城市道路智能视觉监控研究及实现
|
摘要
为满足城市交通智能化管理的需要，本文就如何实现城市道路交通的智能化视觉监控进行研究。
本文首先对城市道路的双实线识别进行研究。在指出双实线智能图像识别的难点之后，根据双实线在图像中的形态特征，提出了用一种变形的Sobel算子对道路图像进行边缘模板运算，从而产生双实线区域的纹理图像，运用纹理分割可得到双实线区域粗略位置信息，再经过二值化处理、数学形态学运算、统计多幅结果图像优化之后，采集二值图像双实线位置处外侧边缘点位置坐标，用两条直线进行拟合，就可以得到双实线区域的准确位置。
为对城市道路进行智能化监控，往往需要从视频图像序列中自动地分割出运动车辆等物体的信息。本文接下来对序列图像中的运动物体分割进行研究。先分析了当今常用的解决方案，然后详细介绍了我们所采用的方法。连续的三帧图像作帧间差分运算之后，用一种基于网格的二值化方法获得差分二值图像，二值化结果图像经过或运算，马尔可夫随机场分析、区域运算，活动轮廓模型收缩初始区域之后，就会得到最后的运动物体轮廓精确位置。
文章最后对运动物体的运动趋势和跟踪问题作了研究。根据视频图像运动物体分割结果信息，应用Hom-Schunck方法计算物体轮廓区域的光流场数据后，利用光流场数据分析物体的运动趋势，并指导运动物体的匹配轨迹跟踪问题。实验表明，我们的所使用的算法，对各种实际问题都取得了非常好的结果。
In order to meet the requirement of city's traffic intelligent control, this thesis will present a study on how to realize the road traffic intelligent control of city using computer vision.
First, this thesis will study how to recognize the double full line. After point out the difficulties of recognizing the double full line in the road's image, we put forward a distorted Sobel operator, based on its feature in the image. Then this operator will be carried on template operation to the road's image. A texture image will be created in the double full line region. We can determine the possible region of the line by using texture segmentation technology. Then this region in the image is binary, mathematical morphology operation, totaling several images for optimizing the binary image result. At last, with fitting two straight lines, the double solid line in the image is got.
It always needs to segment the moving vehicles and other objects from the video in order to monitor road of city. Then, the thesis will study how to segment the moving object from image sequences. Before our plan is showed, we introduce other people's methods in segmenting moving object. Our methods need acquire three continuous frames. Each two adjacent frames subtract to get difference image. A new binary image way based on grid will put forward. After the difference image is binary, we use the following ways to analysis the binary image. That is or operation, Markov random field analysis, region operation, active contour model constricting original dot position. Then accurate object's contour will be found.
In the last chapter, the thesis haves a study on how to comprehend the object's moving trend and track objects in image sequences. We can get results of the moving object, based on the video segmentation. Our plan uses the Horn-Schunck algorithm to get optical flow in the object contour. Then the optical flow will be applied to analysis object moving trend, and guidance moving object's tracking questions. The experiments show all our works get well results.
本文首先对城市道路的双实线识别进行研究。在指出双实线智能图像识别的难点之后，根据双实线在图像中的形态特征，提出了用一种变形的Sobel算子对道路图像进行边缘模板运算，从而产生双实线区域的纹理图像，运用纹理分割可得到双实线区域粗略位置信息，再经过二值化处理、数学形态学运算、统计多幅结果图像优化之后，采集二值图像双实线位置处外侧边缘点位置坐标，用两条直线进行拟合，就可以得到双实线区域的准确位置。
为对城市道路进行智能化监控，往往需要从视频图像序列中自动地分割出运动车辆等物体的信息。本文接下来对序列图像中的运动物体分割进行研究。先分析了当今常用的解决方案，然后详细介绍了我们所采用的方法。连续的三帧图像作帧间差分运算之后，用一种基于网格的二值化方法获得差分二值图像，二值化结果图像经过或运算，马尔可夫随机场分析、区域运算，活动轮廓模型收缩初始区域之后，就会得到最后的运动物体轮廓精确位置。
文章最后对运动物体的运动趋势和跟踪问题作了研究。根据视频图像运动物体分割结果信息，应用Hom-Schunck方法计算物体轮廓区域的光流场数据后，利用光流场数据分析物体的运动趋势，并指导运动物体的匹配轨迹跟踪问题。实验表明，我们的所使用的算法，对各种实际问题都取得了非常好的结果。
In order to meet the requirement of city's traffic intelligent control, this thesis will present a study on how to realize the road traffic intelligent control of city using computer vision.
