基于混合高斯模型的生猪个体检测算法

背景模型对于视频中运动目标检测的目标提取至关重要。高斯混合模型(GMM)是背景模型中常用的方法之一。混合高斯模型对于目标生猪检测存在算法效率低、误判点和鬼影等缺点。对此本文提出了一种基于自适应高斯混合模型的改进算法,以克服传统高斯混合模型在猪目标检测中的不足。本文基于高斯混合背景模型,引入了视频帧m和t_0的两个新参数。在混合高斯背景模型基础上,为了提高建模收敛速度,采用自适应调整高斯分布模型个数。本文通过每m帧对高斯分布进行一次扫描,删除多余的高斯分布,来提高模型的收敛速度。同时,采用自适应调整学习率值来消除误判和鬼影;初始阶段采用较高而且递减的学习率,在t_0帧之前加快背景建模;随着时间的持续,背景模型逐渐变得稳定,此时可以使用较小的学习率。t_0帧后为了保持稳定的背景建模,减少噪声干扰,本文采用了在t_0后使用固定的学习率。实验结果表明,该算法能够快速建立初始背景模型,检测运动目标猪,并提取目标猪的完整轮廓。该算法具有良好的鲁棒性和适应性。     

空间约束混合高斯运动目标检测

目的 针对传统混合高斯模型前景检测运算量过大问题,提出一种基于空间约束的混合高斯前景检测算法。方法 通过快速初始化缩短模型的初始建立过程;采用双重背景模型机制,以自适应背景减法的前景检测结果作为混合高斯前景检测的空间约束条件,降低模型在背景区域的冗余运算;运用多策略自适应模型更新,提高前景检测的准确性。结果 在各种测试场景下,与传统混合高斯法、CodeBook、GMG、偏差均值混合高斯模型(MODGMM)等算法相比,该算法具有更好的准确率以及4倍以上的处理速度。结论 在固定相机场景下的运动目标检测中,算法能有效提高传统混合高斯法的准确性且具有极高的实时性。     

基于吉布斯-马尔可夫随机场的板材表面纹理分析

详细阐述了吉布斯-马尔可夫随机场模型的基本原理,并针对板材表面纹理特征建立吉布斯-马尔可夫随机场模型。研究了吉布斯-马尔可夫随机场模型的参数估计过程,并在试验数据的基础上验证了吉布斯-马尔可夫随机场模型在纹理分析中的可行性。     

基于混合高斯背景模型的水面目标检测

通过混合高斯背景模型法对水利监控视频图像中的水面运动目标进行检测。根据河流水面的特点,采用混合高斯模型为水面背景建模,并运用在线EM算法进行背景模型的快速更新,然后用学习的高斯背景模型进行水面目标检测。该背景模型能够克服各种外部因素的影响,如光照变化、水面波浪,水面反光等,具有很强的适应能力,并能够满足实际应用中对目标检测的实时性要求。     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中，复杂环境引起摄像机抖动，造成运动目标检测不准确的问题，提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区，利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析，进行抖动判断，并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理，以进一步提高目标提取的精度.实验结果表明，本文算法较好地消除了场景中运动目标对运动矢量计算的干扰，实现了在摄像机抖动视频场景中的运动目标的准确检测和提取，大大降低了抖动视频目标检测的虚警率.     

基于机器视觉的圈养豪猪检测与基本行为识别方法研究

为了更好地了解豪猪的习性,提高豪猪人工养殖技术水平,本文设计了基于一种视频图像分析的圈养豪猪检测及基本行为识别方案。首先通过混合高斯模型背景建模法,对圈养豪猪养殖环境进行背景建模,标记出场景中的豪猪及其他运动物体轮廓,采用分类算法对识别出的轮廓进行分类,对豪猪的识别准确率达到86.34%;为了进一步提高准确率,引入图像局部特征ORB关键点作为分类属性,使豪猪的识别准确率提升到93.23%;在此基础上,以饲养池结构及豪猪活动实际情况为判断依据建立圈养豪猪行为识别模型,实现了对豪猪静息、进食、饮水、排泄、啃咬铁门及水槽等7种基本行为的识别。     

