解耦融合机制的金属表面缺陷小样本分割网络

精准的金属表面缺陷小样本分割是工业生产制造和成本控制的重要基础.但主流遵循元学习范式的小样本分割算法利用单一原型编码特征,难以表示缺陷样本前景-背景的复杂分布,因此建立一个缓解前景-背景感知模糊的模型仍是目前的难点问题.针对上述问题,提出一个基于解耦融合机制的小样本分割网络DFMNet(decoupling fusion mechanism-based network).将缺陷分割任务解耦为已知类(缺陷区域)和基类(背景区域)2个语义分割子任务,利用基于图推理的元解析模块产生已知类的粗分割掩码,以及基于背景描述子的基类引导模块输出基类的粗分割掩码,实现对应子任务目标.引入基于解耦融合策略的信息融合模块处理两个子任务的粗预测结果,缓解前景-背景不平衡的问题,实现更精细地分割.引入基于Gram矩阵的自适应调整因子,使模型更多关注场景差异所带来的特征变化,提高模型的泛化能力.在金属表面缺陷数据集上进行实验,与现有多种小样本分割网络进行了广泛的对比分析和消融实验.结果表明,该方法有效缓解了前景-背景感知模糊的问题,达到了最先进的效果.

计算机视觉火灾探测中的特征提取

火灾视觉特征的提取是视觉火灾探测中的关键问题.我们主要研究色彩、纹理以及轮廓脉动等特征的提取,并提出一种度量轮廓脉动信息的距离模型,该模型在规格化的傅立叶描述子空间能够准确地度量这种时空闪烁特征.实验结果表明,该方法具有比较好的鲁棒性,有助于提高视觉火灾探测的准确率、降低误报漏报率.

基于长时间视频序列的背景建模方法研究

针对现有背景建模算法难以处理场景非平稳变化的问题,提出一种基于长时间视频序列的背景建模方法.该方法包括训练、检索、更新三个主要步骤.在训练部分,首先将长时间视频分段剪辑并计算对应的背景图,然后通过图像降采样和降维找到背景描述子,并利用聚类算法对背景描述子进行分类,生成背景记忆字典.在检索部分,利用前景像素比例设计非平稳状态判断机制,如果发生非平稳变换,则计算原图描述子与背景字典中描述子之间的距离,距离最近的背景描述子对应的背景图片即为此时背景.在更新部分,利用前景像素比例设计更新判断机制,如果前景比例始终过大,则生成新背景,并更新背景字典以及背景图库.当出现非平稳变化时(如光线突变),本算法能够将背景模型恢复问题转化为背景检索问题,确保背景模型的稳定获得.将该框架与短时空域信息背景模型(以ViBe、MOG为例)融合,重点测试非平稳变化场景下的背景估计和运动目标检测结果.在多个视频序列上的测试结果表明,该框架可有效处理非平稳变化,有效改善目标检测效果,显著降低误检率.

复杂背景下BP神经网络的手势识别方法

针对手势图像的肤色特点,结合肤色在RGB空间的阈值分割和YCbCr颜色空间上的聚簇特性,以及背景模型的应用,有效减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用图像的7个不变Hu矩描述子来表征不同二值化的手势轮廓;最后采用BP神经网络进行手势识别。实验结果表明该方法有较好的识别率和鲁棒性。

基于方向梯度直方图和局部对比度特征的海面背景红外图像分类

在复杂多变的海面环境下,应用红外成像技术对海面中小目标进行搜救时,为有利于后续针对不同场景的目标处理,有必要对采集的原始图像进行分类处理。根据不同的环境条件,将海面红外图像分为五类场景。从两个方面对训练集图像进行特征提取,一个是通过高斯滤波将图像分为基础层和细节层,然后使用改进的方向梯度直方图(HOG)方法提取特征;另一个是提取图像的局部对比度得到局部特征。将提取的特征向量融合并输入到分类器中,使用支持向量机(SVM)对测试集图像进行分类。文章使用了HOG和局部对比度方法(LCM)结合的新特征描述符对海面红外图像的场景进行分类,与其它方法相比,结果表明改进方法的准确率达到96.4%,体现了可行性和有效性。

基于图像背景减除技术的步态识别研究

步态识别是一种新的生物特征识别技术,旨在根据人们走路的姿势进行身份识别。本文利用图像背景减除技术进行步态轮廓检测,然后利用傅立叶描述子对步态轮廓图像进行描述,进行维数压缩,得到模板匹配,最后,利用最邻近法进行识别。实验证明,该算法具有较高的识别率。

