CN113822879A - 一种图像分割的方法及装置 - Google Patents
一种图像分割的方法及装置 Download PDFInfo
- Publication number
- CN113822879A CN113822879A CN202111365561.8A CN202111365561A CN113822879A CN 113822879 A CN113822879 A CN 113822879A CN 202111365561 A CN202111365561 A CN 202111365561A CN 113822879 A CN113822879 A CN 113822879A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- map
- region
- current frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 120
- 238000003709 image segmentation Methods 0.000 title claims abstract description 73
- 230000033001 locomotion Effects 0.000 claims abstract description 124
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 239000003550 marker Substances 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims description 14
- 230000010339 dilation Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 5
- 230000000916 dilatatory effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 19
- 230000003287 optical effect Effects 0.000 description 16
- 230000000877 morphologic effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005057 refrigeration Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像分割的方法及装置,所述方法:获取包括当前帧的图像序列;根据所述图像序列,获得当前帧的像素移动概率图;根据所述像素移动概率图获得所述当前帧的像素移动标记图;根据所述当前帧和其上一帧的所述图像以及所述像素移动标记图,获得所述当前帧的像素速度图;根据所述像素速度图和所述像素移动标记图,对所述当前帧的图像进行分割,获得所述当前帧的图像的第一原始位置区、第一当前位置区和第一背景区。本发明的方法及装置实现对图像中运动物体准确分割。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种图像分割的方法及装置。
背景技术
相对于可见光探测器来说,红外探测器目前发展周期短,仍存在噪声较大、分辨率不足等问题。红外探测器属于热探测型探测器,受温度影响大。前期发展的制冷型红外探测器由于有一个制冷机组件,设备工作时能够将探测器温度稳定制冷到80K左右,即-193℃,因此相比于非制冷型红外探测器,制冷型红外探测器受到的温度影响较小,因此噪声较小。但是制冷型红外探测器由于材料和制冷机的原因价格极其昂贵,因此非制冷型红外探测器正在大力研究阶段。由于没有制冷机这个结构,非制冷型红外探测器是通过电路设计进行热噪声平衡,其抑制噪声能力有限,并且产生噪声的原因大部分来源于温度波动而引入的时域条纹噪声。目前通过时域去噪的方式会引入鬼影等问题,影响对目标的识别,然而不使用算法进行去噪则噪声也会严重影响画面质量;若在硬件端进行更新迭代,则有时间周期长,效果无法评估等问题;因此,亟需一种方法从画面中识别目标区域。
发明内容
有鉴于此,本发明实施例提出了一种图像分割的方法及装置,综合建模法对移动物体各像素的运动趋势的准确判断和光流法对移动物体两帧之间的运动速度的准确识别,实现对图像的准确分割,获得移动物体当前的位置图像,接着通过形态学的膨胀方法对分割得到的区域进行调整,进一步提高对图像的分割的准确性,获得场景中各物体更为准确的当前的位置图像。
本申请实施例的第一方面提供了一种图像分割的方法,包括:获取包括当前帧的图像序列;根据所述图像序列,获得所述当前帧的像素移动概率图,其中,所述像素移动概率图用于表示各像素的移动概率;根据所述像素移动概率图获得所述当前帧的像素移动标记图,其中,所述像素移动标记图用于标记各像素是否移动;根据所述当前帧和其上一帧的所述图像以及所述像素移动标记图,获得所述当前帧的像素速度图,其中,所述像素速度图表示各像素的移动速度;根据所述像素速度图和所述像素移动标记图,对所述当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区,其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域。
由上,综合建模法对移动物体各像素的运动趋势的准确判断和光流法对移动物体两帧之间的运动速度的准确识别,实现对图像的准确分割,相对于单纯的建模法和光流法,本发明的方法实施例对图像的分割更加准确。
在第一方面的一种图像分割的方法的一种可能的实施方式中,还包括:利用形态学对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行膨胀;对所述膨胀后的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行合并,其中,对重叠区域的像素基于重叠方的灰度值进行平滑;根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,其中,当一像素的所述边界概率越大,该像素为区域边界的概率越大;根据所述边界概率获得所述当前帧的图像中各物体的边界。
