基于多层显著性模型的SAR图像舰船目标检测

针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。

甲骨拓片图像的目标自动定位算法

为了解决当前图像目标定位算法难以自动定位发生形变的目标,且定位时间耗时长等不足,提出一种基于稀疏活动轮廓模型的甲骨拓片图像的目标自动定位算法.对甲骨拓片图像进行分块,对每一块进行形状估计,在目标形状估计约束下,利用共同勾画算法学习图像目标轮廓模型,在待定位图中扫描出与模型匹配数值最高的区域,将其作为定位结果,利用基于距离约束的霍夫变换,精确定位结果.实验结果表明,所提算法可以有效克图像目标尺度变化大的问题,提高了目标自动定位精度,减少了定位耗时.

一种新的主动轮廓线跟踪算法

主动轮廓线模型，又称“蛇”，由Kass等于1987年首次提出后在数字图像分析和计算机视觉等领域正在得到越来越广泛的应用．不过，现有的主动轮廓线搜索与跟踪算法存在许多问题．本文提出一种新的主动轮廓线跟踪算法──new．snake算法．它不但继承了已有算法的优点，而且克服了它们的主要缺点．它具有下列特点：算法快速收敛；控制点的数目自适应地改变，保证稳定跟踪；将硬强制力直接引入能量公式；可以方便地添加色彩信息约束；削弱了各参数的改变对算法的影响．大量实验验证了该算法的鲁棒性和实用性．

基于混合光流的非刚体目标追踪系统

针对非刚体目标追踪算法追踪精度与计算效率较低的问题,提出了一种基于混合光流的非刚体目标追踪算法。首先,采用Lucas-Kanade方法计算局部区域的光流,采用Horn-Schunck方法计算全局区域的光流,局部光流与全局光流具有互补的特点,因此结合两种方法可获得理想的结果,并且设计了基于混合光流法与Gabor特征的非刚体目标轮廓模型;然后,基于光流的特征计算光流的流域,采用高斯混合模型分析光流的流域,从而实现运动目标的检测;最终,采用分类器对感兴趣区域进行快速地分类,动态地更新每个视频帧的目标轮廓。基于多个公开的视频数据集进行了实验分析,结果显示本算法能够有效地完成对非刚体目标的追踪,并且具有较高的追踪准确性。

一种动态场景多运动目标的综合检测方法

提出一种动态场景下多运动目标检测的方法.该方法融合基于帧间图像差值的运动分割技术以及区域生长法来获得各运动目标的初始轮廓,再利用主动轮廓线模型进行优化,从而得到各运动目标的最优轮廓.该方法具有以下明显特点:允许背景任意复杂;在无补偿情况下仍能得到良好结果;目标大小不影响算法的鲁棒性.实验证明了该方法的有效性、实用性和鲁棒性.

基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。

基于轮廓特征的场景动态目标实时分类研究

针对动态场景目标的分类问题,提出一种基于轮廓特征的运动目标分类方法。通过构建多种轮廓特征相结合的特征向量模型来描述动态目标,作为分类器学习判别的基础。该方法首先通过混合高斯模型提取出视频中的动态场景目标,经图像形态学的处理,获得较为精确的动态场景目标轮廓图像,然后使用特征向量模型提取轮廓的相关特征作为分类器学习判别的依据,并得到最终分类结果。以常见的运动目标汽车、行人、自行车作为分类类别进行实验。结果表明该方法有较高的分类精度,且具有实时性好,易于实现的特点。

基于SUSAN算法和行列均值分割的海面舰船检测

提出一种基于SUSAN检测和行列均值分割的复杂海天背景的红外舰船目标检测算法。首先建立一个简单的舰船轮廓模型,结合SUSAN算子检测得到感兴趣区域ROI,并且感兴趣区域的大小可以由轮廓模型进行一定的控制;然后对感兴趣区域运用改进的行列均值分割得到舰船目标。实验结果表明,提出的算法能正确分割出舰船目标。

基于几何主动轮廓模型的粒子滤波跟踪算法

标准粒子滤波(SPF)是解决非线性、非高斯模型系统跟踪问题的典型方法,然而粒子更新过程严格依赖于参数的选取,且不能处理曲线拓扑结构的变化。鉴于此,提出基于几何主动轮廓模型的粒子滤波(PF)算法。利用水平集技术处理轮廓曲线拓扑结构变化,改进重采样技术,增加粒子多样性。实验结果表明,该算法是有效可行的,并提高了非线性系统状态的估计精度,具有更强的适应性。

基于轮廓模型和AdaBoost算法的舞蹈人员跟踪技术研究

灯光效果控制是舞台演出表达艺术情感、营造匹配气氛的主要手段之一,特别是舞蹈人员的追光灯控制需要准确的人体目标检测与跟踪。因此,提出一种基于轮廓模型和AdaBoost算法的舞蹈人员跟踪算法。首先在YCbCr颜色空间采用Canny算子实现人体轮廓模型的检测,有效提高了跟踪的鲁棒性;然后采用基于级联结构的AdaBoost算法实现人体目标跟踪,并对弱分类器的构建与更新进行分析。实验结果显示相比其他算法,提出的跟踪算法具有较高的鲁棒性,并有效减少了在跟踪过程中产生的误差样本,从而提高了长时间跟踪的精确度。

自适应不规则形状扩展目标跟踪算法

针对具有不规则形状的扩展目标跟踪问题,在目标先验形状未知和运动过程中目标形状发生突变的情况下,提出基于星凸形随机超曲面模型的自适应轮廓扩展目标跟踪算法.首先,研究星凸形扩展目标形状的径向函数傅里叶系数自适应设定问题,基于中心轮廓距离提出不规则形状的自适应方法.其次,针对扩展目标在运动过程中可能发生的形状突变问题,结合滑动窗口构造检测统计量对目标形变进行实时检测,并提出自适应轮廓快速逼近算法对形状突变的扩展目标进行实时跟踪.然后,提出一种拟Jaccard距离作为形状估计质量的评价指标.最后,仿真实验验证了本文所提算法的有效性.