一种改进的葡萄叶片自动分割算法

针对不同光照以及不同天气条件造成葡萄叶片图像不能准确分割的问题,提出了一种改进的图割分割算法。采用G/R以及a*颜色特征自动选择叶片目标和背景种子点,利用混合高斯模型对叶片和背景的概率密度分布进行估计;在马尔科夫随机场的基础上,建立像素特征的能量函数;通过求解能量函数最小化对叶片实现了自动分割。对多种不同分割特征的分割效果进行对比试验,结果表明:对于不同时间、不同天气的叶片图像,单一G/R和a*具有较好的效果,分割精度分别达到86.74%和92.38%,若用它们组合为双特征,分割效果会进一步提高,分割精度可达95.03%。     

基于高性能嵌入式平台的人体运动目标跟踪技术研究

随着计算机图像处理方法的飞速发展,图像目标跟踪系统在工业、安防、人体运动检测等领域得到越来越广泛的应用。本文设计并实现了基于TI公司高性能达芬奇片上系统(So C)的实时图像采集、处理、显示和网络传输等功能的嵌入式图像处理,并针对高斯背景建模的改进算法,提出一种基于光流的Mean-Shift核带宽估计算法,实现了对人体运动目标的准确跟踪。     

Gabor小波变换在帘子布疵点检测中的应用

给出一种基于多通道Gabor滤波器技术实现高速实时帘子布疵点检测方法.在多尺度多方向上分别对具有规则纹理结构的织物图像进行Gabor滤波,并对滤波后的多幅子图像进行融合分割处理,将疵点从织物背景中分割出来,从而实现对织物疵点的实时检测.该方法用于帘子布的缺陷检测,具有识别能力强,实时性好等优点.可以用于检测有规则纹理结构的表面及物体.     

基于高斯马尔可夫随机场模型的光学层析图像重建

光学层析图像是一被该领域广为认可的新型成像技术,它的工作原理是利用近红外光,波长大约在650-900nm之间,照射介质。并对介质表面的测量关于透射光和散射光的光学参数从而形成图像。为了实现光学层析图像的重建在人体内的某个组织,比如胳膊和大脑等部分的表面,放置探测器,测量通过组织进红外光透射的能量。光学层析成像具有很多的优点比如敏感度很高,无创检测等。但是目前在临床医学,和其他相关领域还没有完全被广泛应用,主要是因为两个方面,第一个是成像速度慢,第二个是成像不清晰。本文主要介绍了主要介绍了基于高斯马尔可夫随机场模型的光学层析图像重建。     

基于Markov随机场的改进的传统眼皮区域检测算法研究

[目的]阐述改进的虹膜有效区域检测阶段中眼皮区域检测算法。[方法]介绍传统的基于Radon变换的眼皮区域检测算法,针对其不能很好地消除眼皮阴影的缺点,提出基于Markov随机场理论眼部阴影检测算法。根据Markov随机场邻域的约束,使用MAP准则进行求解,利用K-mean求取先验信息,使用EM算法确定图像中每个像素的观测场模型,根据统计学理论的最优准则,得到能量函数的最小值,将眼皮阴影检测出来。[结果]该研究提出的方法可以有效地去除虹膜有效区域检测阶段中眼皮阴影。[结论]基于Markov随机场理论的眼皮阴影检测算法可以作为Radon眼皮检测的补充和改进。     

基于改进Camshift的竹材加工目标检测跟踪算法研究

将计算机视觉技术应用到数控剖竹机运动加工目标的检测和跟踪中,提出一种基于改进Camshift算法的适合竹材加工运动目标检测和跟踪算法.针对竹材检测、跟踪过程中的干扰因素,通过图像的色度值来代替背景图像的亮度值,来减少阴影干扰,采用背景差分法与帧间差分法相结合的目标检测方法,改进Camshift算法,利用HSV图的H分量均值和每一帧H分量均值的差值结果来进行H分量均值更新,以克服光照影响,并利用Kalman滤波实现对下一帧竹材所在位置进行预测,预测结果用于修正Camshift算法的跟踪结果.结果表明,改进的算法能够对运动竹材目标进行实时跟踪,算法高效、准确.     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。     

