1 中国科学院沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院研究生院,北京,100039
针对基于势函数聚类的多阈值图像分割算法的不足,定义了伪势的概念,并在原算法基础上提出了一种改进的图像分割算法.由伪势概念确定了伪势合并的判别方法,按照此方法,当相邻的两个峰之间的距离小于所定义的自适应模糊伪势因子时,则应该进行伪势合并.改进后的算法在计算剩余势函数时判断是否存在伪势,然后在势划分函数组的确定过程中相应地进行伪势合并计算.利用多幅图像进行了多阈值分割的仿真试验,结果表明,改进的基于势函数的多阈值图像分割算法具有更好的鲁棒性和分割效果.
图像分割 势函数 多阈值 鲁棒性
1 中国科学院沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院研究生院,北京,100039
提出具有模糊测度的几何基元特征的人造目标检测方法.根据相交直线段所组合构成的几何基元夹角的模糊测度,将单纯的几何基元特征扩展为模糊几何特征.应用方向算子检测图像边缘,并把边缘拟合成直线段集合;直线段集合扩展成几何基元集合,并根据所定义的模糊隶属函数,用几何基元的夹角构造成基元线段的隶属度列表;通过判断每个子区域内所有线段隶属度之和的最大值定位人造目标.检测自然背景下人造目标的实验表明,该方法检测率高达97%,整个算法的时间复杂度为O(n2),并有很好的稳定性且易硬件实现.
目标检测 人造目标 几何特征 直线抽取
1 中国科学院沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院研究生院,北京,100039
提出一种基于特征点跟踪的运动目标分割算法.在角点跟踪过程中,8等分匹配点邻域,构造方向子邻域提高匹配精度;提出一种新的聚类准则抽取最优特征子集估计运动参数;结合统计方法消除残差噪声;采用时域滤波滤除孤立区域检测出运动目标.对200帧可见光视频序列和100帧红外图像序列中运动汽车进行检测分割实验,检出率分别达到96%和94%.
目标检测 目标分割 运动目标 角点检测
1 中国科学院沈阳自动化研究所,辽宁,沈阳110016
2 中国科学院研究生院,北京100039
提出一种新的针对目标变形的模板匹配跟踪方法.对于跟踪序列图像中的目标,采用均值平移方法对原图像进行滤波平滑后提取边缘;定义一种点到邻域的广义距离测度,增强了匹配的容错性,与计算Hausdorff距离相比计算量大为减少;采用边缘相似点的距离均值和方差作为匹配的相似测度和置信准则,进一步降低了匹配的误差;提出在8邻域内基于马尔可夫模型的启发式规则修正模板策略,阻止跟踪点漂移.实验结果表明,该方法能以高达98%的正确匹配率对复杂场景序列图像中的运动目标进行稳定跟踪.
目标跟踪 变形模板 马尔可夫?Ｐ?边缘检测
1 中国科学院沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院研究生院,北京,100039
提出动态背景下序列图像中的运动目标检测算法.利用像素邻域的各向同性对图像进行归一化,消除亮度变化等因素的影响;利用光流信息并结合小波变换由粗及精计算速度场来配准图像;用当前帧作参考图像,通过时域积分校正背景图像.当前帧与校正后背景图像作差得到差分图像.假设该差分图像中噪声分布为高斯分布,由高斯分布的3( 特性滤除差分图像中的噪声,则粗定位出目标;最后以聚类方法确定运动目标区域.分别对200帧可见光和200帧红外图像序列进行实验,检测率分别为95% 和94%.
目标检测 光流 运动补偿 图像分割
1 中国科学院,沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院,研究生院,北京,100039
提出了基于模糊测度的目标匹配方法.利用复数小波变换图像,对得到的不同尺度、不同方向子频带的小波系数进行归一化,消除了光照和尺度变化对图像的影响,构造其纹理特征.采用循环移位方法构成匹配特征向量,根据特征分布的模糊隶属度确定各特征分量在相似测度中的权值.复数小波的多尺度、多分辨率等特性有效描述图像能量在不同尺度下、不同方向的分布特征.实验结果表明:当目标在背景中发生相对变化时,应用该算法能够有效匹配目标,其性能优于基于灰度相关匹配的方法.
图像匹配 模糊测度 复数小波 循环移位 Image matching Fuzzy metric Complex wavelet Cycle shift
1 中国科学院沈阳自动化研究所,辽宁,沈阳,110016
2 中国科学院研究生院,北京,100039
传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的.由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等,这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响.基于图像分割后的区域是比像素灰度更高一级的图像表述,利用势函数聚类自适应多阈值图像分割技术,提出了一种对图像的加权区域模板相关匹配的算法.这种算法建立了一种目标区域隶属度的相关度量方法.试验结果表明了该算法在多种图像变形情况下的有效性.
加权区域模板相关 图像匹配 多阈值图像分割 Weighted region template correlation Image matching Multi-thresholds image segmentation
传统的图像相关匹配方法利用求取对应像素灰度差的累加和进行图像之间的相似性度量,或者设定阈值计算具有相近灰度值的像素点的个数进行相似性度量,由于参考图和实测图之间存在着灰度差异、模糊以及局部遮挡等,使得仅依靠图像灰度信息的算法的性能受到影响.结合图像的边界特征匹配技术,提出了一种新的图像相关匹配算法.该算法首先对图像进行边界提取并二值化,然后利用所定义的基于边缘的相似距离(ESD)对处理后的二值图像进行相似性匹配运算.试验结果表明这种算法在多种图像畸变情况下的有效性。
图像匹配 边界提取 二值图像 相似性度量 Image matching Edge extraction Binary image Similarity measurement