First, this thesis will study how to recognize the double full line. After point out the difficulties of recognizing the double full line in the road's image, we put forward a distorted Sobel operator, based on its feature in the image. Then this operator will be carried on template operation to the road's image. A texture image will be created in the double full line region. We can determine the possible region of the line by using texture segmentation technology. Then this region in the image is binary, mathematical morphology operation, totaling several images for optimizing the binary image result. At last, with fitting two straight lines, the double solid line in the image is got.
It always needs to segment the moving vehicles and other objects from the video in order to monitor road of city. Then, the thesis will study how to segment the moving object from image sequences. Before our plan is showed, we introduce other people's methods in segmenting moving object. Our methods need acquire three continuous frames. Each two adjacent frames subtract to get difference image. A new binary image way based on grid will put forward. After the difference image is binary, we use the following ways to analysis the binary image. That is or operation, Markov random field analysis, region operation, active contour model constricting original dot position. Then accurate object's contour will be found.
In the last chapter, the thesis haves a study on how to comprehend the object's moving trend and track objects in image sequences. We can get results of the moving object, based on the video segmentation. Our plan uses the Horn-Schunck algorithm to get optical flow in the object contour. Then the optical flow will be applied to analysis object moving trend, and guidance moving object's tracking questions. The experiments show all our works get well results.
引文
[1] H.Park,T Schoepfiln,Y.Kim, Active contour model With gradient directional information: Directional snake. IEEE Trans on Circuits And Systems for Video Technology 2001, 11(2)
[2] M.Kass, A.Witkin.D.Terzopoulos, Snakes: Active contour models. International Journal of Computer Visiou, 1987, 1(4)
