1 深圳技术大学 中德智能制造学院, 深圳 518118
2 广东省先进光学精密制造重点实验室, 深圳 518118
3 广东省微纳光机电工程重点实验室, 深圳 518118
提出一种基于有效背景重构和对比度增强的Mura缺陷检测方法。首先, 提出了一种新的基于缺陷区域预剔除的背景重构方法, 能够有效地重构背景图像, 消除图像亮度不均等干扰。然后, 引入了基于Otsu的双γ分段指数变换法对差分图像进行增强处理, 能够有效解决背景残余问题且极大增强了Mura区域的对比度和轮廓度。最后, 直接运用动态阈值分割方法, 可以快速准确地将Mura缺陷分离出来。实验结果表明, 与传统的多项式曲面拟合方法以及离散余弦变换法相比, 本文方法对各种类型的Mura缺陷检测效果稳定, 且检出率和无误报率均达到了97%以上。
Mura缺陷检测 背景重构 分段指数变换 TFT-LCD TFT-LCD Mura defect detection background reconstruction piecewise exponential transform
东北林业大学 机电工程学院， 哈尔滨 150040
为了提高视频烟雾检测的准确性，克服图像型火灾烟雾检测对复杂环境的低适应性，实现对火灾烟雾的实时检测，提出了一种基于视频序列的火灾烟雾颜色检测算法。该方法首先采用基于Kalman滤波的背景重建法提取出烟雾区域的像素，然后再将其归一化到RGB空间模型，分析各颜色分量的数据，并将这些表征烟雾颜色信息的数据经Matlab进行曲线拟合分析，最终确定出烟雾颜色的决策条件，并对来自网络的火灾视频和其他运动视频进行测试。实验结果表明：基于视频序列的火灾烟雾颜色检测能够很好地将火灾烟雾和其他干扰物区分开，达到早期预警的目的。
Kalman滤波 背景重建法 RGB空间模型 曲线拟合分析 颜色决策条件 Kalman filtering background reconstruction RGB space model curve fitting analysis color decision condition
电子科技大学 光电信息学院，四川 成都610054
针对背景静止的立体视频压缩编码，提出了一种新的背景重构和前景提取的视频分割算法。首先在利用帧差法得到左右通道前景运动区域的基础上，分别对前景运动区域进行外接矩形块的初始化，并以初始块为单位进行左右通道的背景重构。然后，对左右通道视频中的每一帧序列均与重构的背景图像做差处理并得到运动前景。实验结果表明，此算法可以达到精确的分割效果，且视频分割后可以显著减小立体视频匹配时间，进而减少数据传输量和存储空间。
视频压缩 背景重构 前景提取 立体匹配 video compression background reconstruction foreground extraction stereo matching
福州大学 数学与计算机科学学院, 福州 350108
背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足，本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理，不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明：该算法无需对视频场景中的背景和运动目标建立模型，可直接从一组含有运动前景的视频图像中准确地重构背景，并有效避免混合现象；背景缓慢变化和突变时，亦可快速有效地完成背景重构.
背景重构 背景提取 背景更新 像素序列形态 Background reconstruction Background extraction Background update Pixel sequence pattern
针对背景静止的立体视频提出了一种快速的基于背景重构的视频分割算法。先利用帧差法分别确定出左右视频的前景运动区域，再重构出该区域的背景图像，最后，通过视频图像和背景图像的对比来准确地提取运动前景。然后，先匹配左右图像序列的背景图像，并保存它们的匹配结果，再分别对各立体图像对的运动前景进行匹配。采用该方法将立体视频分割可以减少图像数据的传输量和储存空间; 同时，视频分割之后再做匹配运算，减少了立体匹配的时间。
视频分割 背景重构 视差图像 立体匹配 video segmentation background reconstruction parallax image stereo matching
针对固定摄像机监控中多运动目标自动分割问题，本文提出了一种基于背景差分和水平集的新方法。首先，该方法通过求解连续三帧图像的对称差分，确定出当前帧中的背景像素点，并对背景像素点的灰度值进行统计，最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景。其次，提出了基于8-邻域搜索的区域生长算法完成连通区域的检测，并通过设置阈值和连通域分析，消除背景块噪声并标定出运动目标区域。最后，对所有运动目标区域块，分别采用无需重新初始化的水平集算法作分割，得到封闭和完整的目标轮廓。实验结果表明，该算法能实现固定摄像机监控中刚体或非刚体的多运动目标的自动检测和轮廓分割。
计算机视觉 背景重构 运动检测 水平集 图像分割 computer vision background reconstruction motion detection level set image segmentation
