基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的 在复杂背景下,传统轮廓跟踪方法只考虑了目标的整体特征或显著性特征,没有充分利用目标的局部特征信息,尤其是目标发生遮挡时,容易发生跟踪漂移,甚至丢失目标.针对上述问题,提出一种基于局部模型匹配的几何活动轮廓(LM-GAC)跟踪算法.方法 首先,利用超像素技术将图像中的颜色特征相似的像素点归为一类,形成由一些像素点组成的超像素,从而把目标分割成若干个超像素块,再结合EMD(earth mover's distance)相似性度量构建局部特征模型.然后,进行局部模型匹配,引入噪声模型来估算局部模型参数θ,这样可以增强特征模型的自适应性,提高局部模型匹配的准确性.最后,结合粒子滤波的水平集分割方法提取目标轮廓,实现目标轮廓精确跟踪.结果 本文算法与多种目标轮廓跟踪算法进行对比,在部分遮挡、目标形变、光照变化、复杂背景等条件的基准图像序列均具有较高的跟踪成功率,平均成功率为79.6%.结论 实验结果表明,根据不同的图像序列,可以自适应地实时改变噪声模型参数和粒子的权重,使得本文算法具有较高的准确性和鲁棒性.特别是在复杂的背景下,算法能较准确地进行目标轮廓跟踪.
推荐文章
基于局部增强与区域拟合的活动轮廓模型
活动轮廓模型
灰度不均匀
图像分割
区域拟合
基于核特征距离的局部活动轮廓模型
图像分割
灰度不均匀
LBF模型
水平集
核特征距离
基于非局部总变差的图像分割活动轮廓模型
图像分割
活动轮廓模型
水平集方法
连续全局极小化方法
非局部总变差
双活动轮廓模型
形变模型
双活动轮廓
边界约束
弱边界
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于局部模型匹配的几何活动轮廓跟踪
来源期刊 中国图象图形学报 学科 工学
关键词 局部模型 超像素 EMD相似性度量 噪声模型 水平集
年,卷(期) 2015,(5) 所属期刊栏目 图像分析和识别
研究方向 页码范围 652-663
页数 12页 分类号 TP301.6
字数 6405字 语种 中文
DOI 10.11834/jig.20150508
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘万军 辽宁工程技术大学软件学院 181 1681 19.0 33.0
2 刘大千 辽宁工程技术大学软件学院 15 59 5.0 7.0
3 费博雯 辽宁工程技术大学软件学院 15 65 5.0 7.0
4 曲海成 辽宁工程技术大学软件学院 52 387 11.0 18.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (16)
参考文献  (12)
节点文献
引证文献  (11)
同被引文献  (21)
二级引证文献  (7)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(6)
  • 引证文献(6)
  • 二级引证文献(0)
2017(3)
  • 引证文献(2)
  • 二级引证文献(1)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
局部模型
超像素
EMD相似性度量
噪声模型
水平集
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导