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。     

序列图像运动目标的检测与提取

本文对视频图像中运动目标的检测与提取的算法进行了研究,并在计算机上做了仿真.本文采用背景差分法,针对序列图像首先建立了基于高斯统计模型的背景模型,然后用差分法提取运动目标,用形态学滤波去除噪声.仿真结果表明,算法是有效的,能够得到较好的结果.     

基于混合高斯模型融合背景减差的猪只运动跟踪

由于猪是非刚性目标且猪场情况复杂多变,利用混合高斯模型自适应背景建模强的特点,对猪进行目标提取与跟踪。由于猪目标会长时间静止,导致融入背景后无法检测,本研究采用背景减差法在一定程度上予以补偿,使静止的猪目标不会跟踪丢失,之后在HSV颜色空间下,利用其对光照不敏感的特点对检测出的猪目标进行阴影消除,以提高跟踪精度。最后,在猪耳设定颜色标记并利用满水填充法,解决多个猪目标交错及相互靠近后分离运动时产生的跟踪错误和丢失跟踪目标的问题。经对比经典Cam-Shift跟踪算法,本方法跟踪效果良好,精度较高,为生猪健康研究提供了重要依据。     

基于马尔可夫随机场的运动物体检测方法

智能监控的实现是避免和防范变电站内各种潜在危险的一种有效途径.为了更准确判定变电站工作人员的运动状态,提出一种基于高斯混合模型结合马尔可夫随机场的运动物体检测方法.在图像的HSV颜色空间通过混合高斯背景建模实现对运动物体的初步检测,采用区域性马尔可夫随机场与运动物体模板匹配实现运动物体的精确检测,并根据模板去除存在的阴影.结果表明,该方法可在变电站不同背景条件下有效检测出运动物体,为运动物体的行为分析及运动场景拼接奠定了良好的基础.     

南昌地区不透水面遥感估算研究

基于亚像元思想,采用线性光谱混合模型对混合像元进行分解,结合传统与手动方法选取端元,使用Landsat 8 OLI数据对研究区不透水面覆盖度(Impervious Surface Coverage,ISC)进行提取,并对初步提取的不透水面采用NDVI阈值法进行优化处理。对于模型的分解精度,RMS平均值为0.008 812,达到精度要求。提取结果经精度验证,提取的不透水面盖度的均方根误差为0.139 8,平均绝对误差为0.080 9,具有较高的精度。最后,对南昌部分地区进行不透水面盖度统计,并对其进行空间分布分析。研究结果表明:使用线性光谱混合模型并结合传统与手动选取端元,能够较好的提取南昌地区不透水面盖度信息,可以解决仅仅基于像元的不透水面提取精度不高的问题;南昌地区不透水面主要集中在研究区的中部地区,四周不透水面盖度较低,平均不透水面盖度最高的地区为青云谱区,平均ISC达到59%。     

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.     

基于改进Vibe算法的观赏鱼目标检测研究

借助计算机视觉技术研究鱼类行为已逐渐成为热点课题,该技术模拟生物视觉原理,通过处理采集的图片或视频获得动态目标参数信息,以达到对鱼类游泳行为监测分析的目的。利用传统的Vibe算法进行鱼类游泳行为监测会出现消除鬼影需要消耗大量视频帧,存在水面波纹的动态背景下运动目标的检测结果不准确的问题,因此提出了一种改进的Vibe算法。针对消除鬼影需要消耗大量视频帧,提出利用层次遍历搜索算法对目标图像进行标记并计数方法来自适应调整背景更新概率以实现快速消除鬼影。针对存在水面波纹的动态背景下运动目标的检测结果不够精确,提出基于LBP和HSV去除水面波纹以提高检测精度。     

运动目标检测与识别研究

运动目标检测与识别研究是计算机视觉中最重要的研究领域之一。在目标检测中存在场景动态变化、光照变化等同题,在目标跟踪中则存在目标的遮挡、重叠及目标关联等问题。提出一种有效的运动目标检测方法,较好地解决以上问题。首先利用背景差分方法建立背景模型,再对背景模型进行实时更新,以适应视频本身和光线的变化,最后使用形态学方法消除噪声和运动阴影带来的影响。并对检测到的目标应用区域跟踪技术,引入2个参数,实现跟踪匹配,很好地处理了目标之间的相互遮挡问题。实验结果表明,该方法快速有效,能够满足实时的需要。     

基于改进C-V模型的棉花叶片目标提取方法

为解决自然条件下棉花叶片因其轮廓几何边缘长势不均匀所导致的叶片目标提取不精准问题,提出一种基于改进C-V模型的棉花病害叶部目标提取方法。在传统C-V模型的基础上,将长度惩罚项和符号距离函数的约束能量项引入能量模型中,以达到对演化曲线长度变化的约束目的,从而完成对整幅图像目标特征的提取。本研究算法先对待分割的图像设置初始曲线,并利用高斯滤波算子对待分割图像进行平滑滤波处理,然后根据图像全局灰度信息和局部二值匹配信息建立能量方程,根据其离散化形式,对水平集函数进行演化,并从中提取演化曲线,最后根据水平集函数演化过程所满足的终止条件,输出图像分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:本研究算法对于晴天、阴天和雨天图像中目标(棉花叶片)轮廓提取准确率分别达到82.23%、82.73%和84.60%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像目标特征轮廓实现准确提取。     

基于数据增强的高原鼠兔目标检测

针对基于卷积神经网络的高原鼠兔目标检测模型在实际应用中缺乏训练数据的问题，提出一种前景与背景融合的数据增强方法：首先对训练集数据进行前景和背景的分离，对分离的前景作图像随机变换，对分离的背景用背景像素随机覆盖，得到前景集合和背景集合；从前景集合和背景集合中随机选取前景和背景，进行像素加融合；再从训练集中随机选取样本，将标注边界框区域采用剪切粘贴方法融合到训练图像的随机位置，得到增强数据集。采用两阶段的弱监督迁移学习训练模型，第一阶段在增强数据集上对模型预训练；第二阶段在原始训练集上微调预训练模型，得到检测模型。对自然场景下高原鼠兔目标检测的结果表明：在相同的试验条件下，基于前景与背景融合数据增强的目标检测模型的平均精度优于未数据增强、Mosaic和CutOut数据增强的目标检测模型；基于前景、背景融合数据增强的目标检测模型的最优平均精度为78.4%，高于Mosaic的72.60%、Cutout的75.86%和Random Erasing的77.4%。     

基于模糊理论的树冠图像边缘检测算法研究

介绍了一种变量施药的靶标识别方法,采用T-S模糊模型,根据绿色植物和背景颜色的特征值(R、G、B)差异性,采用超绿指标[Excess green,ExG]来区别靶标与背景的隶属度,定义了噪声和边缘隶属度函数,根据模糊推理结果,对植物叶片图像去除噪声后再进行边缘检测,可有效检测图像边缘。降低算法的复杂度,提高了效率,在抗噪性能方面能有效地避免噪声的干扰、节约时间、运算速度快。     

基于近红外深度图的游泳型鱼类摄食强度实时测量

针对水产养殖过程中精准投喂难题,提出一种基于近红外深度图的鱼类摄食活动强度评估方法。该方法不以目标跟踪为基础,不受养殖现场光照条件限制,无须依赖于清澈的水体与稳定背景,通过对深度数据直接处理,以最低的计算量实现鱼类前景目标提取及背景图像剔除,用新方法获取清晰的鱼类摄食图像。进而通过深度图的目标像素点总数判断抢食鱼类的数量,结合目标像素点的变化率,实时反映出鱼类摄食活跃程度;与传统的基于二维图像纹理特征的分析方法相比,该方法大幅度地降低了计算量,为养殖现场的实时测控提供了可实施方案。实验结果表明：近红外深度图不受养殖现场成像条件的限制,能以简洁的数据形式有效地表征鱼类的摄食规律,其方法对于分析在水面抢食浮性饲料,并在非摄食阶段栖息于水体底部的鱼类具有理想的分析效果。论文为鱼类行为分析提出一种新的技术手段,对精准投喂的应用具有积极的指导意义。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T₁=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

Exposed water ice deposits on the surface of comet 9P/Tempel 1

We report the direct detection of solid water ice deposits exposed on the surface of comet 9P/Tempel 1, as observed by the Deep Impact mission. Three anomalously colored areas are shown to include water ice on the basis of their near-infrared spectra, which include diagnostic water ice absorptions at wavelengths of 1.5 and 2.0 micrometers. These absorptions are well modeled as a mixture of nearby non-ice regions and 3 to 6% water ice particles 10 to 50 micrometers in diameter. These particle sizes are larger than those ejected during the impact experiment, which suggests that the surface deposits are loose aggregates. The total area of exposed water ice is substantially less than that required to support the observed ambient outgassing from the comet, which likely has additional source regions below the surface.     

基于计算机视觉的脐橙分级系统研究

脐橙的检测方法目前主要还是采用劳动强度大、工作效率低、随意性大、客观性不强、也不符合当前标准化要求的人工检测方法。运用计算机视觉和模式识别技术,研究了基于计算机视觉的脐橙分级系统,首先对获取的图像分割出背景、脐橙本体和表面缺陷,再根据脐橙的分级标准,提取出果实横径、表面缺陷的特征参数,采用径向基神经网络对脐橙样本进行了等级识别,实现脐橙的自动检测与分级。     

基于LBP纹理和改进Camshift算子的车辆检测与跟踪

提出了利用背景图像LBP（局部二值模式）纹理和当前帧图像LBP纹理的相似度分析提取前景的方法,克服了车辆检测中常用的帧差法、背景差分法对光照比较敏感的缺点.同时基于H,S,V分量及改进的LBP纹理的联合直方图与金字塔L-K光流法中心跟踪相结合的Camshift跟踪算法,有效地解决了背景目标颜色相近可能会导致跟踪的目标区域加入背景后变大、处理较大帧间位移的视频跟踪上搜索窗口的位置准确度较低的问题.实验证明,该方法具有良好的检测和追踪效果.     

基于像素类型的阶跃型边缘提取算法

介绍一种用于提取目标图像和背景图像都比较简单的图像中的阶跃型边缘算法。把二值化图像中的像素点分为4类:背景点、目标体点、边缘点、噪声点;算法实现过程如下:首先对图像进行二值化处理,然后对二值图像中的目标体的边缘像素点进行跟踪,找出目标体的边缘曲线。试验表明:该算法实现简单、处理快速、抗噪性好。     

基于卷积神经网络的番茄目标检测

番茄目标检测有利于提升番茄采摘的智能化程度。本文针对番茄目标检测问题,提出了一种基于Yolo3的目标检测方法。通过对数据集手工标注,并利用kmeans聚类算法更新先验框参数,实现了数据模型的训练测试与模型评估。实验结果表明,所采用方法的目标检测mAP为96.34%,能够有效地实现番茄目标检测。     

河南省驻马店市地表水出境断面考核体系的研究

以驻马店市水环境功能区划为基础,通过对污染物总量的核定,采用相应的水质模型确定实际水环境容量,建立驻马店市地表水出境断面考核体系。该体系已在驻马店市责任目标考核中使用,成功地解决了在环境保护目标任务计划执行年度中责任不清造成的问题,把环保目标以数字的形式纳入各县政府的年度GDP考核,取得了良好效果。