基于鲁棒M估计和Mean Shift聚类的动态背景下运动目标检测

针对动态背景下运动目标的检测问题,提出了一种基于鲁棒M估计和Mean Shift聚类的目标检测新方法。首先,在考虑全局光照变化的情况下,构建鲁棒M估计器估计全局运动,以实现最小化相邻2帧图像中所有像素亮度的绝对残差和,根据M估计得到像素点权值,提取出代表局部运动信息的离群点;在离群点中均匀抽取网格点,然后利用Mean Shift聚类算法实现不同运动点的分割;根据聚类的结果生成凸包,准确分割出运动目标区域。实验结果表明,该方法能检测出动态背景下的多个运动目标区域,多目标检测准确度到达95%以上,并且只需两帧图像就可以准确检测并锁定运动目标,满足实时处理的要求,具有一定的工程意义.

基于单位超球面上Mean Shift聚类的地震子波盲估计

石油勘探领域中,地震信号可以看作地震子波与地震反射系数的褶积。由于缺乏先验知识,地震反褶积本质上是一个盲过程。针对带状独立分量分析方法估计子波的多解性,以及地震子波的单位模长约束。对子波空间进行了单位超球面建模,进而研究了这种特定几何空间的黎曼度量及梯度,并由此构造了单位超球面上的Mean Shift聚类算法,最后依据聚类结果求取子波平均。模型实验与实际资料应用结果表明,与带状独立分量分析方法估计的地震子波相比,通过该方法估计的地震子波保真度更高,与设计子波相似度更高,反褶积处理后能够有效提高地震资料的分辨率。

基于Mean-shift聚类的交互式图像分割

提出了一种基于Mean-shift聚类的交互式图像分割算法。首先利用Mean-shift聚类算法初步分割图像,然后用户只需简单地输入交互信息,大致标识出部分对象点和背景点,再根据区域间的最大相似性准则合并区域,分割出感兴趣区域。实验表明,此算法简单有效,能准确地从复杂背景中提取对象轮廓。

基于聚类的SAR图像快速目标检测

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点,改进了Mean Shift聚类算法,并与双参数CFAR检测技术相结合,提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图像,降低了背景杂波对目标检测的影响及检测的虚警率,并且聚类后的SAR图像具有一定的结构,将图像结构的概念引入到目标检测中,避免了对图像逐点检测,大大提高了检测速度。实验结果表明,该方法具有检测速度快、虚警概率低的特点。

基于改进的Mean shift方法的图像特征提取

针对日益重要的图像信息和逐步发展的图像数据库技术,本文提出了一种基于改进的均值飘移算法和区域生长相结合的边缘检测方法提取图像的形状特征,并通过仿真试验证明其良好的有效性,为基于内容检索的图像检索提供了一个有效算法。

软性电路板金面缺陷的无监督检测

为实现软性电路板(FPC)金面缺陷的准确自动检测,提出了一种以Gabor滤波器和Mean Shift聚类算法为基础的完全无监督FPC金面缺陷检测方法。首先,用Gabor滤波器组、数学形态学与Gaussian平滑处理抽取待检测图像的多维特征;然后,使用主元分析(PCA)将每个像素特征维数降为二维;最后,使用Mean Shift方法对二维特征数据进行聚类并将聚类的结果转化为二值图像。整个检测过程无需预先知道缺陷的类型和FPC金面的纹理类型,是一种完全无监督的检测方法。对带有各种缺陷的FPC金面进行检测实验,结果表明,该方法能够准确地将各类缺陷区域从背景区域中分离出来,具有自动缺陷检测系统所要求的识别能力强、稳定性高的特点。

基于相似性的点模型简化算法

为了获得高质量的简化点模型,提出了一种基于相似性的曲率自适应点模型简化算法,相似性包括强特征边性和表面区域几何特征相似性2个方面.利用法向张量投票方法,计算采样点的特征边性,由此将点模型分为强边性和非强边性2部分;基于Mean Shift聚类法,对非强边性部分进行表面区域几何特征相似性聚类;对强边性部分和各类簇重采样,实现曲率自适应的简化,并通过移动最小二乘曲面,评估简化曲面的误差.实验结果表明,该算法有效地保持了特征边界部分和曲面的细节,且能够生成高质量的简化点集曲面.

点模型微分属性的估算及其应用

为了有效地估算点模型的微分属性,提出了一种基于几何特征相似性的估算方法.首先,利用Mean shift(MS)聚类法,对点模型进行几何特征相似性聚类;然后,基于径向基函数(Radial basis functions,RBF),重构各聚类单元的局部隐式曲面;最后,依据经典微分几何理论,在径向基函数曲面上便捷地求解采样点的微分属性并给出具体应用.实验与应用结果表明,该方法能够比较精确地估算出点模型的微分属性且得到有效应用.

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。

基于图像技术的迷彩面料颜色测量

颜色测量对于迷彩面料的色彩分析、产品设计、质量控制有着重要的指导意义。针对由织物组织纹理和图案的多样性造成测色难度增大的问题,提出一种迷彩面料图案分割的方法,并提取色彩信息加以分析。利用数码相机进行迷彩面料图像的采集,利用Mean Shift聚类算法将图像分割成不同颜色的色块,再用神经网络回归实现图像从RGB(red,green,blue)颜色空间到Lab颜色空间的转换,并通过正态分布法对迷彩颜色进行分析测量。试验结果表明:提出的图像处理方法可实现迷彩服面料颜色的自动分割;与Datacolor分光测色仪测色结果相比,正态分布法分析得到的平均色差不超过2。

基于互联网平台的城市通勤优化方案设计

近年来,随着城市化及公交主导型城市不断推进,城市公共交通的运输压力逐渐增加,尤其在通勤高峰时段更为明显。据此,我们提出一种城市通勤优化方案设计思路,利用互联网平台整合客运企业及旅行公司的空闲车辆信息、交通卡大数据识别通勤需求者、Mean Shift聚类算法划分交通小区,最终通过多目标优化模型进行路线规划,并根据通勤时段的交通拥堵情况,周期性地对线路进行修正,以缓解城市通勤交通压力。

基于知识辅助的海面目标航迹起始方法

针对海环境下不同雷达观测测量准确度存在差异而导致观测数据质量存在差异的问题,提出了一种基于知识辅助的海面目标航迹起始方法。该方法首先利用先验知识幅度信息计算幅度似然比,并以幅度似然比的大小来表示观测数据质量的高低;然后,利用幅度似然比辅助Hough空间参数积累,并对航迹初选参数进行初值修正,提高Mean Shift多尺度聚类滤波初值的准确性,减少迭代次数,再通过最优筛选的方法分析得到目标的真实航迹起始数目和航迹起始参数;最后,通过仿真数据证明了本文所提方法的有效性和优越性。