[3] D.W.Murr, et al, Scene segmentation from visual motion using global optimization. IEEE Trans on Patt Anal Mach Intel, 1987,2(9)
[4] T.Meier and K.N.Ngan, Automatic segmentation of moving objects for video object plane generation, IEEE Trans .Circuits syst. Video Technol vol 8 1998
[5] C.Gu and M.C.Lee, Segmiautomatic segmention and tracking of semantic video object IEEE Trans Circuits Syst Video Technol, vol 8 1998
[6] B.K.P.Horn and B.G.Schunck, Determining optical flow, Artificial Intelligence, 1981.17
[7] M. Kass, A .witkin, D.Terzopoulos, Snakes: Active contour models International Journal of Computer Vision, 1989(1), 321-331
[8] Chenyang Xu, and Jerry L. Prince, Snakes, Shapes, and Gradient Vector Flow, IEEE transactions on image processing. Vol.7 No3, March 1998
[9] Cohen.L.D, On Active Contour Models and Balloons, Computer Vision Graphics and Image Processing: Image Understanding Vol. 53, No. 2, March 1991, pp. 211-218
[10] Steven Lobregt and Max A.Viergever. A Discrete Dynamic Contour Model. IEEE transactions on Medical imaging vol 14 NO 1 march 1995 12-24
[11] B.D.Lucas and T.Kanade, An iterative image registration technique with an application to stereo Vision, in Proceedings of the International Joint Conf. On Artificial Intelligence, 1981
[12] J.L.Barron, D.J.Fleet and S.S.Beauchemin, Performance of optical flow Techniques, Int.J.Computer Vision, 1994,12(1):43-77
[13] H.H.Nagel, Displacement vectors derived form second-order intensity variations in image Sequences, CGIP21:299-324
[14] H.H.Nagel, On the estimation of optical flow: Relations between different approaches and some New results, Artificial Intelligence, 1987,33:299-324,
[15] H.H.Nagel, On a constraint equation for the estimation of displacement rates in image sequences, IEEE Trans. Pattern Analysis and Machine Intelligence, 1998,11:13-30
[16] Donna.J.Williams,Mubarak Shah, A fast algorithm for active contour and curvation estimation CVGIP Image Understanding,1992,55(1):14-26
[17] L.R.Rabiner, A turorial on hidden Markov models and selected applications in speech recognition. Proceeding of the IEEE, 1989, 77(2)
[18] Neri A, Colonnese S, Russo G. Automatic moving objects and background segmentation by means of higher order statistics[A]. Franklin T Luk. SPIE3024[C]. San Jose,California, USA, 1997:8-14
