基于局部区域的混合boost滤波和小波域图像融合算法

研究图像融合的问题。针对传统基于像素级别的图像融合算法特征单一,或者基于区域性质的融合算法的缺陷,提出在小波变换域进行滤波,然后分割成若干区域,在不同区域进行图像融合的算法。首先,将图像变换到小波频率域;然后分别利用低频和高频子图像,通过boost滤波方法获得一个滤波图像;在滤波后图像上使用基于图论的分割算法获得不同的图像区域,最后,根据本文定义的两个融合准则进行区域内融合处理获得最终的融合图像。所提方法只需进行一级小波变换,较其他基于小波变换的图像融合算法具有更高的运算效率,同时,利用boost滤波技术,在保持图像细节的同时,能最大程度地保证各个不同源图像中相同信息得以保留。所提方法不容易受到噪声的干扰,融合结果更柔和,能广泛使用在图像预处理系统中。

采用混合t分布粒子滤波器的视觉跟踪(英文)

由于目标数量的变化,观测数据的岐义性和目标间的遮挡,多目标视觉跟踪问题面临多种困难。基于目标分布的有限t分布混合模型提出了一种混合t分布粒子滤波器以实现多目标跟踪。在算法中,每个被跟踪目标指派一个独立的粒子滤波器,显式处理当新目标出现在场景中时对应粒子滤波器的初始化,当被跟踪目标消失时,对应粒子滤波器的删除。混合t分布粒子滤波器算法不仅能够跟踪多种类型的多目标,还能够持续跟踪遮挡消除之后的多目标。为了展现混合t分布粒子滤波器的跟踪性能,完成了基于颜色分布的跟踪多种不同颜色和相同颜色的多目标实验,对比了混合t分布粒子滤波器,混合粒子滤波器以及Boosted粒子滤波器的跟踪性能。实验结果表明:文中算法不仅能够跟踪数量可变的多目标,进行实时计算,而且具有更好的鲁棒性。