由上,通过形态学对分割得到的区域进行调整膨胀和合并,进一步降低图像中噪声和空洞,并基于合并后图像的确定的边界概率获得所述当前帧的图像中各物体的边界,更加准确显示目标物体。
在第一方面的一种图像分割的方法的一种可能的实施方式中,所述根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,包括:分别以所述当前帧的红外图像的每个像素为第一窗口的中心,根据所述合并后的红外图像在所述第一窗口内的像素计算所述每个像素的所述边界概率,其中,一像素的所述边界概率等于各第二像素的像素差异度的和,所述第二像素为以所述一像素为中心的所述第一窗口内的任一其他像素,所述第二像素的像素差异度基于该第二像素与所述第一窗口中心的距离、该第二像素与所述第一窗口中心的灰度差的绝对值而确定。
由上,根据设定的第一窗口对膨胀融合后图像的各像素与对应的第一窗口中心的距离和灰度差,生成边界概率,用于准确判断同质区的边界。
在第一方面的一种图像分割的方法的一种可能的实施方式中,利用下式获得所述一像素的所述边界概率:
其中,为所述一像素的行编号和列编号,为所述一像素的所述边
界概率,为所述第二像素的行编号和列编号,和为所述第一窗口的行宽度和列宽
度,为所述第一窗口的灰度的标准差,为所述一像素的灰度,为所
述第二像素的灰度。
由上,以第一窗口的各像素与第一窗口的中心的像素距离与像素灰度差的乘积为权重对第一窗口的各像素的灰度进行加权和计算,以该加权和确定的第一窗口的中心的边界概率准确判断同质区的边界。
在第一方面的一种图像分割的方法的一种可能的实施方式中,所述把所述当前帧的第一红外图像分割为第一原始位置区、第一背景区和第一当前位置区,包括:当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度大于速度阈值时,该像素属于所述第一当前位置区;当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度不大于速度阈值时,该像素属于所述第一原始位置区;当所述像素移动标记图中一像素的所述移动标记为不移动时,该像素属于所述第一背景区。
由上,通过像素的移动速度与移动标识的综合从而准确对图像进行分割。
在第一方面的一种图像分割的方法的一种可能的实施方式中,还包括:在进行所述膨胀前,对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区分别进行滤波。
由上,对分割得到三个区域根据其特点分别滤波,针对性去除每个区域的噪声。
本申请实施例的第二方面提供了一种图像分割的装置,包括:图像获取模块,用于获取包括当前帧的图像序列;概率生成模块,用于根据所述图像序列,获得所述当前帧的像素移动概率图,其中,所述像素移动概率图用于表示各像素的移动概率;标记生成模块,用于根据所述像素移动概率图获得所述当前帧的像素移动标记图,其中,所述像素移动标记图用于标记各像素是否移动;速度生成模块,用于根据所述当前帧和其上一帧的所述图像以及所述像素移动标记图,获得所述当前帧的像素速度图,其中,所述像素速度图表示各像素的移动速度;区域分割模块,用于根据所述像素速度图和所述像素移动标记图,对所述当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区,其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域。
由上,综合建模法对移动物体各像素的运动趋势的准确判断和光流法对移动物体两帧之间的运动速度的准确识别,实现对图像的准确分割,相对于单纯的建模法和光流法,本发明的方法实施例对图像的分割更加准确。
在第二方面的一种图像分割的装置的一种可能的实施方式中,还包括:区域膨胀模块,用于利用形态学对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行膨胀;区域合并模块,用于对所述膨胀后的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行合并,其中,对重叠区域的像素基于重叠方的灰度值进行平滑;边界概率模块,用于根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,其中,当一像素的所述边界概率越大,该像素为区域边界的概率越大;边界确定模块,用于根据所述边界概率获得所述当前帧的图像中各物体的边界。
由上,通过形态学对分割得到的区域进行调整膨胀和合并,进一步降低图像中噪声和空洞,并基于合并后图像的确定的边界概率获得所述当前帧的图像中各物体的边界,更加准确显示场景中目标物体。
在第二方面的一种图像分割的装置的一种可能的实施方式中,所述边界概率模块具体用于分别以所述当前帧的红外图像的每个像素为第一窗口的中心,根据所述合并后的红外图像在所述第一窗口内的像素计算所述每个像素的所述边界概率,其中,一像素的所述边界概率等于各第二像素的像素差异度的和,所述第二像素为以所述一像素为中心的所述第一窗口内的任一其他像素,所述第二像素的像素差异度基于该第二像素与所述第一窗口中心的距离、该第二像素与所述第一窗口中心的灰度差的绝对值而确定。
由上,根据设定的第一窗口对膨胀融合后图像的各像素与对应的第一窗口中心的距离和灰度差,生成边界概率,用于准确判断同质区的边界。
在第二方面的一种图像分割的装置的一种可能的实施方式中,利用下式获得所述一像素的所述边界概率:
其中,为所述一像素的行编号和列编号,为所述一像素的边界
概率,为所述第二像素的行编号和列编号,和为所述第一窗口的行宽度和列宽
度,为所述第一窗口的灰度的标准差,为所述一像素的灰度,为所
述第二像素的灰度。
由上,以第一窗口的各像素与第一窗口的中心的像素距离与像素灰度差的乘积为权重对第一窗口的各像素的灰度进行加权和计算,以该加权和确定的第一窗口的中心的边界概率准确判断同质区的边界。
