纹理区域,分割效果明显提升,同时具有较快的速度。

基于MAP的全局运动估计算法

常见的全局运动算法存在的问题是仅仅考虑像素的残差,而忽略了相邻像素和分割信息等因素对算法的影响。为了解决上述问题,该文提出一个基于最大后验概率(MAP)的全局运动估计算法。通过MAP算法定义系统能量,引入先验能量来描述像素的相邻关系和分割信息,将系统能量作为目标函数通过LM算法估计全局运动参数。实验结果证明了该算法的有效性。

标记点过程用于点云建筑物提取

提出了利用标记点过程从机载激光扫描数据中直接提取建筑物的方法。该方法首先根据建筑物在点云中的几何特征建立Gibbs能量模型,通过目标的一致性建立模型的数据项,通过目标的拓扑性质等空间特性建立模型的先验项;然后,利用可逆跳转马尔科夫蒙特卡洛算法(RJMCMC)和模拟退火算法优化求解;最后,利用精细处理移除错误提取的地面点、噪声点和树木点,合并相邻的目标,实现建筑物目标的精确提取。利用3组ISPRS机载激光扫描点云进行实验,结果表明,该方法能够准确、有效地提取建筑物,具有较强的稳健性。