主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。

一种新的红外目标跟踪方法

一般的Snake模型用于目标跟踪时存在一些问题,如要求初始控制点位置非常接近于真实 轮廓、不能可靠跟踪快速运动目标、对目标的运动规律有许多约束条件等。在继承所提出的Auto-Snake模型跟踪算法优点的基础上,进一步采用最小二乘估计预测器对目标的位置进行预测,放宽对运动规律的约束,可以实现对快速运动(大位移)的目标的自动跟踪。

应用主动轮廓模型在单摄像机监控系统中的运动目标检测与跟踪(英文)

介绍在实时图像处理中的单摄像机监控系统运动目标检测与跟踪方法.针对运动目标的检测,首先进行帧间图像的匹配,接着计算图像间的误差,检测出运动区域,得到运动物体的大致轮廓.通过利用动态规划法改进的主动轮廓模型方法,提取运动目标轮廓.算法有较好的鲁棒性和抗噪声能力,速度也比较快.这种方法可以在轮渡站实时监控系统中得到应用.

基于混合高斯模型的运动目标平均背景法检测

首先采用平均背景法对混合高斯建模获得的背景进行处理得到纯净的背景,然后在当前图像与背景图像之间进行差分运算,最后通过轮廓筛选的方法去除目标图像中的干扰点,并通过形态学处理对目标中的间隙进行填充,获得完整目标。实验结果表明,对于运动目标及停留的目标,该算法的识别率和误检率分别为86.7%和8.3%。

基于三维模型的空间目标视觉位姿测量

传统空间合作目标视觉测量技术的适用范围受合作标志安装情况的限制。以边缘轮廓为合作特征,通过三维结构模型建立合作关系,提出一种适用范围更广的空间合作目标视觉位姿测量方法。方法生成不同观察方位的二维目标特征模板与测量图像进行搜索匹配,采用轮廓方向特征对匹配度进行评价,从最优匹配结果中解算目标位姿参数。采用离线预处理策略和两阶段图像金字塔搜索优化方法对处理过程进行加速。通过数字仿真试验和半实物仿真试验对方法的准确性和稳定性进行了验证,垂直光轴方向位置测量绝对误差优于2 mm,沿光轴方向位置测量相对误差优于0.7%,姿态测量绝对误差优于0.2°,单次位姿测量用时小于0.5 s,能够满足空间目标导航需求。

基于Cauchy模型的行人轮廓提取及目标检测

为了提高行人目标轮廓参量的提取精准度数值,实现对待监测目标的实时稳定跟踪,提出基于Cauchy模型的行人轮廓提取及目标检测算法;基于Cauchy分布原理,估计行人轮廓目标的最大似然值,再结合计算第二类统计量方法,完成基于Cauchy模型的行人目标统计建模;在此基础上,建立卷积神经网络,利用卷积化与反卷积参量,提取Gabor行人轮廓特征;在目标图像分割理论的作用下,识别既定区域内的所有行人目标,持续标记各类已存在的行人目标,实时检测行人轮廓目标,实现基于Cauchy模型行人轮廓提取及目标检测;实验结果表明,与Kinect型检测算法相比,应用Cauchy型算法后,行人目标轮廓的检测精度值提高至93%,而PTR实测指标降低至3.97,可有效实现待监测行人轮廓目标的实时稳定跟踪。

混合高斯模型与CamShift算法结合的台球跟踪方法

传统的CamShift跟踪算法是基于颜色信息的算法,这种算法在背景与目标颜色相近时会出现跟踪不准确的情况,而且不能自动跟踪。针对这两个缺点,本文结合混合高斯模型来对这一跟踪算法进行改进,通过混合高斯模型来实现对运动目标的检测得到目标的轮廓,将图像处理中的形态学变换应用到目标轮廓检测过程中,可以得到更好的检测结果和目标轮廓。对检测的目标再利用CamShift算法进行跟踪,在程序中引入Kalman预测算法,对目标的位置进行估计,提高跟踪的准确性,实验结果表明了这种方法的有效性,实现了对多目标的自动跟踪。

基于改进C-V模型的超声图像分割方法

图像分割是超声医学图像学中的难题之一。改进的Chan-Vese(C-V)法加入了约束符号距离函数的能量项,避免了演化时候的重新初始化。在改进C-V模型的基础上,首先借用分水岭中的思想,找到分割目标的近似轮廓,并以此轮廓生成符号距离函数,然后采用改进的C-V法进行超声图像分割。实验表明,改进的方法有更高的精准度和对多目标分割的能力。