在第二方面的一种图像分割的装置的一种可能的实施方式中,所述图像分割模块具体用于当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度大于速度阈值时,该像素属于所述第一当前位置区;所述图像分割模块还具体用于当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度不大于速度阈值时,该像素属于所述第一原始位置区;所述图像分割模块还具体用于当所述像素移动标记图中一像素的所述移动标记为不移动时,该像素属于所述第一背景区。
由上,通过像素的移动速度与移动标识的综合从而准确对图像进行分割。
在第二方面的一种图像分割的装置的一种可能的实施方式中,还包括:区域滤波模块,用于在进行所述膨胀前,对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区分别进行滤波。
由上,对分割得到三个区域根据其特点分别滤波,针对性去除每个区域的噪声。
本申请实施例的第三方面提供了一种计算设备,包括:
总线;
通信接口,其与总线连接;
至少一个处理器,其与总线连接;以及
至少一个存储器,其与总线连接并存储有程序指令,程序指令当被至少一个处理器执行时使得至少一个处理器执行本发明的第一方面和第一方面任一可能的实施方式。
本申请实施例的第四方面提供了一种计算机可读存储介质,其上存储有程序指令,程序指令当被计算机执行时使得计算机执行本发明的第一方面和第一方面任一可能的实施方式。
附图说明
图1为本发明的一种图像分割的方法实施例一的流程示意图;
图2为本发明的一种图像分割的方法实施例二的流程示意图;
图3为本发明的一种图像分割的装置实施例一的结构示意图;
图4为本发明的一种图像分割的装置实施例二的结构示意图;
图5为本发明实施例提供的计算设备的结构示意图。
具体实施方式
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三等”或模块A、模块B、模块C等,仅用于区别类似的对象,或用于区别不同的实施例,不代表针对对象的特定排序,可以理解地,在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本发明实施例能够以除了在这里图示或描述的以外的顺序实施。
在以下的描述中,所涉及的表示步骤的标号,如S110、S120……等,并不表示一定会按此步骤执行,在允许的情况下可以互换前后步骤的顺序,或同时执行。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的,不是旨在限制本发明。
本发明实施例提出了一种图像分割的方法及装置,通过建模法对移动物体的运动趋势进行准确判断,再通过光流法对移动物体的两帧之间细微运动的识别而判断像素运动,从而实现对图像准确分割,接着通过形态学的膨胀方法对分割得到的区域进行调整,进一步提高对图像的分割的准确性。
本发明各实施例不仅可以用于包含移动物体的红外图像进行分割,也可以用于对包含移动物体的普通图形进行分割。移动物体包括气体、液体或固体的目标物体。
下面结合附图详细介绍本发明各实施例。
【一种图像分割的方法实施例一】
下面结合图1介绍一种图像分割的方法实施例一。
一种图像分割的方法实施例一通过建模法对图像中移动物体像素的运动趋势进行准确判断,再通过光流法对移动物体像素的两帧之间细微运动的识别而判断像素速度,并据此实现对图像分割,相比单纯的建模法和光流法,一种图像分割的方法实施例一对图像的分割更加准确,获得移动物体准确的当前的位置图像。
图1示出了一种图像分割的方法实施例一的流程,包括步骤S110至S150。
S110:获取包括当前帧的图像序列。
其中,所述图像序列包括按照时间顺序排列的时间连续的各帧图像。所述图像为红外图像或可见光图像。
其中,在一些环境中,为了获得足够的图像强度,通常采用延长曝光时间,导致当前的图像中含有移动物体从原始位置到当前位置中移动噪音,无法显示移动物体的当前位置。
S120:根据所获取的图像序列,获得当前帧的像素移动概率图。
其中,所述像素移动概率图中各像素的灰度值用于表示当前帧中各像素的移动概率。
示例地,获得像素移动概率图的建模方法包括高斯建模法(MOG),K近邻法(KNN)和视觉背景提取法(VIBE),通过对历史帧序列中运动物体进行建模,获得0~255个灰度级的图像,以表示移动物体移动的情况,像素的灰度数值越小代表移动物体移动可能性越低,数值越大代表物体移动可能性越大。建模方法将移动物体移动前后的位置都标记出来。
由上,通过建模法对一段时间序列的图像进行分析,对移动物体各像素的移动趋势判断准确,同时对图像的背景识别较为清晰。
S130:根据当前帧的像素移动概率图获得当前帧的像素移动标记图。
其中,所述像素移动标记图用于标记各像素是否移动。
在一些实施例中,基于设定的移动概率阈值判断各像素是否移动。示例地,所述像素移动概率图中一个像素的移动概率阈值大于移动概率阈值时,该像素在所述像素移动标记图中的移动标记为1,标识该像素为移动像素;当所述像素移动概率图中一像素的所述移动概率不大于移动概率阈值时,该像素在所述像素移动标记图中的所述移动标记为0,标识该像素为不移动像素。
其中,移动概率阈值基于图像中干扰值设定,示例地,如果图像中产生干扰的物体较多可以将移动概率阈值适当调高,反之可以适当调低,根据实际应用场景确定。
S140:根据当前帧和其上一帧的图像以及当前帧的像素移动标记图,获得当前帧的像素速度图。
其中,所述像素速度图中各像素的灰度值表示该像素移动速度。
其中,根据当前帧和其上一帧的图像以及当前帧的像素移动标记图输入到光流法模块,得到每个像素点的速度大小。示例地,采用Farneback光流法得到当前帧的光流场,并且可以得到每个像素点的速度大小。
由上,通过光流法对移动物体像素在两帧之间的细微移动速度准确识别。
S150:根据当前帧的像素速度图和当前帧的像素移动标记图,对当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区。
其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域,所述移动物体包括目标物体。