轮廓匹配的复杂背景中目标检测算法

为解决基于形状的目标检测算法受图像复杂背景的影响,本文提出了一种新的基于轮廓匹配的复杂背景中目标检测方法,算法结合了显著性检测和模板匹配的方法.首先对输入图像在T像素级别进行预处理,应用显著性区域检测方法得到不含复杂背景的区域图像,然后在显著性区域内得到初始边缘图像,对初始边缘图像进行优化处理后利用形状描述子进行轮廓匹配,最后,通过深度优先的搜索策略识别目标的假设位置并进行假设验证来确定最终的目标位置,完成复杂背景图像中的目标检测任务.在ETHZ形状数据集的实验结果证明了本文算法的可行性,根据50%-N UK 20%-Io U标准与其它几种基于形状的目标检测方法进行对比,当误报率为0.3时,算法平均检测率是96%,误报率为0.4时,检测率已经达到99%,如果接受更高误报率时检测率可达到100%,均高于其余几种算法.算法的实验和对比分析结果表明本文方法可以提高检测精度,具有明显的性能优势,为复杂背景中的目标检测提供了新的解决方法.

动态背景运动目标的快速锁定跟踪算法

为改善动态背景运动目标跟踪的精度和计算性能,提出一种Hu_Fourier特征描述子的目标识别算法和固定模板滑动置信度最佳线性逼近法的目标锁定跟踪算法。依据提出的Hu_Fourier特征描述子,快速准确地提取出识别区域运动目标的轮廓特征,结合加权距离目标识别算法,识别出图像中所有目标,计算目标的质心坐标。利用提出的固定模板滑动置信度准则,结合识别目标的质心,锁定目标,更新目标模板。依据最佳线性逼近法,确定下一帧图像的目标搜索区域。理论分析和实验结果验证了该目标锁定跟踪算法的鲁棒性和有效性。

基于颜色布局描述子的改进ViBe算法

针对ViBe算法在检测运动目标时会有"鬼影"产生和在动态背景下会对目标检测过程中产生干扰造成运动目标误检的问题,结合颜色布局描述子(CLD)提取关键帧进行三帧差分、形态学后处理的技术,提出一种改进的ViBe算法。首先,通过CLD提取视频关键帧图像;然后,将所选取关键帧图像进行三帧差分,通过差分结果将含有运动目标的背景模型进行填充,得到真实的背景图像,再对运动目标进行检测,以达到消除鬼影的目的;最后,在背景模型更新的阶段加入自适应阈值的形态学处理技术,消除动态背景模型中的干扰信息。实验结果表明,所提算法在运动目标检测时在避免鬼影、抗动态背景干扰等方面表现出优越性,在相似度量阈值选取为0.67到0.72时,所提算法的准确率最高可以达到99.4%,可以理想地检测出运动目标的位置信息。

一种基于颜色不变性的视频烟雾检测方法

文中提出一种基于颜色不变性的视频烟雾检测方法,该方法将颜色特征作为烟雾的突出特征,通过分别应用照度不变的颜色表示、基于光学增益的背景减法、颜色滤波和基于颜色不变性描述子进行烟雾识别。实验结果表明,所提出的方法能够有效地检测烟雾,对光照变化和噪声具有很好的鲁棒性,尤其适用于火灾视频监控环境。

基于傅里叶的卡通动画形状上下文动作捕捉

对已有二维卡通角色进行动作捕捉,然后重新利用的传统方法效率很低。本文提出的方法可以在过滤掉源卡通角色中的冗余信息提高计算效率之后,捕捉更多角色信息以供重用。首先用基于YUV双阈值的方法得到角色的姿态序列(包含角色轮廓和内部线条信息),然后由傅里叶描绘子过滤冗余信息的同时保留所需要的角色动作信息(局部和全局形变),最后用形状上下文捕捉角色轮廓和关键点信息。实验结果表明,此方法可以高效实时地从源卡通角色中捕捉动作和形变信息以供重新利用。

基于对比度分析及矢量匹配的混合高斯模型

针对经典的混合高斯背景建模算法鲁棒性不强且背景建模实时性不足的特点,提出了一种改进方法。首先将图像矢量化,即将图像分成若干块,每一块图像作为一个矢量进行整体建模;然后对于每一个图像块基于其反差描述元与K个高斯模型进行匹配。实验结果表明,改进的算法降低了环境光变化和背景波动等因素的干扰且建模速度较快。