1 中国科学院上海技术物理研究所红外探测与成像技术重点实验室, 上海 200083
2 中国科学院大学, 北京 100049
针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。
机器视觉 运动目标检测 背景建模 自适应阈值 光照变化
College of Information and Computer Engineering, Northeast Forestry University, Harbin50040,China
木材往往堆积在室外，在对木材样本采集高光谱图像时往往会受到外界因素（光照、温度、湿度）的影响，从而造成木材树种的误判。为了解决这一问题，本文利用PLS（Pattern Lacunarity Spectrum）和LBP（Local Binary Pattern）对木材横截面的高光谱图像的纹理信息进行了特征提取，而后将高光谱图像的近红外光谱与纹理特征相融合，并以融合后的新特征作为识别的依据，最后使用SVM（Support Vector Machine）和BP（Back Propagation）神经网络两种分类器对木材树种进行了识别，实验表明该算法在无干扰情况下可拥有最高100%的识别正确率效果。为了验证该算法可以在高光谱图像失真的情况下依然可以对木材进行正确的识别，本文仿真了光照变化对高光谱图像的影响，并对比了影响前后的识别正确率，结果显示该算法可以在高光谱图像失真的情况下对木材的树种进行正确的识别，优于传统的和近期主流的木材树种分类算法。
高光谱图像 木材树种识别 光照变化 特征融合 hyper-spectral image wood species recognition illumination variation feature fusion
1 南京理工大学, 南京210094
2 山东农业大学, 山东 凤安271018
针对压缩跟踪算法中存在的特征单一、对光照变化敏感、不能适应目标尺度变化的问题，提出了一种融合HOG类特征的尺度自适应压缩跟踪算法。该算法在Haar-like特征基础上采用固定比值方式融合了HOG类特征，降低了算法对光照的敏感度，HOG类特征仍采用积分图算法进行加速计算。另外，在尺度估计方面，采用相关滤波尺度估计方法，找到使尺度滤波器响应最大的尺度作为新的目标尺度，及时调整跟踪窗的大小并更新特征提取模板，解决了尺度变化问题。实验结果表明：改进后的算法可以适应较大光照变化与尺度变化、平面内旋转等情况，跟踪精度和鲁棒性有明显提高，并且满足准实时性的要求。
光照变化 HOG类特征 尺度估计 相关滤波 allumanation change HOG- like feature scale estimation correlation filter
为有效地处理目标跟踪中的目标尺度变化、光照变化和局部被遮挡问题，采用分块跟踪策略，跟踪目标上的多个跟踪点，通过前后两帧图像间多对对应跟踪点之间的距离变化量确定目标尺度的变化量和位移量。在目标被遮挡的情况下，利用未受遮挡影响的跟踪点的位置信息和时空上下文信息计算目标跟踪点位置。采用高效而精确的STC（Spatial Temporal Context）跟踪算法跟踪单个跟踪点，保证算法的实时性和跟踪点定位的准确性。实验结果表明，提出的分块跟踪算法不但实时性较好，跟踪精度较高，具有抗光照变化和抗局部遮挡能力，而且算法原理简单，能够适应多种跟踪环境。
目标跟踪 尺度变化 抗遮挡 光照变化 分块跟踪 object tracking scale change anti-occlusion illumination variation spatial temporal content STC block tracking method
为了解决视频监控系统中光照快速变化对运动目标检测产生的影响，提出一种新的运动目标检测方法。通过建立光照变化模型、色度差模型和亮度比模型来消除光照快速变化产生的影响。当光照快速变化的时候，背景像素和运动目标像素会被检测为前景像素。为了从检测到的前景像素中分离出运动目标像素和伪前景像素，分别建立色度差模型和亮度比模型来估计伪前景像素的亮度差和亮度比。色度差模型和亮度比模型的建立均依赖于光照变化模型。实验结果表明，本文的方法在光照快速变化的条件下具有较好的检测效果和检测实时性。
运动目标检测 光照变化模型 色度差模型 亮度比模型 前景像素 moving target detection illumination change model chromaticity difference model brightness ratio model foreground pixels
1 西南交通大学 机械工程学院, 成都 610031
2 昆明学院 自动控制与机械工程学院, 昆明 650214
针对传统光流算法只能对某种特定光照变化有效的问题, 提出一种能改善不同光照变化条件下的光流鲁棒求解方法。所提出的方法利用改进census变换和图像纹理信息加权和构建光流模型中数据项。数据项中不同分量的权重根据两帧图像SIFT点对应灰度差动态选择, 以满足不同亮度变化的图像, 自适应地选择相应的数据项。改进census变换包含了变换窗口内完整的相对灰度大小信息; 对两个不同的窗口, 较传统census变换有更高的区分度。以Middlebury和KITTI数据库对所控算法进行测试, 实验结果证实了所提出方法对不同仿真光照变化和野外真实光照环境下图像鲁棒光流求解的有效性。
光流 光照变化 图像纹理 改进census变换 optical flow illumination variation image texture improved census transformation
1 中国科学院长春光学精密机械与物理研究所, 长春, 130033
2 中国科学院大学, 北京, 100049
针对基于压缩感知的目标跟踪算法在跟踪过程中,光照剧烈变化引起跟踪不稳定或跟踪失败的问题, 本文提出了一种基于相位一致性的改进跟踪方法.该方法利用相位一致性图像特征对光照变化不敏感的特点, 首先对样本搜索区域内的图像进行相位一致性变换, 然后再提取变换后相位一致性图像的特征,将其用于分类器中来确定目标位置.实验结果表明, 该方法在目标受到光照剧烈变化影响的情况下具有很强的适应性, 在目标大小为50 pixel×55 pixel时平均处理帧频可达22 fps.与已有基于压缩感知跟踪算法相比, 该算法在光照变化剧烈的情况下仍具有很好的鲁棒性,而且在目标尺度和纹理发生一定变化的情况下跟踪稳定.
压缩感知 实时 目标跟踪 光照变化 相位一致性 Compressive sensing Real-time Target tracking Illumination variation Phase congruency
Author Affiliations
Abstract
Department of Measurement and Control Technologies, School of Information Engineering, University of Science and Technology Beijing, Beijing 100083, China
Changing illumination condition can change the result of image segmentation algorithm and reduce the intelligent recognition rate. A novel color image segmentation method robust to illumination variations is presented. The method is applied to the skin segmentation. Based on the hue preserving algorithm, the method reduces the dimensionality of the red-green-blue (RGB) space to one dimension, while keeping the hue of every pixel unchanging before and after space transformation. In the new color space, the skin color model is established using Gaussian model. Experimental results show that the method is robust to illumination variations, and has low computational complexity.
彩色分割 光照变化 色调保护 维度降低 100.2000 Digital image processing 100.3008 Image recognition, algorithms and filters Chinese Optics Letters
2010, 8(3): 286
