主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
冯冬竹,范琳琳,余航,戴浩,袁晓光.自适应轮廓的变分水平集复杂背景多目标检测.软件学报,2017,28(10):2797-2810
自适应轮廓的变分水平集复杂背景多目标检测
Adaptive Contour Based Variational Level Set Model for Multiple Target Detection in Complex Background
投稿时间:2016-06-01  修订日期:2016-09-29
DOI:10.13328/j.cnki.jos.005172
中文关键词:  变分水平集  帧间差分算法  K-means聚类算法  形态学  复杂背景
英文关键词:variational level set  inter-frame difference algorithm  K-means clustering algorithm  morphology  complex background
基金项目:国家自然科学基金(61501352,61503292,61203202);陕西省自然科学基础研究计划-青年人才项目(S2015YFJQ0573);中央高校基本科研业务费专项资金(JB151308,JB150228,JB161308,XJS16075)
作者单位E-mail
冯冬竹 西安电子科技大学 空间科学与技术学院, 陕西 西安 710071  
范琳琳 西安电子科技大学 空间科学与技术学院, 陕西 西安 710071  
余航 西安电子科技大学 空间科学与技术学院, 陕西 西安 710071 yuhang9551@163.com 
戴浩 西安电子科技大学 空间科学与技术学院, 陕西 西安 710071  
袁晓光 西安电子科技大学 电子工程学院, 陕西 西安 710071  
摘要点击次数: 1191
全文下载次数: 964
中文摘要:
      无需重新初始化的变分水平集模型能够避免经典水平集模型的重复初始化步骤,进而简化计算,缩短检测所需时间,同时能够有效利用图像的边缘梯度信息,从而准确定位图像的局部结构.但该模型不能自适应地获得初始化曲线,水平集的拓扑结构也无法改变,不能解决多个目标的检测问题.针对以上问题,提出了一种基于自适应轮廓的变分水平集复杂背景多目标检测方法,该方法采用帧间差分算法与K-means聚类算法相结合,以获得多个运动目标的初始化曲线,通过形态学方法来降低图像噪声的干扰,从而快速自适应地估计复杂背景下运动目标的位置和轮廓大小.该算法进一步对无需初始化的变分水平集进行改进,将其由单目标检测模型扩展为多目标检测模型,并修正原模型难以处理图像灰度不均匀的问题,最终实现对复杂背景下多个目标的检测.在标准数据库和实际数据集上的测试结果表明,所提方法能够准确地定位不同尺度和灰度目标的轮廓,从而提高算法的演化迭代效率及准确性.
英文摘要:
      Comparing with the classical level set, the variational level set without re-initialization can avoid repeating initialization, which greatly reduces the algorithm's running time while using the edge gradient information of images to accurately capture the local structure.However, this model cannot adaptively obtain initial curve, and the model's topology cannot be changed to detect multiple targets.To solve the problems above, this paper proposes an adaptive contour based variational level set model for multiple target detection in complex background.First, the inter-frame difference algorithm is combined with K-means clustering algorithm to obtain multiple initialization curves, and then the noise is reduced by morphology method.This can estimate the position and the size of the moving target in complex background.The variational level set without re-initialization is further extended to multiple targets from single target, and the model's ability is improved to deal with the images of non-uniform gray.Experiments on standard database and real scene data sets indicate that the proposed method can accurately locate targets contours of different scales and gray to improve the evolution efficiency and accuracy of the algorithm.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利