[19] 赵红军，背景运动估计与动目标检测，西南民族学院学报(自然科学版)，2001，27(1)：49-52
[20] 张桂林、张天序、魏洛刚、谢先明，基于边缘特征的运动目标提取与跟踪，华中理工大学学报，1994，22(5)：42-45
[21] 王栓、艾海舟、何克忠，基于差分图象的多运动目际的检测与跟踪，中国图象图形学报，1999，4(6)：470-475
[22] 彭嘉雄、丁明跃，计算机视觉方法与应用，模式识别与人工智能 1992(12)：279-285
[23] 潘锦辉、廖庆敏、林行刚，视频序列中运动目际的自动提取，清华大学学报(自然科学版) 2001，41(4／5)：190-193
[24] 张天序、魏洛刚等，目标提取与跟踪的稳定性研究，华中理工大学学报，1994，22(5)：55-60
[25] 胡荣、陈健，用于半自动视频对象提取的自适应网格图象分割，数据采集与处理，2001，16(4)：469-472
[26] 吴琴娣、康华光、吴鸿修，运动图像序列自动解析方法的研究，华中理工大学学报 1994，22(12)：83-86
[27] 陈颖、李在铭，基于鲁棒回归的运动背景补偿技术，信号处理，2002，18(1)：36-38
[28] 唐慧明、叶红，二值图像分割的数学形态学方法，浙江大学学报(自然科学版)，1993，27(5)：689-693
[29] 杨威、张田文、师海峰，一种用于二值图象分割的快速聚类算法，计算机研究与发展，1998，35(8)：719-724
[30] 付忠良，基于图像差距度量的阀值选取方法，计算机研究与发展，2001，38(5)：563-567
[31] 丁震、胡钟山、杨静宇、唐振民，一种基于模糊聚类的快速二值化方法，计算机学报，1998，21(增刊)：331-334
[32] 张家树、李北川，灰度图象的二维最大熵阀值分割研究，西南师范大学学报(自然科学版)，1995，20(5)：643-647
[33] 赵锋、赵荣椿，分裂-合并方法住图像分割、目标提取中的应用，西北工业大学学报，2000，18(1)：116-120
[34] 邓世伟、袁保宗，基于数学形态学的深度图像分割，电子学报，1995，23(4)：6-9
[35] 卢官明、毕厚杰，基于数学形态学的图像序列分割，南京邮电学院学报，1997，17(2)：54-57
[36] 吕铁英、彭嘉雄，图象轮廓特征提取新方法研究，中国图象图形学报，1999，4(8)：655-658
[37] 梁雯、刘松林，图象中心加权中值滤波的改进与应用，中国图象图形学报，1997，2(9)：629-633
[38] 钱晶洁、王欣，加权多级中值滤波，山东工业大学学报，2000，30(5)：408-410
[39] 魏宝刚、李向阳、鲁东明等，彩色图像分割研究进展，计算机科学，1999，26(4)：59-62
[40] 王爱民、沈兰荪，图像分割研究综述，测控技术，2000，19(5)：1-6
[41] 丁险峰、吴洪、张宏江、马颂德，形状匹配综述，自动化学报，2001，27(9)：678-694
[42] 吴焱、沈定刚、李艳斌、戚飞虎，用区域生长分割算法进行动目标定位，无线电工程，1994，24(1)：20-26
[43] 熊国清、于起峰，用于实时跟踪的快速匹配算法，计算机辅助设计与图形学学报，2002，14(1)：41-43
[44] 季白杨、陈纯、钱英．视频分割技术的发展，计算机研究与发展，2001，38(1)：36-42
[45] 冯炯、戚飞虎，Snake成长阶段的分析方法，上海交通大学学报，1999，33(9)：1149-1153
[46] 夏利民、谷士文、沈新权，基于活动轮廓的运动目标的动态分割，中国图象图形学报，1999，4(8)：631-634
[47] 刘剑函、梁德群、王红光、田原，一种具有形状约束的快速Snake类算法，中国图象图形学报．1999，4(8)：644-648
[48] 周继鹏、耿国华、周明全，一种新的动态轮廓模型，计算机研究与发展，1998，35(8)：734-738
[49] 李军、周敬利、余胜生、陈加忠等，基于块运动矢量加权的Snakes模型及在序列图像分割的应用，计算机研究与发展，2003，40(2)：277-282
[50] 杨杨、张田文，一种新的主动轮廓线跟踪算法，计算机学报，1998，21(增刊)：297-302
[51] 李培华、张田文，主动轮廓线模型(蛇模型)综述，软件学报，2000，11(6)：751-757
[52] 曹三省，光流场估计算法的优化分析，北京广播学院学报，2001，8(4)：23-29
[53] 刘国锋、诸昌钤，光流的计算技术，西南交通大学学报，1997，32(6)：656-662
[54] 傅洁、吴立德，综合图像分割与光流计算的连续处理方法，计算机学报，1993，16(7)
[55] 昌猛、吴新根、罗立明等，一种快速的光流场计算方法，东南大学学报，1999，29(5)：101-104
[56] 陈震、高满屯、沈允文，图象光流场计算技术研究进展，中国图象图形学报，2002，7(5)：434-439