其中,所述第一原始位置区的像素由于存在噪声或计算误差原因,仍有可能会有一个较小的速度,因此,设置一个较小速度阈值,结合所述像素移动标记图的所述移动标记对当前帧的图像进行分割。
示例地,当所述像素移动标记图中一像素的所述移动标记为移动时且所述像素速度图中该像素的所述移动速度大于速度阈值时,该像素属于所述第一当前位置区;当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度不大于速度阈值时,该像素属于所述第一原始位置区;当所述像素移动标记图中一像素的所述移动标记为不移动时,该像素属于所述第一背景区。
综上,一种图像分割的方法实施例一综合建模法对移动物体各像素的运动趋势的准确判断和光流法对移动物体两帧之间的运动速度的准确识别,实现对图像的准确分割,相对于单纯的建模法和光流法,一种图像分割的方法实施例一对图像的分割更加准确,获得移动物体准确的当前的位置图像。
【一种图像分割的方法实施例二】
一种图像分割的方法实施例二在一种图像分割的方法实施例一的基础上,增加基于形态学膨胀的方法调整图像中物体的边界,其不仅能具有一种图像分割的方法实施例一的优点,还能合理包含目标物体,下面重点介绍其中增加的方法。
图2示出了一种图像分割的方法实施例二流程,其包括步骤S210至S270。
S210:获取包括当前帧的图像序列。
其中,本步骤的详细方法和优点参照一种图像分割的方法实施例一的步骤S110。
S220:根据所述图像序列,对当前帧的图像进行分割,获得当前帧的图像的第一原始位置区、第一当前位置区和第一背景区。
其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域,所述移动物体包括目标物体。
其中,本步骤的详细方法和优点参照一种图像分割的方法实施例一的步骤S120至S150,这里不再详述。
S230:对当前帧的图像的第一原始位置区、第一当前位置区、第一背景区分别进行滤波。
示例地,对第一原始位置区、第一当前位置区、第一背景区的有均值过滤、频域过滤、统计方法过滤等方法,或者各种过滤方法的组合,对不同区域基于区域特点选择合适的滤波分别单独滤波。
需要指出的是,本步骤是可选步骤。同时,在执行本步骤时,可以选择其中第一原始位置区和/或第一当前位置区和/或第一背景区的组合进行滤波,
S240:利用形态学对当前帧的图像的第一原始位置区、第一背景区和第一当前位置区进行膨胀。
其中,采用形态学的膨胀方法实现对图像中高亮的部分进行扩展,实现领域扩展。
由上,采用形态学的膨胀方法进一步去除图像的第一原始位置区、第一背景区和第一当前位置区的噪声,同时去除各区域内空洞。
S250:对膨胀后的第一原始位置区、第一当前位置区和第一背景区进行合并,对重叠区域的像素基于重叠方的灰度值进行平滑。
其中,经过形态学膨胀操作后,第一原始位置区、第一当前位置区和第一背景区进行了扩充,相互之间可能存在边缘的重叠,对重叠区域需进行平滑。
示例地,一种采用以下方法把合并后的图像分为7种情况,分别进行平滑。
其中, 为当前帧的图像的一像素,为合并后的当前帧的图像的该像
素的灰度值,为膨胀后的当前帧的图像的第一背景区的像素集合,为膨胀后的当前帧的图像的第一原始区的像素集合, 为膨
胀后的当前帧的图像的第一当前区的像素集合,为所述一像素在膨胀后的当
前帧的红外图像的第一背景区的灰度值,为所述一像素在膨胀后的当前帧的
图像的第一原始区的灰度值,为所述一像素在膨胀后的当前帧的图像的第一
当前区的灰度值。
S260:根据合并后的图像获得当前帧的图像的各像素的边界概率。
其中,当一像素的边界概率越大,该像素为区域边界的概率越大。
计算边界概率的方法具体包括:以当前帧的合并后的红外图像的每个像素作为设定大小的第一窗口的中心,以第一窗口的第二像素的像素差异度的和计算第一窗口的中心的边界概率,其中,第二像素为第一窗口的任一像素,第二像素的像素差异度基于第二像素与所述第一窗口中心的距离、第二像素与第一窗口中心的合并后的灰度差绝对值而确定。
示例地,利用下式获得一像素的边界概率:
由上,根据设定的第一窗口对膨胀融合后图像的各像素与对应的第一窗口中心的距离和灰度差,生成边界概率,用于准确判断同质区的边界。
S270:根据合并后的当前帧的图像边界概率获得场景中各物体的边界。
其中,在一些实施例中,设置边界概率阈值,当合并后的当前帧的图像的一个像素的边界概率大于概率阈值时,则该像素属于场景中物体的边界;当确定完所有边界像素后,对场景中物体进行处理,使图像可视化效果更好。
其中,在一些实施例中,还对成新的第一原始位置区、第一背景区和第一当前位置区进行均值滤波或中值滤波以进行平滑。
综上,一种图像分割的方法实施例二通过形态学膨胀的方法和边生成界概率的方法调整一种图像分割的方法实施例一的分割结果,进一步降低噪声的影响,去除其中的空洞,使图像分割的结果更加准确,获得目标物体准确的位置图像。
【一种图像分割的装置实施例一】
下面基于图3介绍一种图像分割的确定装置实施例一。
一种图像分割的装置实施例一用于执行一种图像分割的方法实施例一的方法,图3示出了其结构,包括图像获取模块310、概率生成模块320、标记生成模块330、速度生成模块340和区域分割模块350。
图像获取模块310用于获取包括当前帧的图像序列。其具体方法和优点参照一种图像分割的方法实施例一的步骤S130,这里不再详述。
概率生成模块320用于根据所获取的图像序列,获得当前帧的像素移动概率图。其具体方法和优点参照一种图像分割的方法实施例一的步骤S120,这里不再详述。
标记生成模块330用于根据当前帧的像素移动概率图获得当前帧的像素移动标记图。其具体方法和优点参照一种图像分割的方法实施例一的步骤S130,这里不再详述。
速度生成模块340用于根据当前帧和其上一帧的图像以及当前帧的像素移动标记图,获得当前帧的像素速度图。其具体方法和优点参照一种图像分割的方法实施例一的步骤S140,这里不再详述。
区域分割模块350用于根据当前帧的像素速度图和当前帧的像素移动标记图,对当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区。其具体方法和优点参照一种图像分割的方法实施例一的步骤S140,这里不再详述。
【一种图像分割的装置实施例二】
