基于角点特征融合的Mean-shift跟踪算法

传统Harris检测算法不能很好地适应跟踪环境。为此,提出一种基于角点特征融合的Mean-shift跟踪算法。考虑人体姿态变化或遮挡对多区域跟踪的影响,采用角点更新策略,将特征融合主色调模型的跟踪结果与多区域跟踪结果进行权衡。实验结果表明,该算法能克服人体姿态变化或遮挡对跟踪的影响,实时性满足一般跟踪系统的要求,且在非遮挡状况下,其跟踪准确率比传统算法高。

“邦典”色彩应用研究及现代实践

邦典是藏族妇女围裙,作为藏族女装最具代表性的服饰之一,是藏族服饰文化中的关键组成部分,蕴含着深厚的民族信仰和伦理等意识形态色彩。邦典色彩运用符合藏族人民依存自然、热情奔放、纯真善良的性格特征,在现实生活中表达了藏族人民渴望美好生活的信念。文章从色彩符号学和色彩的几何律动角度,对邦典的色彩应用进行了研究。在总结邦典色彩应用规律及其美学特征的视觉呈现方式的基础上,尝试运用孟赛尔色彩系统及其表达原理和等差数列算法形成的几何构成两种手段,对邦典色彩应用进行了创新设计,得到了既具藏族文化特色又符合现代审美的新型邦典。文章期望在传承和发展邦典色彩应用的基础上为邦典色彩应用提供更多的可能性和便利性。

热处理对毛竹竹材颜色变化的影响

在空气介质中对毛竹竹材进行热处理，探讨热处理温度（100-220℃）和时间（1～4h）对竹材材色的影响。结果表明：热处理温度和时间对竹材材色的明度L＊、红绿轴色度指数a＊和黄蓝轴色度指数b＊均有显著影响；随着热处理温度的升高和时间的延长，热处理竹材的总体色差△E＊加剧。

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

融合梯度和色度信息的分块均值漂移目标跟踪

针对在相似颜色干扰场景下传统均值漂移目标跟踪鲁棒性差的缺陷,提出Prewitt梯度和色度信息融合的分块均值漂移跟踪算法。首先,对跟踪框进行分块,并提取当前帧各子块特征;其次,利用Bhattacharyya距离计算参考目标区域与候选区域间各子块对应的相似程度,根据其相似程度分配各子块的权值,并通过融合规则对各子块相应特征进行融合构成新子块特征,在此基础上,将子块特征选择串接方式作为最终目标特征;最后,采用均值偏移原理迭代估计最终目标位置信息。实验结果表明,当场景中存在相似颜色干扰的情况下,相对于经典均值漂移算法,其准确度提高了84%左右。

融合局部三值数量和色度信息的均值漂移跟踪

该文提出了局部三值数量(Local Ternary Number,LTN)这一新的局部显著性纹理算子,并将其与色度信息相结合得到一种新的目标跟踪方法。该方法充分利用目标像素与其八邻域像素灰度值的大小关系,将局部显著性算子(Local Similarity Number,LSN)加以拓展,设计了局部三值数量这一新的局部显著性纹理算子,该算子能区分目标像素在同一局部显著度下的不同纹理结构;LTN掩膜提取边缘、线和角点上关键像素以提高纹理特征的区分能力,同时能够较完整地保留目标信息;在此基础上,将掩膜内目标像素的LTN特征与色度信息融合生成一种新的目标模型,并嵌入到均值漂移(Mean Shift,MS)框架完成目标的跟踪。实验结果表明,该文提出的目标跟踪方法在场景中存在相似颜色和光照变化干扰的情况下,仍能持续准确地实现目标的定位,提高了传统均值漂移跟踪算法的性能。

一种结合了纹理和颜色的运动目标跟踪算法

运动目标跟踪是智能视频监控中的关键技术之一,怎样描述运动目标是该技术的一个关键问题。提出一种新的运动目标跟踪算法,结合改进的LBP纹理和色度来描述运动目标,并采用Camshift算法的思想进行目标跟踪。为了降低算法的复杂性,在保证跟踪精确度的前提下,LBP纹理和色度的种类被极大地精简。实验证明提出的方法能有效地跟踪运动目标,在常规的视频分辨率下能达到实时性,比同类的其它算法性能更好。

基于数字图像技术的彩色金相方法

利用数字图像伪彩色增强技术实现彩色金相,建立了金属相灰度级-伪彩色映射关系模型,并设计了在计算机上运行的金相伪彩色系统,使得输入的金相灰度图像中各相间微弱的灰度差转化为明显的色调差,显著提高了金相组织鉴别的衬度。