[57] 范勇、游志胜等，基于残差平方和的光流场正则化方法，光电工程，2001，28(5)：59-62
[58] 邱林海、余胜生、周敬利，一种新的基于光流的运动补偿算法，小型微型计算机系统，2000，21(1)：83-86
[59] 郦苏丹、张翠、王正志，基于马尔可夫随机场的SAR图象目标分割，中国图象图形学报，2002，7(8)：794-799
[60] 刘伟强、陈鸿、夏德深，基于马尔可夫随机场的快速图象分割，中国图象图形学报，2001，6(3)：228-233
[61] 黄桂兰、郑肇葆，影像纹理分类的马尔可夫随机场方法与实验研究，中国图象图形学报，1999，4(4)：317-322
[62] 李凌娟、贾振堂、贺贵明，一种鲁棒的视频分割算法，中国图象图形学报，2002，7(11)：1128-1133
[63] 史立，张兆扬，面向视频编码的运动对象分割和提取，上海大学学报(自然科学版)，2001，7(1)：1-6
[64] 杨海波、姚庆栋、荆仁杰，基于团块匹配的序列图像中运动目标的分割方法，浙江大学学报(工学版)，2001，35(4)：365-369
[65] 赖宏琳、黄卫农、陈健，基于静止分割和运动矢量的对象跟踪，计算机工程，2001，27(7)：140-142
[66] 陈韩锋、戚飞虎，结合多种语义信息的半自动视频对象分割，电子学报，2002，30(12A)：2012-2015
[67] 施建良、余松煜、傅立言，基于最短描述长度的序列图像运动分割，计算机学报，1999，22(8)：809-815
[68] 刘德春、周孝宽，运动估计中的最优程序技术，中国图象图形学报，1999，4(10)：891-894
[69] 卢官明，用基于运动的区域生长法分割序列图像，电视技术，2000(11)：6-8
[70] 祝远新、徐光佑、余志和，一种基于块匹配的鲁棒运动估计算法，中国图象图形学报，1998，3(9)：765-769
[71] 赵晨、施鹏飞、郭丰俊，位移场估计法在交通管理中的应用研究，中国图象图形学报，2002，7(1)：75-80
[72] 罗涛，头肩视频图像的运动物体自动提取，北京大学学报(自然科学版)，2000，36(5)：599-607
[73] 郑鹏、王汉飞、李石君等，视频流中运动对象的轨迹，小型微型计算机系统，2000，21(5)：524-526
[74] 卢官明、毕厚杰，物体基视频编码中的运动物体分割，数据采集与处理，2000，15(2)：180-184
[75] 葛庆平、石通灵、曹小秋，关于活动图象中自动进行图象分割的研究，首都师范大学学报(自然科学版)，1998(3)，32-37
[76] 刘小明、庄越挺、潘云鹤，基于模型的人体运动跟踪，计算机研究与发展，1999，36(10)：1268-1273
[77] 王兴国、刘济林等，基于模型的连续运动矢量估计算法，电子学报，1999，27(8)：87-89
[78] 梁鶄、黄心汉、王敏，复杂条件下运动物体的视频检测，计算机工程与应用，2003，4：120-122
[79] 杨威、张田文，复杂景物环境下运动目标检测的新方法，计算机研究与发展，1998，35(8)：724-728
[80] 贾振堂、李生平、贺贵明等，一种基丁运动边缘检测的视频对象分割新算法，计算机研究与发展，2003，40(5)：684-689
[81] 崔屹，数字图像处理技术与应用，北京：电子工业出版社，1997
[82] 朱志刚、林学闫、石定机等译，数字图象处理，北京：电子工业出版社，1998
[83] 边肇祺、张学工等，模式识别(第二版)，北京：清华大学出版社，2000
[84] [日]谷口庆治，数字图像处理——基础篇，北京：科学出版社，2002
[85] [日]谷口庆治，数字图像处理——应用篇，北京：科学出版社，2002
[86] 王能超，数值分析简明教程，北京：高等教育出版社，1994
[87] 张池平、施云慧，计算方法，北京：科学出版社，2002
[88] 容观奥，计算机图象处理，北京：清华大学出版社，2000
[89] 吕凤军，数字图象处理编程入门——做一个自己的Photoshop，北京：清华大学出版社，1999
[90] 何斌等，Visual C++数字图像处理，北京：人民邮电出版社，2001
[91] 张宏林，求是科技，Visual C++数字图像模式识别技术及工程实践，北京：人民邮电出版社，2003
[92] 阮秋琦，数字图像处理学，北京：电子工业出版社，2001
[93] 李智勇，动态图像分析，北京：国防工业出版社，1999
[94] 崔之祜、江春、陈丽鑫译，数字视频处理，北京：电子工业出版社，1998
[95] 贾云得，机器视觉，北京：科学出版社，2000
[96] 于起峰、陆宏伟、刘肖琳，基于图像的精密测量与运动测量，北京：科学出版社，2002
[97] 徐光佑，计算机视觉，http://media.cs.tsinghua.edu.cn/～vision/
[2] M.Kass, A.Witkin.D.Terzopoulos, Snakes: Active contour models. International Journal of Computer Visiou, 1987, 1(4)