下面基于图4介绍一种图像分割的装置实施例二。
一种图像分割的装置实施例二用于执行一种图像分割的方法实施例二的方法,在一种图像分割的装置实施例一的基础上,增加利用形态学的膨胀方法的相关模块对图像分割结果进行调整。
在图4示出了一种图像分割的装置实施例二的结构,包括图像获取模块410、图像分割模块420、图像滤波模块430、区域膨胀模块440、区域合并模块450、边界概率模块460、边界确定模块470。
图像获取模块410用于获取包括当前帧的图像序列。其具体方法和优点参照一种图像分割的方法实施例二的步骤S210,这里不再详述。
图像分割模块420用于根据所述图像序列,对当前帧的图像进行分割,获得当前帧的图像的第一原始位置区、第一当前位置区和第一背景区。其详细方法和优点参照一种图像分割的方法实施例一的步骤S120至S150,这里不再详述。
图像滤波模块430用于对当前帧的图像的第一原始位置区、第一当前位置区、第一背景区分别进行滤波。其具体方法和优点参照一种图像分割的方法实施例二的步骤S230,这里不再详述。
区域膨胀模块440用于利用形态学对当前帧的图像的第一原始位置区、第一背景区和第一当前位置区进行膨胀。其具体方法和优点参照一种图像分割的方法实施例二的步骤S240,这里不再详述。
区域合并模块450用于对膨胀后的第一原始位置区、第一当前位置区和第一背景区进行合并,对重叠区域的像素基于重叠方的灰度值进行平滑。其具体方法和优点参照一种图像分割的方法实施例二的步骤S250,这里不再详述。
边界概率模块460用于根据合并后的图像获得当前帧的图像的各像素的边界概率。其具体方法和优点参照一种图像分割的方法实施例二的步骤S260,这里不再详述。
边界确定模块470用于根据合并后的当前帧的图像边界概率获得当前帧的图像中各物体的边界。其具体方法和优点参照一种图像分割的方法实施例二的步骤S270,这里不再详述。
【计算设备】
本发明还提供的一种计算设备,下面基于图5详细介绍。
该计算设备500包括,处理器510、存储器520、通信接口530、总线540。
应理解,该图所示的计算设备500中的通信接口530可以用于与其他设备之间进行通信。
其中,该处理器510可以与存储器520连接。该存储器520可以用于存储该程序代码和数据。因此,该存储器520可以是处理器510内部的存储单元,也可以是与处理器510独立的外部存储单元,还可以是包括处理器510内部的存储单元和与处理器510独立的外部存储单元的部件。
可选的,计算设备500还可以包括总线540。其中,存储器520、通信接口530可以通过总线540与处理器510连接。总线540可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(EFStended Industry StandardArchitecture,EISA)总线等。所述总线540可以分为地址总线、数据总线、控制总线等。为便于表示,该图中仅用一条线表示,但并不表示仅有一根总线或一类型型的总线。
应理解,在本发明实施例中,该处理器510可以采用中央处理单元(centralprocessing unit,CPU)。该处理器还可以是其它通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。或者该处理器510采用一个或多个集成电路,用于执行相关程序,以实现本发明各方法实施例的功能。
该存储器520可以包括只读存储器和随机存取存储器,并向处理器510提供指令和数据。处理器510的一部分还可以包括非易失性随机存取存储器。例如,处理器510还可以存储设备类型的信息。
在计算设备500运行时,所述处理器510执行所述存储器520中的计算机执行指令执行的本发明各方法实施例的功能。
应理解,根据本发明实施例的计算设备500可以对应于执行根据本发明各实施例的方法中的相应主体,并且计算设备500中的各个模块的上述和其它操作和/或功能分别为了实现本发明各方法实施例的功能,为了简洁,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
【计算机可读存储介质】
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时用于本发明各方法实施例的功能。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是,但不限于,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括,具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括、但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意类型的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,均属于本发明保护范畴。
Claims (14)
1.一种图像分割的方法,其特征在于,包括:
获取包括当前帧的图像序列;
根据所述图像序列,获得所述当前帧的像素移动概率图,其中,所述像素移动概率图用于表示各像素的移动概率;
根据所述像素移动概率图获得所述当前帧的像素移动标记图,其中,所述像素移动标记图用于标记各像素是否移动;
根据所述当前帧和其上一帧的所述图像以及所述像素移动标记图,获得所述当前帧的像素速度图,其中,所述像素速度图表示各像素的移动速度;
根据所述像素速度图和所述像素移动标记图,对所述当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区,其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域。
2.根据权利要求1所述方法,其特征在于,还包括:
利用形态学对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行膨胀;
对所述膨胀后的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行合并,其中,对重叠区域的像素基于重叠方的灰度值进行平滑;
