Mean-Shift和Kalman算法在工件分拣技术中的应用

针对生产线上动态工件的跟踪分拣问题,提出了一种Kalman预测目标和Mean-Shift搜索目标综合应用的跟踪算法,实现了对履带上工件的动态跟踪。该算法首先利用Kalman滤波估计出后续运动目标的位置、速度和匹配范围,然后使用基于HSV色彩空间融合的Mean-Shift算法进行小范围搜索和目标匹配,最后将Mean-Shift算法得到的目标位置作为下一帧Kalman滤波器的输入参数使得后续状态具有预测的能力,迭代执行,直至搜索到目标为止。实验证明,该算法能够有效解决动态工件的跟踪和定位问题。

基于颜色和边缘特征CAM Shift目标跟踪算法

针对连续自适应均值漂移(CAM Shift)目标跟踪算法只适用于特定颜色目标跟踪且容易受到光照变化影响和背景色干扰的缺点,提出了一种改进的CAM Shift目标跟踪算法。该算法采用颜色空间三基色权重直方图建立目标模型,并用目标边缘特征增加目标权重。首先通过颜色空间三基色均匀量化获得特征值,建立基于核函数概率密度估计的目标模型;然后用Sobel算子检测目标边缘特征,结合颜色特征,分别赋予不同的权重投影生成概率密度分布图;最后用MeanShift算法迭代寻找目标,并通过矩运算调整跟踪窗口大小和方向。实验结果表明:该算法可以有效跟踪多色彩目标,并能够抵御一定光照变化和大面积同色干扰的影响。

基于CamShift的自适应颜色空间目标跟踪算法

CamShift算法只适于特定颜色目标的跟踪,针对这一不足,提出了自适应颜色空间目标跟踪算法。依据当前测量值,根据类间平均距离动态选择当前颜色空间。颜色空间更新判断机制的引入,降低了颜色空间更新带来的时间开销。实验结果表明,该算法可以更准确地在复杂背景下的跟踪各种色彩的目标。

基于在线支持向量机的Mean Shift彩色图像跟踪

为了解决传统Mean Shift跟踪方法中目标模板只能从单一图像建立,且很难更新问题,提出了一种新的Mean Shift彩色图像跟踪方法。将RGB颜色空间投影到HSV颜色空间,建立了基于HSV颜色空间的统一直方图核函数模型。为了实现模板在线更新,引入在线支持向量机,推理了基于HSV空间的在线支持向量机的Mean Shift跟踪算法,从而适应目标因尺寸、姿态及光照造成的模型变化。为了验证算法的有效性,对两组国际通用的CAVIAR彩色图像序列进行了跟踪测试。实验结果表明,提出的改进算法在目标姿态、光照或背景发生较大变化时,能有效跟踪目标。当图像分辨率为384×288(目标尺寸约为20×80)时,最快处理速度达40f/s,且跟踪精度比传统Mean Shift提高32.1%。

基于MEAN-SHIFT和SVM的血细胞图像分割

提出一种新的血细胞图像分割算法,结合无监督和有监督模式识别技术,利用颜色快速提取感兴趣的有核细胞。首先通过mean- shift过程寻找RGB颜色空间中的细胞核、红细胞和背景聚类峰(局部密度最大区域) ,其中的细胞核图像区域经过适当形态学膨胀后可以得到部分胞浆像素;然后细胞核聚类峰和部分胞浆颜色组成正特征子集,而红细胞和背景聚类峰附近颜色组成负特征子集,训练一个两分类SVM,得到的分类模型随后对图像的颜色空间向量分类,实现细胞区域整体提取。通过颜色量化手段,能够显著减少训练集的颜色向量数量,实现SVM实时训练和分类。借助于m ean- shift鲁棒的特征空间分析性能和SVM出色的小样本学习推广能力,该方法对图像颜色变化、染色条件差异等鲁棒性强,无过度分割现象,分割速度和效果均优于流域变换方法。骨髓和外周血涂片的分割试验证明了方法的有效性,已应用于实际图像处理系统。

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.

基于Mean Shift和L＊u＊v＊彩色空间改进的FH图像分割方法

针对FH算法(Felzenszwalb和Huttenloch提出的图像分割算法)中存在的欠合并现象,在L*u*v*彩色空间,结合Mean Shift算法,提出了一种改进FH图像分割方法,即IFH(Improved FH)。该方法首先采用Mean Shift算法获得均值漂移图像,再将图像由RGB空间转换到L*u*v*颜色空间;然后,结合L*u*v*彩色空间,采用FH算法构造带权无向图,基于图像的颜色特征进行分割。实验证明,与原算法相比,该方法在分割精度与分割质量上有了很大程度的提高。

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。

HSV颜色空间特征与Kalman滤波融合的目标跟踪

为了克服噪声、遮挡、背景的改变等对目标识别带来的困难,出现了很多的跟踪算法。提出了一种基于HSV色彩空间的目标跟踪融合算法,即在较短时间内,将目标的运动看作一时不变系统,引入卡尔曼滤波进行参数辨识,使得跟踪系统具有后续状态预测的能力。算法包括均值漂移算法跟踪下利用卡尔曼滤波对后续状态预测和基于卡尔曼滤波状态估计的Bhattacharyya系数分析两个子过程,整个跟踪过程分两个子过程交替执行。对不同的视频序列测试的结果表明,算法能够对目标进行持续、稳健的跟踪。验证了新方法的有效性和准确性。

基于特征颜色空间变换的目标跟踪融合算法

利用LUV色彩空间的特性,提出将RGB色彩空间的目标特征描述转换到LUV色彩空间,从而解决目标表面特征变化造成的目标丢失现象,提高目标跟踪算法的鲁棒性。结合卡尔曼滤波和均值漂移跟踪算法的优点,通过一种判别机制将这两个算法得到的跟踪结果进行融合,提高目标跟踪算法的准确性。通过实验证明了新方法的有效性和准确性。

基于YUV颜色空间特征的目标跟踪融合算法

针对遮挡、背景变化等对目标跟踪带来的困难,提出了一种基于YUV颜色空间特征的目标跟踪融合算法。该算法结合卡尔曼滤波和mean-shift算法的优点,并结合一种阈值函数,准确计算目标的最终位置,解决了遮挡、背景变化造成的目标跟丢现象,提高了目标跟踪算法的鲁棒性和准确性。通过实验验证了新方法的有效性和准确性。

基于S-CIELAB空间的彩色图像分割

提出一种基于S-CIELAB颜色空间的彩色图像分割算法。在人类视觉彩色传递模型的基础上,将原始的RGB图像转换到S-CIELAB空间,运用均值漂移算法对图像进行分割。实验结果表明,该算法能模拟人类视觉模糊特性,得到与人类视觉非常接近的分割结果。对于被高斯噪声严重污染的彩色图像,该算法也能有效地进行分割。

复杂场景下动态目标视觉跟踪方法

当跟踪目标与背景颜色相近或跟踪目标被遮挡时,传统的均值平移算法失效。提出了一种改进的均值平移算法,将RGB颜色空间转换成HSI颜色空间,克服背景颜色与跟踪目标颜色相近时带来的干扰。当发生遮挡时,在较短时间内将目标的运动看作是不变系统,利用Kalman滤波器进行参数辨识使得发生遮挡后的跟踪系统具有后续状态预测的能力。实验结果证明:提出的算法能在复杂场景下准确地跟踪目标,在Intel 1.73 GHz处理器上的处理速率达39帧/s。