[3] D.W.Murr, et al, Scene segmentation from visual motion using global optimization. IEEE Trans on Patt Anal Mach Intel, 1987,2(9)
[4] T.Meier and K.N.Ngan, Automatic segmentation of moving objects for video object plane generation, IEEE Trans .Circuits syst. Video Technol vol 8 1998
[5] C.Gu and M.C.Lee, Segmiautomatic segmention and tracking of semantic video object IEEE Trans Circuits Syst Video Technol, vol 8 1998
[6] B.K.P.Horn and B.G.Schunck, Determining optical flow, Artificial Intelligence, 1981.17
[7] M. Kass, A .witkin, D.Terzopoulos, Snakes: Active contour models International Journal of Computer Vision, 1989(1), 321-331
[8] Chenyang Xu, and Jerry L. Prince, Snakes, Shapes, and Gradient Vector Flow, IEEE transactions on image processing. Vol.7 No3, March 1998
[9] Cohen.L.D, On Active Contour Models and Balloons, Computer Vision Graphics and Image Processing: Image Understanding Vol. 53, No. 2, March 1991, pp. 211-218
[10] Steven Lobregt and Max A.Viergever. A Discrete Dynamic Contour Model. IEEE transactions on Medical imaging vol 14 NO 1 march 1995 12-24
[11] B.D.Lucas and T.Kanade, An iterative image registration technique with an application to stereo Vision, in Proceedings of the International Joint Conf. On Artificial Intelligence, 1981
[12] J.L.Barron, D.J.Fleet and S.S.Beauchemin, Performance of optical flow Techniques, Int.J.Computer Vision, 1994,12(1):43-77
[13] H.H.Nagel, Displacement vectors derived form second-order intensity variations in image Sequences, CGIP21:299-324
[14] H.H.Nagel, On the estimation of optical flow: Relations between different approaches and some New results, Artificial Intelligence, 1987,33:299-324,
[15] H.H.Nagel, On a constraint equation for the estimation of displacement rates in image sequences, IEEE Trans. Pattern Analysis and Machine Intelligence, 1998,11:13-30
[16] Donna.J.Williams,Mubarak Shah, A fast algorithm for active contour and curvation estimation CVGIP Image Understanding,1992,55(1):14-26
[17] L.R.Rabiner, A turorial on hidden Markov models and selected applications in speech recognition. Proceeding of the IEEE, 1989, 77(2)