根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,其中,当一像素的所述边界概率越大,该像素为区域边界的概率越大;
根据所述边界概率获得所述当前帧的图像中各物体的边界。
3.根据权利要求2所述方法,其特征在于,所述根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,包括:
分别以所述当前帧的红外图像的每个像素为第一窗口的中心,根据所述合并后的红外图像在所述第一窗口内的像素计算所述每个像素的所述边界概率,
其中,一像素的所述边界概率等于各第二像素的像素差异度的和,所述第二像素为以所述一像素为中心的所述第一窗口内的任一其他像素,所述第二像素的像素差异度基于该第二像素与所述第一窗口中心的距离、该第二像素与所述第一窗口中心的灰度差的绝对值而确定。
5.根据权利要求1所述方法,其特征在于,把所述当前帧的第一红外图像分割为第一原始位置区、第一背景区和第一当前位置区,包括:
当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度大于速度阈值时,该像素属于所述第一当前位置区;
当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度不大于速度阈值时,该像素属于所述第一原始位置区;
当所述像素移动标记图中一像素的所述移动标记为不移动时,该像素属于所述第一背景区。
6.根据权利要求2至5任一所述方法,其特征在于,还包括:
在进行所述膨胀前,对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区分别进行滤波。
7.一种图像分割的装置,其特征在于,包括:
图像获取模块,用于获取包括当前帧的图像序列;
概率生成模块,用于根据所述图像序列,获得所述当前帧的像素移动概率图,其中,所述像素移动概率图用于表示各像素的移动概率;
标记生成模块,用于根据所述像素移动概率图获得所述当前帧的像素移动标记图,其中,所述像素移动标记图用于标记各像素是否移动;
速度生成模块,用于根据所述当前帧和其上一帧的所述图像以及所述像素移动标记图,获得所述当前帧的像素速度图,其中,所述像素速度图表示各像素的移动速度;
区域分割模块,用于根据所述像素速度图和所述像素移动标记图,对所述当前帧的图像进行分割,获得所述当前帧的所述图像的第一原始位置区、第一当前位置区和第一背景区,其中,所述第一当前位置区为所述图像中的移动物体当前所在区域,所述第一原始位置区为所述图像中的移动物体经过其他区域,所述第一背景区为所述图像中的移动物体未经过的区域。
8.根据权利要求7所述装置,其特征在于,还包括:
区域膨胀模块,用于利用形态学对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行膨胀;
区域合并模块,用于对所述膨胀后的所述第一原始位置区、所述第一背景区和所述第一当前位置区进行合并,其中,对重叠区域的像素基于重叠方的灰度值进行平滑;
边界概率模块,用于根据所述合并后的图像获得所述当前帧的所述图像的各像素的边界概率,其中,当一像素的所述边界概率越大,该像素为区域边界的概率越大;
边界确定模块,用于根据所述边界概率获得所述当前帧的图像中各物体的边界。
9.根据权利要求8所述装置,其特征在于,
所述边界概率模块具体用于分别以所述当前帧的红外图像的每个像素为第一窗口的中心,根据所述合并后的红外图像在所述第一窗口内的像素计算所述每个像素的所述边界概率,
其中,一像素的所述边界概率等于各第二像素的像素差异度的和,所述第二像素为以所述一像素为中心的所述第一窗口内的任一其他像素,所述第二像素的像素差异度基于该第二像素与所述第一窗口中心的距离、该第二像素与所述第一窗口中心的灰度差的绝对值而确定。
11.根据权利要求7所述装置,其特征在于,所述图像分割模块具体用于当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度大于速度阈值时,该像素属于所述第一当前位置区;
所述图像分割模块还具体用于当所述像素移动标记图中一像素的所述移动标记为移动且所述像素速度图中该像素的所述移动速度不大于速度阈值时,该像素属于所述第一原始位置区;
所述图像分割模块还具体用于当所述像素移动标记图中一像素的所述移动标记为不移动时,该像素属于所述第一背景区。
12.根据权利要求7至11任一所述装置,其特征在于,还包括:
区域滤波模块,用于在进行所述膨胀前,对所述当前帧的所述第一原始位置区、所述第一背景区和所述第一当前位置区分别进行滤波。
13.一种计算设备,其特征在于,包括:
总线;
通信接口,其与所述总线连接;
至少一个处理器,其与所述总线连接;以及
至少一个存储器,其与所述总线连接并存储有程序指令,所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行权利要求1至6任一所述方法。
14.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令当被计算机执行时使得所述计算机执行权利要求1至6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365561.8A CN113822879B (zh) | 2021-11-18 | 2021-11-18 | 一种图像分割的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111365561.8A CN113822879B (zh) | 2021-11-18 | 2021-11-18 | 一种图像分割的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113822879A true CN113822879A (zh) | 2021-12-21 |
CN113822879B CN113822879B (zh) | 2022-06-21 |
Family