基于改进的均值漂移的森林火灾图像提取技术

为了解决呈红色山地路面等对火灾图像提取的干扰问题,考虑林区图像的R通道直方图的分布曲线,采用一种基于均值漂移改进算法,自适应地得到背景与火灾,山地路面的分割阈值T1。通过阈值分割将火灾和山地路面从背景图像中分割出来,再利用改进算法对R通道占比率直方图进行处理,自适应地得到火灾与山地路面的分割阈值T2,从而实现火灾的自适应阈值分割并结合平滑直方图曲线去噪法进一步完善分割效果。在对均值漂移算法进行改进后,阈值的获取自适应性更强,实验表明该方法具有良好的分割效果和运算效率。

用FPGA实现色空间RGB到YCbCr的转换

在视频设计中,通常要实现色空间RGB到YCbCr的转换,该转换是对后级信号进行处理的基础。本文介绍一种RGB色空间到YCbCr色空间转换的电路设计。首先,给出色空间的定义以及色空间RGB到YCbCr的转换方程组。根据这些方程组,提出设计中的几个关键问题,并用硬件描述语言VHDL在FPGA器件上实现。

基于均值移动算法的图像分割的研究

均值移动算法是一种统计迭代算法,实际已经在图像分割中得到了广泛应用。但对分割结果的准确性有待于提高。为了能够得到更好的图像分割结果,根据柱状HSV颜色空间三个分量相关性弱、便于计算和颜色差异便于表示的特点,提出了基于柱状HSV空间的均值移动图像分割算法。将图像由RGB空间转化到柱状HSV空间,在转化后空间采用均值移动算法进行图像分割,用白色像素标记不同区域边界。最后通过与对RGB空间的均值滤波器的分割结果比较,验证算法的有效性。

基于均值平移理论的彩色影像阴影检测算法研究

图像阴影是一种普遍存在的图像退化降质现象,它的存在严重影响了高层的图像理解。采用均值平移理论模型,先对图像进行分类,然后利用图像阴影区域具有亮度暗,方差小的特点,从分类结果中筛选出阴影区域,通过实验验证表明,提出的算法对彩色影像上阴影的检测和提取是有效的。

基于图像分割和色彩扩展的灰度图像彩色化方法

文章提出一种对灰度图像进行色彩传递的算法,首先利用Mean-Shift方法对参考图像和目标图像进行分割,然后在空lαβ间利用灰度的统计信息,找到每个目标图像块相对应的参考图像块,分别进行局部色彩传递,得到一幅只有局部上色的彩色图像,最后通过色彩扩展算法,完成整幅灰度目标图像的自动彩色化过程,实验证明,该算法提高了色彩传递的准确性,且得到的彩色化目标图像色彩细腻均匀。

基于均值偏移的彩色图像分割算法

提出了一种基于均值偏移的彩色图像分割算法。首先阐述了在CIE-LUV均匀彩色模型下均值偏移算法的基本原理,然后给出了在图像分割中的具体实现方法:选定一个像素,在适当的空间窗和色彩窗限定的特征空间中寻找模式点,实现窗口中心从选定点到模式点的偏移,重复此过程,直到找到稳定的模式点并用模式点的色彩值代替该像素,遍历所有像素,最终达到对所有像素进行聚类。通过两幅图像对算法进行检验,实验结果证明该算法对彩色图像具有良好的分割效果。

基于Lab色彩空间和色调映射的彩色图像增强算法

针对低照度图像对比度增强处理中的细节保留和色彩恒常问题,提出一种新颖的基于Lab色彩空间和色调映射的Retinex图像对比增强算法。首先,在Lab色彩空间中将一个低对比度的输入图像分解成亮度和色度分量,并使用自适应双边滤波估计照明的强度,以便根据亮度和颜色值来考虑合适的相邻像素。然后利用基于抛物线的色调映射函数来提高估计光照图像的对比度。最后,将加强的亮度和原始的色度结合在一起以产生一个增强的彩色输出图像。实验结果表明,所提算法通过减弱图像伪影增强了图像的细节和边缘结构,同时通过避免色彩偏移较好地保留了图像的自然度。