[18] Neri A, Colonnese S, Russo G. Automatic moving objects and background segmentation by means of higher order statistics[A]. Franklin T Luk. SPIE3024[C]. San Jose,California, USA, 1997:8-14
[19] 赵红军，背景运动估计与动目标检测，西南民族学院学报(自然科学版)，2001，27(1)：49-52
[20] 张桂林、张天序、魏洛刚、谢先明，基于边缘特征的运动目标提取与跟踪，华中理工大学学报，1994，22(5)：42-45
[21] 王栓、艾海舟、何克忠，基于差分图象的多运动目际的检测与跟踪，中国图象图形学报，1999，4(6)：470-475
[22] 彭嘉雄、丁明跃，计算机视觉方法与应用，模式识别与人工智能 1992(12)：279-285
[23] 潘锦辉、廖庆敏、林行刚，视频序列中运动目际的自动提取，清华大学学报(自然科学版) 2001，41(4／5)：190-193
[24] 张天序、魏洛刚等，目标提取与跟踪的稳定性研究，华中理工大学学报，1994，22(5)：55-60
[25] 胡荣、陈健，用于半自动视频对象提取的自适应网格图象分割，数据采集与处理，2001，16(4)：469-472
[26] 吴琴娣、康华光、吴鸿修，运动图像序列自动解析方法的研究，华中理工大学学报 1994，22(12)：83-86
[27] 陈颖、李在铭，基于鲁棒回归的运动背景补偿技术，信号处理，2002，18(1)：36-38
[28] 唐慧明、叶红，二值图像分割的数学形态学方法，浙江大学学报(自然科学版)，1993，27(5)：689-693
[29] 杨威、张田文、师海峰，一种用于二值图象分割的快速聚类算法，计算机研究与发展，1998，35(8)：719-724
[30] 付忠良，基于图像差距度量的阀值选取方法，计算机研究与发展，2001，38(5)：563-567
[31] 丁震、胡钟山、杨静宇、唐振民，一种基于模糊聚类的快速二值化方法，计算机学报，1998，21(增刊)：331-334
[32] 张家树、李北川，灰度图象的二维最大熵阀值分割研究，西南师范大学学报(自然科学版)，1995，20(5)：643-647
[33] 赵锋、赵荣椿，分裂-合并方法住图像分割、目标提取中的应用，西北工业大学学报，2000，18(1)：116-120
[34] 邓世伟、袁保宗，基于数学形态学的深度图像分割，电子学报，1995，23(4)：6-9
[35] 卢官明、毕厚杰，基于数学形态学的图像序列分割，南京邮电学院学报，1997，17(2)：54-57
[36] 吕铁英、彭嘉雄，图象轮廓特征提取新方法研究，中国图象图形学报，1999，4(8)：655-658
[37] 梁雯、刘松林，图象中心加权中值滤波的改进与应用，中国图象图形学报，1997，2(9)：629-633
[38] 钱晶洁、王欣，加权多级中值滤波，山东工业大学学报，2000，30(5)：408-410
[39] 魏宝刚、李向阳、鲁东明等，彩色图像分割研究进展，计算机科学，1999，26(4)：59-62
[40] 王爱民、沈兰荪，图像分割研究综述，测控技术，2000，19(5)：1-6
[41] 丁险峰、吴洪、张宏江、马颂德，形状匹配综述，自动化学报，2001，27(9)：678-694
[42] 吴焱、沈定刚、李艳斌、戚飞虎，用区域生长分割算法进行动目标定位，无线电工程，1994，24(1)：20-26
[43] 熊国清、于起峰，用于实时跟踪的快速匹配算法，计算机辅助设计与图形学学报，2002，14(1)：41-43
[44] 季白杨、陈纯、钱英．视频分割技术的发展，计算机研究与发展，2001，38(1)：36-42
[45] 冯炯、戚飞虎，Snake成长阶段的分析方法，上海交通大学学报，1999，33(9)：1149-1153
[46] 夏利民、谷士文、沈新权，基于活动轮廓的运动目标的动态分割，中国图象图形学报，1999，4(8)：631-634
[47] 刘剑函、梁德群、王红光、田原，一种具有形状约束的快速Snake类算法，中国图象图形学报．1999，4(8)：644-648
[48] 周继鹏、耿国华、周明全，一种新的动态轮廓模型，计算机研究与发展，1998，35(8)：734-738
[49] 李军、周敬利、余胜生、陈加忠等，基于块运动矢量加权的Snakes模型及在序列图像分割的应用，计算机研究与发展，2003，40(2)：277-282
[50] 杨杨、张田文，一种新的主动轮廓线跟踪算法，计算机学报，1998，21(增刊)：297-302
[51] 李培华、张田文，主动轮廓线模型(蛇模型)综述，软件学报，2000，11(6)：751-757
[52] 曹三省，光流场估计算法的优化分析，北京广播学院学报，2001，8(4)：23-29
[53] 刘国锋、诸昌钤，光流的计算技术，西南交通大学学报，1997，32(6)：656-662
[54] 傅洁、吴立德，综合图像分割与光流计算的连续处理方法，计算机学报，1993，16(7)
[55] 昌猛、吴新根、罗立明等，一种快速的光流场计算方法，东南大学学报，1999，29(5)：101-104