ID=78919309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111365561.8A Active CN113822879B (zh) | 2021-11-18 | 2021-11-18 | 一种图像分割的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113822879B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609332A (zh) * | 2023-07-20 | 2023-08-18 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266689A (zh) * | 2008-04-23 | 2008-09-17 | 北京中星微电子有限公司 | 一种运动目标检测方法及装置 |
CN101558404A (zh) * | 2005-06-17 | 2009-10-14 | 微软公司 | 图像分割 |
CN101789124A (zh) * | 2010-02-02 | 2010-07-28 | 浙江大学 | 对已知摄像机参数和深度信息的视频序列的时空一致性分割方法 |
CN102222349A (zh) * | 2011-07-04 | 2011-10-19 | 江苏大学 | 一种基于边缘模型的前景帧检测方法 |
CN102903124A (zh) * | 2012-09-13 | 2013-01-30 | 苏州大学 | 一种运动目标检测方法 |
CN103262119A (zh) * | 2010-12-08 | 2013-08-21 | 阿尔卡特朗讯公司 | 用于对图像进行分割的方法和系统 |
US20160171706A1 (en) * | 2014-12-15 | 2016-06-16 | Intel Corporation | Image segmentation using color & depth information |
CN107194949A (zh) * | 2017-05-18 | 2017-09-22 | 华中科技大学 | 一种基于区块匹配和增强Onecut的交互式视频分割方法和系统 |
CN107909608A (zh) * | 2017-10-30 | 2018-04-13 | 北京航天福道高技术股份有限公司 | 基于互信息和局部频谱抑制的运动目标定位方法及装置 |
US20180173983A1 (en) * | 2016-12-21 | 2018-06-21 | Volkswagen Ag | Digital neuromorphic (nm) sensor array, detector, engine and methodologies |
CN108596944A (zh) * | 2018-04-25 | 2018-09-28 | 普联技术有限公司 | 一种提取运动目标的方法、装置及终端设备 |
CN108596940A (zh) * | 2018-04-12 | 2018-09-28 | 北京京东尚科信息技术有限公司 | 一种视频分割方法和装置 |
CN109410215A (zh) * | 2018-08-02 | 2019-03-01 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN110428394A (zh) * | 2019-06-14 | 2019-11-08 | 北京迈格威科技有限公司 | 用于目标移动侦测的方法、装置及计算机存储介质 |
CN111667511A (zh) * | 2020-06-19 | 2020-09-15 | 南京信息工程大学 | 一种在动态视频中提取背景的方法、装置和系统 |
CN112116635A (zh) * | 2020-09-17 | 2020-12-22 | 赵龙 | 一种基于快速人体移动的视觉跟踪方法及装置 |
CN112734795A (zh) * | 2020-12-31 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种判断物体运动趋势及方向的方法和设备 |
-
2021
- 2021-11-18 CN CN202111365561.8A patent/CN113822879B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101558404A (zh) * | 2005-06-17 | 2009-10-14 | 微软公司 | 图像分割 |
CN101266689A (zh) * | 2008-04-23 | 2008-09-17 | 北京中星微电子有限公司 | 一种运动目标检测方法及装置 |
CN101789124A (zh) * | 2010-02-02 | 2010-07-28 | 浙江大学 | 对已知摄像机参数和深度信息的视频序列的时空一致性分割方法 |
CN103262119A (zh) * | 2010-12-08 | 2013-08-21 | 阿尔卡特朗讯公司 | 用于对图像进行分割的方法和系统 |
CN102222349A (zh) * | 2011-07-04 | 2011-10-19 | 江苏大学 | 一种基于边缘模型的前景帧检测方法 |
CN102903124A (zh) * | 2012-09-13 | 2013-01-30 | 苏州大学 | 一种运动目标检测方法 |
US20160171706A1 (en) * | 2014-12-15 | 2016-06-16 | Intel Corporation | Image segmentation using color & depth information |
US20180173983A1 (en) * | 2016-12-21 | 2018-06-21 | Volkswagen Ag | Digital neuromorphic (nm) sensor array, detector, engine and methodologies |