一种基于学习向量量化网络的目标提取方法

图像目标提取是图像语义抽取及其应用的基础。为了更好地进行图像语义的抽取,提出了一种基于学习向量量化网络的目标提取方法。该方法首先将图像划分成固定大小的子块,采用改进的学习向量量化网络实现前景和背景的区分,最后提取目标。     

基于视频区域动态特征的林火烟雾检测技术研究

  目的  视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。  方法  以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。  结果  利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。  结论  本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。      

再生稻收割机的视觉导航路径检测方法

采用机器视觉技术研究再生稻收割机导航路径检测方法.根据农田再生稻图像特点,基于HSV空间的S分量结合Otsu算法得到初始分割阈值T;为更好地保留不同成熟度再生稻植株特征,加入修正因子-a,得到分割阈值T-a二值化图像.将土壤路径从再生稻植株中分割出来,根据形成的植株左右边界区域特征,提出逐行扫描图像动态检测导航路径的中间离散点集,利用基于已知点的Hough变换检测出稻桩行间导航路径.结果表明:处理一幅像素419×310的图像平均耗时0.064 s,具有较好的实时性,对稻叶交叠现象具有较强的适应性,拟合的导航线符合人眼视觉感官判断.     

隐马尔可夫模型下基于SIFT特征的局部遮挡目标识别

提出一种利用隐马尔可夫模型建立目标特征匹配库来识别图像中局部遮挡目标的新方法。该方法首先通过SIFT算法提取目标SIFT特征,然后采用隐马尔可夫模型对目标所有的SIFT特征进行训练,得到目标SIFT特征对应的模型输出概率范围,将该概率范围作为目标特征匹配库。在对图像中的目标进行识别时,利用目标特征匹配库可以把目标特征从图像所有特征中识别出来,即使目标遮挡比例为60%时,该方法仍能识别出目标。实验结果表明,新方法可以精准地识别出图像中被遮挡目标,能够很好地解决遮挡情况下的目标识别问题。与现有局部遮挡目标识别算法相比,新方法所取得的目标识别率均有所提高。     

水果采摘机器人视觉系统的目标提取

在田间对作物的果实图像进行实时、准确地目标识别提取，是采摘机器人视觉系统的关键技术，而目标提取的实质是图像分割。大部分水(蔬)果处于采摘期时，表面颜色与背景颜色存在较大差异。而同一品种果实表面颜色相近，体现为在色彩空间果实表面颜色和背景颜色存在着不同的分布特性。根据这一特性，提出了一种基于色彩空间参照表的适用于水果采摘机器人视觉系统果实目标提取的图像分割算法。该算法先由果实样本图像建立色彩空间参照表，再根据色彩空间参照表采用一种类似于“卷积”的方法进行图像分割。与现有其他方法比较，本方法基于彩色的信息处理，可将背景除去得更干净；对背景不做分割处理、无复杂运算，有利于机器人实时图像处理。采用该算法分别对草莓、橙子、西红柿的图像在L^*n^*6^*，Hsv，YCbCr色彩模型下进行了实验，结果显示该算法在这些色彩模型下均可取得理想的图像分割效果。     

基于模糊Tsallis熵和混沌蛙跳算法的快速红外目标分割

针对红外图像的模糊性和非广延性,提出一种基于模糊Tsallis熵的快速阈值分割方法。先用模糊隶属度函数把图像灰度直方图转换到模糊域,分别定义图像背景与目标的模糊Tsallis熵,并根据不可加熵的伪叠加原理求出图像总熵。在参数寻优过程中,提出一种基于Logistic映射的混沌蛙跳优化算法,根据最大熵原理对模糊隶属度函数进行参数优化,进而得到图像的最佳分割阈值。与典型的阈值法进行对比试验,结果证实了该方法的有效性和鲁棒性。