共查询到20条相似文献,搜索用时 31 毫秒
1.
动态前景目标识别和提取是计算机视觉领域的重要内容。对动态图像进行前景目标提取与运动跟踪,通过改进高斯混合背景模型,提出一种基于自适应特征加权的前景目标提取算法,目的是对动态画面中的图像特征进行识别并精确提取所需要的画面。根据高斯模型组合多个图像特征,针对组合特征空间的各个子空间构建似然图像,通过似然图像特征分析与加权,提取最具有差异性的特征。根据图像前景特征在图像帧与帧之间的不同,提高前景目标跟踪的鲁棒性。试验结果表明,改进算法在提取前景目标上比传统算法提高了精度,目标跟踪效果好。 相似文献
2.
3.
采用混合高斯模型算法,以实现背景前景的分离,并利用前景目标的二值化图像计算其轮廓特性,对超过阈值的目标物体进行预警,同时系统为实现良好的可移植性及较快的硬件处理速率,采用软件分层的体系来实现动态物体检测,底层通过V4L2接口实现硬件视频帧的采集,顶层调用opencv视觉库实现混合高斯模型下的前景提取。最后系统实现良好的人机交互界面的设计。 相似文献
4.
5.
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. 相似文献
6.
改进帧差法和背景差法的多目标跟踪 总被引:1,自引:0,他引:1
提出一种将改进的帧差法和改进高斯背景差法相结合来更好地分割出运动目标的算法,其中改进的帧差法是用连续3帧相互帧差之和可有效克服空洞效果;改进高斯背景差法是对像素点的邻域均值替代单个像素点建立高斯背景图像,这样可对光线变化有一定抗干扰能力。将二者结合起来,可较好地跟踪多个运动目标。 相似文献
7.
常用的几种背景提取算法在车流量较大的情况下提取的背景效果较差。在某些目标检测区域较少的场景中,若将所有像素进行检测,会浪费许多时间。针对这些问题,提出一种新的背景提取算法。先将视频帧进行分割,再对分割出的检测带依次进行车辆存在检测,最终自动选取视频中没有车辆的车道块并将其拼接成完整背景帧,最后利用Lab空间色度与亮度相互独立的特性提取目标。该算法能够充分提取前景图像,不会丢失车辆目标。相比传统算法,该算法准确性较高。 相似文献
8.
针对道路交通车辆检测问题,提出了一种利用边缘特征与垂直投影结合的运动车辆阴影消除方法。先用混合高斯背景模型提取出背景,利用背景差检测出运动车辆区域,再用区域填充去掉目标区域的噪声,最后利用边缘特征与垂直投影结合,消除阴影。 相似文献
9.
10.
11.
研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。 相似文献
12.
为了更为准确地提取钢板表面缺陷,针对传统 Canny 算法的不足,提出一种改进型Canny边缘检测算法。该算法在平滑滤波部分采用自适应高斯滤波器,在滤除图像噪声的同时,可以保留更多图像边缘信息;采用8×8邻域代替Canny算法中2×2邻域计算梯度幅值;高低阈值的确定是根据图像的灰度均值和方差均值自动计算的。仿真结果表明,改进算法在钢板缺陷的边缘检测中可以准确地得到更多边缘细节,同时也能很好地抑制假边缘,且具有较强的自适应能力。 相似文献
13.
在对Kinect采集到的图像进行预处理后,为了实现行人运动目标检测,需要对行人目标进行特征识别,然后将识别分割的区域作为行人目标的备选区域。通过改进的自适应高斯混合模型的背景建模对预处理后的深度图像进行行人目标分割,分离出有用信息,然后利用Freeman链码方法提取连通域轮廓,作为行人目标的人体头部区域,便于后续对行人目标的跟踪与统计研究。试验表明,最终得到的结果达到了预期目标,算法准确性与鲁棒性很好。 相似文献
14.
基于复杂腔体类铸造零件机器视觉系统中的边缘检测问题,提出了一种改进的灰度矩亚像素边缘检测方法。提出了以模糊模型代替阶跃模型,将误差函数运用到矩方法的边缘检测算法。通过实验对检测精度和运行速度进行了对比,结果表明,改进的灰度矩边缘检测算法比传统算子具有更高检测定位精度和更快的速度,可满足图像目标高精度实时在线测量要求。 相似文献
15.
16.
引导滤波是一种能保持图像边缘的滤波器,可用来减少图像噪声。高斯拉普拉斯算子(Laplacian of Gaussian,LoG)在去噪的同时能够检测到边缘信息,并实现图像边缘增强。针对 X 光安检图像噪声大、边缘不清晰、对比度低等特点,提出一种基于引导滤波与 LOG 算子的安检图像增强算法。首先用引导滤波对图像作平滑处理,然后用 LoG 算子检测其边缘并进行增强,最后用限制对比度自适应局部直方均衡化(CLAHE)作对比度拉伸。实验结果表明,该算法与改进 CLAHE 算法相比,平均梯度可提高 50%左右,图像清晰度较高。 相似文献
17.
《嘉应学院学报》2017,(8):37-40
鉴于传统的帧差法检测准确率不高,而且在光照变化、噪声干扰时鲁棒性不高,容易造成检测错误等问题,提出了一种改进的视频序列运动目标检测算法.该算法是将混合高斯模型与改进的五帧差分算法相结合:首先改进五帧差分是将当前帧与前2帧、后2帧进行差分二值运算,然后将4个差分的结果轮廓填充,最后进行先"与"再"或"运算;通过将混合高斯建模后得到的运动目标与改进的五帧差分算法得到的运动目标,进行逻辑"与"操作,最后再通过形态学处理检测出运动目标.从实验结果证明,改进的算法既能适应光照的变化,又能有效克服空洞的现象,与同类的算法相比具有更高的鲁棒性和准确率. 相似文献
18.
19.
传统边缘检测算子如Canny、Sobel等是通过计算图像中局部小区域的差分来工作的,对噪声比较敏感,在检测边缘的同时常会加强噪声,形态边缘检测器在检测边缘的时候不会加强或放大噪声,单尺度形态学梯度算子结构元素过大或过小都不能检测到满意的结果.将多尺度形态学边缘检测和形态学滤波结合起来,提出一种边缘检测方法.首先利用形态学对多尺度的形态学梯度算子进行边缘检测,再进行填充内部缝隙,接着进行形态学边界平滑,最后通过分割掩模到原图像的结果.仿真结果表明,所提算法能够非常清晰地检测到目标图像的边缘,提取的图像边缘定位准确且平滑,同时具有较强的抗噪能力. 相似文献
20.
《实验室研究与探索》2018,(12)
选择移动状态下的小型飞行器作为应用场景,将图像获取与深度学习算法相结合。首先采用改进后MPF目标跟踪算法,获取目标的大致轮廓;其次chirpscaling算法将收集到的目标轮廓数据用于图像的生成;最后将得到的成像应用于fast-rcnn算法中,进行图像背景区域的提取。通过实验仿真,该方法可以对移动状态下的物体进行图像识别,图像获取更为全面,准确率高,提取效果较好。 相似文献