CN107194949A (zh) * | 2017-05-18 | 2017-09-22 | 华中科技大学 | 一种基于区块匹配和增强Onecut的交互式视频分割方法和系统 |
CN107909608A (zh) * | 2017-10-30 | 2018-04-13 | 北京航天福道高技术股份有限公司 | 基于互信息和局部频谱抑制的运动目标定位方法及装置 |
CN108596940A (zh) * | 2018-04-12 | 2018-09-28 | 北京京东尚科信息技术有限公司 | 一种视频分割方法和装置 |
CN108596944A (zh) * | 2018-04-25 | 2018-09-28 | 普联技术有限公司 | 一种提取运动目标的方法、装置及终端设备 |
CN109410215A (zh) * | 2018-08-02 | 2019-03-01 | 北京三快在线科技有限公司 | 图像处理方法、装置、电子设备及计算机可读介质 |
CN110428394A (zh) * | 2019-06-14 | 2019-11-08 | 北京迈格威科技有限公司 | 用于目标移动侦测的方法、装置及计算机存储介质 |
CN111667511A (zh) * | 2020-06-19 | 2020-09-15 | 南京信息工程大学 | 一种在动态视频中提取背景的方法、装置和系统 |
CN112116635A (zh) * | 2020-09-17 | 2020-12-22 | 赵龙 | 一种基于快速人体移动的视觉跟踪方法及装置 |
CN112734795A (zh) * | 2020-12-31 | 2021-04-30 | 北京深睿博联科技有限责任公司 | 一种判断物体运动趋势及方向的方法和设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116609332A (zh) * | 2023-07-20 | 2023-08-18 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
CN116609332B (zh) * | 2023-07-20 | 2023-10-13 | 佳木斯大学 | 新型组织胚胎病理切片全景扫描系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113822879B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460787B (zh) | 目标跟踪方法和装置、电子设备、程序、存储介质 | |
CN110766724B (zh) | 目标跟踪网络训练、跟踪方法及装置、电子设备及介质 | |
US9947077B2 (en) | Video object tracking in traffic monitoring | |
US20170330050A1 (en) | Method and apparatus for updating a background model used for background subtraction of an image | |
US9959466B2 (en) | Object tracking apparatus and method and camera | |
CN110097586B (zh) | 一种人脸检测追踪方法及装置 | |
KR20200100806A (ko) | 테스트 결과를 결정하기 위한 캡처된 이미지의 분석 | |
KR102094506B1 (ko) | 피사체 추적 기법을 이용한 카메라와 피사체 사이의 거리 변화 측정방법 상기 방법을 기록한 컴퓨터 판독 가능 저장매체 및 거리 변화 측정 장치. | |
CN111723634B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN110910445B (zh) | 一种物件尺寸检测方法、装置、检测设备及存储介质 | |
EP3410353A1 (en) | Method for estimating a timestamp in a video stream and method of augmenting a video stream with information | |
WO2016145591A1 (en) | Moving object detection based on motion blur | |
CN113243026A (zh) | 用于高分辨率对象检测的装置和方法 | |
US8494284B2 (en) | Methods and apparatuses for facilitating detection of text within an image | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN108629792A (zh) | 基于背景建模与背景差分的激光目标检测方法和装置 | |
CN111507337A (zh) | 基于混合神经网络的车牌识别方法 | |
CN110728700B (zh) | 一种运动目标追踪方法、装置、计算机设备及存储介质 | |
CN113822879B (zh) | 一种图像分割的方法及装置 | |
CN103985106A (zh) | 用于对强噪声图像进行多帧融合的设备和方法 | |
CN113744316A (zh) | 一种基于深度神经网络的多目标跟踪方法 | |
CN110766725A (zh) | 模板图像的更新、目标跟踪方法及装置、电子设备及介质 | |
CN112435278B (zh) | 一种基于动态目标检测的视觉slam方法及装置 | |
JP2002133421A (ja) | 移動物体認識方法及び装置 | |
CN116883897A (zh) | 一种低分辨率目标识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |