基于RANSAC的图像拼接方法

为解决常用SUSAN角点检测的阈值都是固定的,检测出的角点经归一化互相关后直接使用RANSAC(即随机抽样一致性算法)得到的单应性矩阵准确度不高等问题,给出了一种改进的RANSAC图像拼接方法。利用具有自适应阈值的角点提取算法抽取图像的角点特征,采用引导匹配的方法重新进行归一化互相关,增加了准确匹配点的个数,提高了单应性矩阵的估算效果,最后采用拉普拉斯金字塔对配准后图像进行分层融合、拼接。实验结果表明,该方法比常用方法具有更好的矩阵估算效果,拼接效果良好。

基于决策融合的图像自动标注方法

结合多媒体描述接口(MPEG-7)和MM(Mixture Model)混合模型,实现了基于决策融合的图像自动标注。在图像标注过程中,分别利用颜色描述子和纹理描述子为每个主题下的图像建立MM混合模型,实现低层视觉特征到高层语义空间的映射,利用局部决策融合方式融合在颜色和纹理MM混合模型下的标注结果,实现图像自动标注。通过在corel图像数据集上的实验,表明提出的局部决策融合方式能更充分利用图像的颜色和纹理信息,提高了图像标注性能。

基于MPEG-7和MM混合模型的图像自动标注算法

为了弥补图像低层视觉特征和高层语义之间的"语义鸿沟",改善图像自动标注的性能,提出了基于多媒体描述接口(MPEG-7)和MM(Mixture Model)混合模型的图像标注算法。该算法采用MPEG-7标准推荐的颜色和纹理描述子提取图像的低层视觉特征,通过MM混合模型建立低层特征到高层语义空间的映射,实现了基于图像整体低层特征的多标签图像自动标注。通过在corel图像数据集上的一系列实验测试验证了该方法的可行性和有效性。

基于高斯混合模型的阴影消除算法

关于阴影消除是智能监控系统的重要组成部分,且对后续的识别和跟踪有很大的影响。根据改进的高斯混合模型检测出目标,用高斯混合阴影模型来检测阴影,并用高斯平滑滤波处理检测的结果。然后动态选择合适的阈值对图像做二值化处理,进一步对结果进行形态学滤波。经过整个过程的处理,得到了较为完整的轮廓,很好的消除了阴影,提高后续的识别和跟踪的准确性和可靠性。实验表明,算法能较好地消除阴影,且具有较好的实时性和鲁棒性。

实时目标检测与跟踪系统的设计与实现

针对固定监控场景设计并实现了一个实时的运动目标检测与跟踪系统。在复杂背景下,改进的三帧差分法能准确、快速检测出运动目标。金字塔图像的LucasKanade光流法跟踪目标容易丢失;传统的模板匹配跟踪方法由于对图像利用率高,其跟踪比较准确,但计算量大。文章将两者结合起来,可以避免上述问题。实验表明,该算法能较好地实现目标跟踪、获得目标运动轨迹,且具有良好的实时性和鲁棒性。

基于视频片断的全景图拼接

视频拼接技术作为计算机视觉和计算机图形学两个学科上的交叉研究领域,在近年来得到了极大的关注,成为这两个互补领域的研究焦点之一。视频拼接技术广泛应用于虚拟现实、电影动画或特技、图像分辨率的提高,及视频压缩、视频检索等方面,有着广泛的研究价值和应用领域。利用八参数透射模型解决视频中相同场景图像之间的坐标变换问题,通过光流法求得模型的八个参数并利用求得的参数模型有效地生成全景图。实验结果显示,算法在保持较好拼接效果的同时能降低时间复杂度,适合运用在对实时性要求较高的场合。

基于组合型表面模型的运动目标跟踪

运动目标跟踪是计算机视觉领域研究的难点课题,提出了一种基于组合型表面模型的视频运动目标跟踪算法。研究了目标的颜色特征空间和梯度特征空间,通过梯度特征和颜色特征的组合,以直方图的形式来建立目标表面模型,之后使用CamShift算法来完成一帧一帧的跟踪。实验结果表明,在图像背景复杂且目标出现遮挡的情况下,该方法仍能有效的跟踪目标。

聚众事件的建模与实现

在视频监控领域聚众等异常事件检测有着广泛的应用前景,然而相关研究在国内发展还比较缓慢。在这里给出了基于隐马尔科夫模型的聚众事件的检测方法,其简单过程如下:首先在高斯混合模型检测出目标的基础上,针对聚众事件视频序列的特性,完成了关于帧图像二元组的特征提取;然后,在合理选择初始模型的前提下使用Baum-Welch算法训练聚众事件的隐马尔科夫模型;最后通过实拍的视频序列验证其有效性。