| 基于时空域联合信息的高原鼠兔运动目标检测 |
| |
| 引用本文： | 张爱华,王帆,陈海燕.基于时空域联合信息的高原鼠兔运动目标检测[J].农业工程学报,2018,34(9):197-203. |
| |
| 作者姓名： | 张爱华 王帆 陈海燕 |
| |
| 作者单位： | 兰州理工大学电气工程与信息工程学院;兰州理工大学甘肃省工业过程先进控制重点实验室;兰州理工大学电气与控制工程国家级实验教学示范中心;兰州理工大学计算机与通信学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61362034，81360229)；甘肃省高等学校科研资助项目(2016B-025)；甘肃省基础研究创新群体项目(1506RJIA031)；模式识别国家重点实验室开放课题基金资助(201700005) |
| |
| 摘 要： | 自然场景下的高原鼠兔序列图像对比度低,边缘较弱,目标包含多色彩且目标运动具有突变性。针对传统运动目标检测方法不能精确提取多色彩目标轮廓的问题,提出一种基于时空域联合信息的运动目标检测方法。首先,利用背景减法确定当前帧图像中目标的形心位置,得到粗分割图像及初始轮廓,然后用改进Chan-Vese(CV)模型对粗分割图像进行分割,改进Chan-Vese模型对多色彩目标图像适应性强,从而获得精确的目标轮廓。鉴于几何活动轮廓模型在图像分割过程中需不断初始化水平集函数,且初始化计算量随图像规模的增大而增多,该文在背景减法获得目标形心的基础上,以形心为中心,截取包含目标的图像块作为粗分割图像,然后利用改进Chan-Vese模型对粗分割图像精确分割,以减少分割耗时。该文对包含50帧图像的视频处理,试验结果显示:该文方法耗时仅为15.25 s,相似度指数平均为0.852 929,Jaccard指数平均为0.744 57。和背景减与CV模型相结合的运动目标检测方法相比,该文方法过分割率低,无冗余轮廓,且耗时短;和背景减与改进CV模型相结合的运动目标检测方法相比,该文实时性更高;该文所提出的目标检测方法可精确提取目标轮廓且实时性高。
|
| 关 键 词： | 图像处理 图像分割 算法 背景减法 改进Chan-Vese模型 时空域联合 高原鼠兔 |
| 收稿时间： | 2017/12/5 0:00:00 |
| 修稿时间： | 2018/3/29 0:00:00 |
Moving object detection of Ochotona curzoniae based on spatio-temporal imformation |
| |
| Zhang Aihu,Wang Fan and Chen Haiyan.Moving object detection of Ochotona curzoniae based on spatio-temporal imformation[J].Transactions of the Chinese Society of Agricultural Engineering,2018,34(9):197-203. |
| |
| Authors: | Zhang Aihu Wang Fan and Chen Haiyan |
| |
| Institution: | 1. College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China; 3. Key Laboratory of Gansu Advanced Control for Industrial Processes,Lanzhou University of Technology, Lanzhou 730050, China; 4. National Demonstration Center for Experimental Electrical andControl Engineering Education, Lanzhou University of Technology, Lanzhou 730050, China,2. School of Computer andCommunication, Lanzhou University of Technology, Lanzhou 730050, China; and 2. School of Computer andCommunication, Lanzhou University of Technology, Lanzhou 730050, China; |
| |
| Abstract: | |
| |
| Keywords: | image processing image segmentation algorithms background subtraction improved Chan-Vese model spatio-temporal combination Ochotona curzoniae |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
