一种复杂背景下运动目标识别和跟踪方法

针对在复杂静态背景下对运动目标点识别和跟踪的问题,本文将复杂静态背景下运动中的小车作为动态目标,根据目标特征采用图像预处理和图像配准的方法完成了对目标的探测和跟踪实验结果表叫：该方法可以基本满足复杂背景下运动目标自动识别和跟踪的要求．     

复杂背景下一种新的肤色检测方法

通过对复杂背景下的人脸图片进行自适应光照补偿,建立高斯肤色模型,并利用改进的Otsu算法进行人脸肤色检测.实验证明,该方法效率高,对背景、尺寸、旋转角度等细节具有很好的适应性,在人脸实时检测中具有很好的应用价值.     

一种快速整像素运动估算算法研究

在对已有快速整像素运动估计算法中使用的模板进行分析和实际测试的基础上,提出了一种新的适合于大运动矢量搜索的搜索模板,然后把该模板和小菱形模板结合起来而形成了一种新的快速运动估计算法。该算法充分利用了相邻块运动矢量的相关性以及运动矢量的中心偏置特性,显著减少了运动估计的运算量。把该算法运用到视频编码标准H.264/AVC中,取得了良好的编码效果,实验结果表明,新的运动估计算法和FS及DS算法相比平均搜索速度分别提高了98.08%和48.71%;重建图像的信噪比比DS算法平均提高了0.001875dB,更接近FS算法的编码质量。     

分析复杂运动过程的几种方法

物理综合问题之所以复杂是因为它涉及物体的复杂运动.所谓复杂运动主要指运动在两个方面可能是复杂的.第一类是指物体的运动形式相对于简单运动(如匀速直线运动、匀加速直线运动、圆周运动等)是复杂的;第二类是指研究对象不止一个.其中,第一类又可具体分为两种情况:一是单个物体的运动过程长,全过程内运动形式变化多,可以分割成一段段的     

基于连通域的复杂背景下粘连单元分割算法

为解决工业质检中粘连单元分割、计数较为困难的问题,基于边缘检测算法,提出基于连通域的复杂背景下粘连单元分割算法.首先利用波段运算方法去除复杂背景,降低背景对粘连单元分割的影响;然后采用方向梯度法提取粘连单元边缘特征,并利用形态学算法对边缘特征进行优化,以获得稳定性强、鲁棒性高且连续的边缘特征,有效实现单元间分离;最后基...     

一种车辆运动姿态参数的实时测量方法

由于车辆姿态参数无法通过带有标准配置的传感器直接测量,提出1种车辆运动姿态参数实时测量方法。该方法通过在车辆上加装MARG传感器测量车辆运动角速率、直线加速度与地磁信息,并以四元数和角速率为系统状态模型,加速度计和磁强计测量值为系统观测模型,搭建扩展Kalman滤波器车辆姿态融合估计结构,实现车辆姿态观测信息的实时最优关联。实验结果表明,在不同车辆运行状态下,该方法可以实时测量车辆姿态信息,具有较小的姿态估计误差。     

一种应用于大型综合实验的运动目标识别与跟踪方法

介绍了一种基于NM I特征的目标识别与跟踪算法,与基于图像灰度的跟踪算法相比,该算法利用运动目标的NM I特征值,避免了背景亮度变化对目标识别和跟踪的干扰,具有实时性好、抗干扰性强的特点,适用于复杂背景下的运动目标检测和跟踪。     

基于传感器融合的一种多目标车辆识别跟踪方法

为使无人驾驶汽车在公路环境中有效实现安全避障和行驶,提出一种基于雷达和视觉传感器融合的多目标车辆识别跟踪的方法.在无人驾驶汽车上部署6个高分辨率雷达传感器和2个视觉传感器,利用联合概率数据关联算法,将目标与雷达回波点迹进行关联,利用YOLOV2深度神经网络对视频序列中的图像进行对象识别和定位,并综合2种传感器,在时间和空间上进行标定,从而识别车道上的汽车,然后利用扩展卡尔曼滤波算法,跟踪被识别的车辆,最后应用MATLAB软件建模仿真.仿真结果验证:该方法能使无人驾驶汽车有效识别和跟踪公路上静止和移动的汽车目标,为无人驾驶汽车后继的决策规划控制提供了感知层信号.     

一种视频防抖的车辆检测算法

为解决由于道路颠簸、车辆自身抖动导致视频帧图像模糊而影响车辆检测效果的问题,采用基于特征匹配的光流法结合SURF特征点提取算法对车载视频进行防抖预处理,再将增稳后的视频序列传入训练好的YOLOv4框架进行车辆检测.在KITTI数据集上对该算法进行验证,最终识别准确率达96.5％.通过对比防抖前后测试结果发现,建立的防抖...     

一种有效的车牌字符分割方法——模板匹配一垂直投影结合的车牌字符分割方法

汽车车牌的字符分割是车牌自动识别系统中的重要环节．采用模板匹配一垂直投影结合的车牌字符分割方法利用了模板匹配法能克服对图像二值化后字符粘连及铆钉等的干扰,同时结合垂直投影法分割字符,使车牌在变形的情况下也能将字符分割出来,综合了各自的优点同时也克服了各自的缺点．     

车型图像分割方法的研究

图像分割无论是在图像处理方面, 还是在模式识别方面, 都是一个非常重要而且比较复杂的问题. 本文对一般的汽车车型图像分割方法进行了介绍, 对其中常用的方法进行了较为详细的分析和研究; 指出了目前车型图像分割技术中存在的一些迫切需要解决的问题, 并且提出了一般的解决思路和方案.     

基于微分的光流计算方法

结合基于微分的光流计算方法,借助Microsoft Visual C＋＋6．0仿真和实验验证了该方法在动态背景运动目标检测中的应用,提高了动态背景补偿效率。     

一种基于K-平均簇划分算法的图像分割方法

给出了一种对簇分布近似球状分布的图像进行分割的有效算法，与其他算法相比，这种算法不但是一种阚值自适应分割算法，而且正确分割率较高。     

基于感兴趣区域的图像分割方法

针对目前图像分割技术中多数算法所提取的目标区域不是用户感兴趣的目标,且往往需要在用户的辅助下才能完成的局限性,提出了一种新的基于感兴趣区域的图像分割方法,该方法将颜色矢量角应用于视觉关注度模型进行图像分割,实现了对感兴趣区域的自动提取。     

图像分割技术在医学图像分割中的应用

图像分割是图像分析和处理的关键步骤,医学图像分割是图像分割的一个重要应用领域。本文讨论了医学图像分割的目的和意义,对医学图像分割的常用技术进行了研究。     

基于CT图像分析和聚类法的CT图像分割

针对医学CT图像的特点,本文提出了一种基于统计分析的算法先对CT图像进行预处理,并且保存为常用的BMP格式;然后利用K均值聚类算法提取目标组织或者区域.从实验结果可以看出,上述方法是可行的,达到了较好的分割效果,可以满足三维重建的要求.     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

基于计算机的三维医学图像处理方法——图像分割技术

图像分割技术就是把图像中具有特殊涵义（如医学图像中的病变部位）的不同区域分开来,使每一个区域都满足特定区域的一致性的图像处理技术。基于当前医学图像分割方法研究,分割的速度和稳定性无法同时提高的问题,引入一种被称为“live-wire”的半自动的交互式范例,并对其在三雏空间上的实现建立了理论模型;同时自定义了与本文模型相关的MATLAB实现函数。