[56] 陈震、高满屯、沈允文，图象光流场计算技术研究进展，中国图象图形学报，2002，7(5)：434-439
[57] 范勇、游志胜等，基于残差平方和的光流场正则化方法，光电工程，2001，28(5)：59-62
[58] 邱林海、余胜生、周敬利，一种新的基于光流的运动补偿算法，小型微型计算机系统，2000，21(1)：83-86
[59] 郦苏丹、张翠、王正志，基于马尔可夫随机场的SAR图象目标分割，中国图象图形学报，2002，7(8)：794-799
[60] 刘伟强、陈鸿、夏德深，基于马尔可夫随机场的快速图象分割，中国图象图形学报，2001，6(3)：228-233
[61] 黄桂兰、郑肇葆，影像纹理分类的马尔可夫随机场方法与实验研究，中国图象图形学报，1999，4(4)：317-322
[62] 李凌娟、贾振堂、贺贵明，一种鲁棒的视频分割算法，中国图象图形学报，2002，7(11)：1128-1133
[63] 史立，张兆扬，面向视频编码的运动对象分割和提取，上海大学学报(自然科学版)，2001，7(1)：1-6
[64] 杨海波、姚庆栋、荆仁杰，基于团块匹配的序列图像中运动目标的分割方法，浙江大学学报(工学版)，2001，35(4)：365-369
[65] 赖宏琳、黄卫农、陈健，基于静止分割和运动矢量的对象跟踪，计算机工程，2001，27(7)：140-142
[66] 陈韩锋、戚飞虎，结合多种语义信息的半自动视频对象分割，电子学报，2002，30(12A)：2012-2015
[67] 施建良、余松煜、傅立言，基于最短描述长度的序列图像运动分割，计算机学报，1999，22(8)：809-815
[68] 刘德春、周孝宽，运动估计中的最优程序技术，中国图象图形学报，1999，4(10)：891-894
[69] 卢官明，用基于运动的区域生长法分割序列图像，电视技术，2000(11)：6-8
[70] 祝远新、徐光佑、余志和，一种基于块匹配的鲁棒运动估计算法，中国图象图形学报，1998，3(9)：765-769
[71] 赵晨、施鹏飞、郭丰俊，位移场估计法在交通管理中的应用研究，中国图象图形学报，2002，7(1)：75-80
[72] 罗涛，头肩视频图像的运动物体自动提取，北京大学学报(自然科学版)，2000，36(5)：599-607
[73] 郑鹏、王汉飞、李石君等，视频流中运动对象的轨迹，小型微型计算机系统，2000，21(5)：524-526
[74] 卢官明、毕厚杰，物体基视频编码中的运动物体分割，数据采集与处理，2000，15(2)：180-184
[75] 葛庆平、石通灵、曹小秋，关于活动图象中自动进行图象分割的研究，首都师范大学学报(自然科学版)，1998(3)，32-37
[76] 刘小明、庄越挺、潘云鹤，基于模型的人体运动跟踪，计算机研究与发展，1999，36(10)：1268-1273
[77] 王兴国、刘济林等，基于模型的连续运动矢量估计算法，电子学报，1999，27(8)：87-89
[78] 梁鶄、黄心汉、王敏，复杂条件下运动物体的视频检测，计算机工程与应用，2003，4：120-122
[79] 杨威、张田文，复杂景物环境下运动目标检测的新方法，计算机研究与发展，1998，35(8)：724-728
[80] 贾振堂、李生平、贺贵明等，一种基丁运动边缘检测的视频对象分割新算法，计算机研究与发展，2003，40(5)：684-689
[81] 崔屹，数字图像处理技术与应用，北京：电子工业出版社，1997
[82] 朱志刚、林学闫、石定机等译，数字图象处理，北京：电子工业出版社，1998
[83] 边肇祺、张学工等，模式识别(第二版)，北京：清华大学出版社，2000
[84] [日]谷口庆治，数字图像处理——基础篇，北京：科学出版社，2002
[85] [日]谷口庆治，数字图像处理——应用篇，北京：科学出版社，2002
[86] 王能超，数值分析简明教程，北京：高等教育出版社，1994
[87] 张池平、施云慧，计算方法，北京：科学出版社，2002
[88] 容观奥，计算机图象处理，北京：清华大学出版社，2000
[89] 吕凤军，数字图象处理编程入门——做一个自己的Photoshop，北京：清华大学出版社，1999
[90] 何斌等，Visual C++数字图像处理，北京：人民邮电出版社，2001
[91] 张宏林，求是科技，Visual C++数字图像模式识别技术及工程实践，北京：人民邮电出版社，2003
[92] 阮秋琦，数字图像处理学，北京：电子工业出版社，2001
[93] 李智勇，动态图像分析，北京：国防工业出版社，1999
[94] 崔之祜、江春、陈丽鑫译，数字视频处理，北京：电子工业出版社，1998
[95] 贾云得，机器视觉，北京：科学出版社，2000
[96] 于起峰、陆宏伟、刘肖琳，基于图像的精密测量与运动测量，北京：科学出版社，2002
[97] 徐光佑，计算机视觉，http://media.cs.tsinghua.edu.cn/～vision/
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |