一种新的边界跟踪算法

一种新的完全欧氏距离变换算法
刘相滨;邹北骥;王胜春
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)013
【摘要】论文提出了一种基于边界剥离的二维完全欧氏距离变换算法.该算法从物体目标的最外层边界开始,自外向内、逐层对物体目标区域进行边界跟踪、剥离.在跟踪过程中,根据当前边界像素点的已获得距离变换结果或为背景的邻域像素信息,计算其与最近背景像素间的欧氏距离,从而实现距离变换.和已有算法相比,文中算法具有简单快速、容易实现,得到的是完全欧氏距离的优点,在分离粘连物体的应用中,取得了良好分离效果.
【总页数】3页(P44-45,153)
【作者】刘相滨;邹北骥;王胜春
【作者单位】湖南师范大学图像识别和计算机视觉研究所,长沙,410081;湖南大学计算机与通信学院,长沙,410082;湖南大学计算机与通信学院,长沙,410082;湖南师范大学图像识别和计算机视觉研究所,长沙,410081
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于围线扫描的快速完全欧氏距离变换算法 [J], 鲁继文;张二虎
2.近似欧氏距离变换的一种并行算法 [J], 崔峰;汪雪林;彭思龙
3.一种设计近似完全重构非均匀余弦调制滤波器组的新算法 [J], 蒋俊正;江庆;欧阳缮
4.基于围线追踪的完全欧氏距离变换算法 [J], 王钲旋;李文辉;庞云阶
5.三维完全欧氏距离变换的改进算法 [J], 董箭;彭认灿;郑义东
因版权原因，仅展示原文概要，查看原文内容请购买。

跟踪的原理跟踪的原理是基于一系列技术和算法，通过对目标进行不断的观测和测量，来实时获取目标的位置、运动状态等相关信息。

在图像处理领域，跟踪通常指的是在视频序列中跟踪目标物体的位置和运动轨迹。

总体来说，跟踪的原理可以分为四个关键步骤：目标检测、目标特征提取、目标表示和跟踪算法。

首先，目标检测是跟踪的第一步，其目的是在输入的图像或视频序列中找到目标的位置。

目标检测可以基于传统的计算机视觉算法，例如Haar特征级联分类器、HOG+SVM等，也可以基于最新的深度学习算法，例如Faster RCNN、YOLO 等。

这些算法通过对图像进行分析和训练，能够判断图像中是否存在目标，以及目标的位置。

其次，目标特征提取是根据目标的外观和纹理信息，对目标进行描述，以便在之后的跟踪过程中进行匹配和判别。

通常使用的特征包括颜色、纹理、形状等。

这些特征可以通过对目标区域进行采样和分析得到，例如使用颜色直方图、方向梯度直方图等。

一些先进的方法还结合了深度学习技术，使用卷积神经网络来提取高维的特征表示。

然后，目标表示是将目标的特征转换成适合跟踪算法的表示形式。

常用的目标表示方法有边界框表示、对图像进行密集采样或稀疏采样等。

边界框表示简单直观，通过保存目标的位置和尺寸信息来表示目标。

对图像进行采样的方法则可以将目标表示为一系列的图像特征向量，用于后续的匹配和跟踪。

最后，跟踪算法根据目标的历史信息和当前的观测，通过匹配目标特征来估计目标在下一帧中的位置。

常见的跟踪算法包括传统的相关滤波器、粒子滤波器等，以及最新的基于深度学习的跟踪算法，例如Siamese网络、多目标跟踪算法等。

在实际应用中，跟踪算法通常结合多种技术和方法来提高跟踪的准确性和鲁棒性。

例如，通过结合目标检测和跟踪算法，在目标丢失时重新检测目标，以确保跟踪的连续性。

同时，还可以结合运动模型、背景建模等技术，对目标的运动进行预测和建模，以提高跟踪的性能。

总之，跟踪的原理是通过目标检测、特征提取、目标表示和跟踪算法相结合，实时获取目标的位置和运动信息。

一种海面目标定位跟踪方法曹立杰;郭戈;王其华;郝立颖【摘要】针对海面可疑目标定位跟踪问题,提出在海面部署无线传感器网络.通过已知节点与未知节点之间的位置关系,估计出未知节点的位置坐标;建立跟踪质点与目标的误差系统方程,考虑网络延时,分为理想和有海浪干扰两种情况:理想情况下,给出系统渐近稳定的条件,并通过定义李雅普诺夫函数和Schur定理进行证明,求解线性矩阵不等式,得到控制器,使系统渐近稳定;当系统存在海浪干扰时,给出H∞控制的条件,并证明此条件下,控制器可使系统渐近稳定,由此实现对目标的跟踪.数值仿真验证了所设计定位跟踪方法的有效性.【期刊名称】《科学技术与工程》【年(卷),期】2015(015)026【总页数】6页(P89-93,108)【关键词】海面无线传感网;目标追踪;误差;状态延时【作者】曹立杰;郭戈;王其华;郝立颖【作者单位】大连海事大学信息科学技术学院,大连116026;大连海洋大学信息工程学院,大连116023;大连海事大学信息科学技术学院,大连116026;大连海事大学信息科学技术学院,大连116026;大连海洋大学信息工程学院,大连116023;大连海事大学信息科学技术学院,大连116026;大连海洋大学信息工程学院,大连116023【正文语种】中文【中图分类】U666.14;TP273海面目标检测、定位和跟踪在港口保护、边界安全、海上搜救、海洋油气开采平台的保护等现代海洋防御中是不可缺少的组成部分;因此，当海上出现可疑目标时，快速的检测、准确的定位和跟踪对于保障安全格外重要。

目前，有声纳导航、卫星监测、水面无人船巡逻等各种方法实现目标监测、定位和跟踪，上述方法虽然各有优点，也存在不足，例如:声纳导航的基阵、拖缆和收放装置占用运载平台的空间大［1］;卫星监测费用昂贵，而且卫星图像容易受到云层的影响，导致目标检测不到，跟踪失败［2］。

近年来，无线传感网由于其实时性好、费用较低等优势，开始应用于灾难搜救、环境监测、边界安全［3］，例如:文献［2］应用无线传感器网络进行船舶入侵检测，通过设置节点、簇头和汇聚节点实现对入侵船舶的检测;文献［4］对非线性系统设计了滑膜控制律，使欠驱动船舶能够有效跟踪虚拟船，具有较强的鲁棒性;文献［5］采用极大似然估计方法对水下目标的尺寸进行估计，但是没有给出具体的追踪方法;文献［6］将基于到达时间的定位方法和基于接收信号强的定位方法相结合实现水面及水下目标定位，但是由于水下以发送声波信号为主，此方法定位精度有待提高;文献［7］采用最大最小原理和半定规划松弛算法对目标进行定位，并应用三次方程方法实现移动传感器对目标的追踪;文献［8］对传感器模型进行建模，考虑了全局最优，建立目标函数，对水下目标追踪进行了研究，但是没有考虑海浪等干扰情况。

摘要：设计了一种高通量玉米粒计数的方法，首先针对玉米穗分割对边界进行跟踪，根据方向变化幅度寻找“凹点”，然后根据边界的方向对“凹点”两两连接进行图像分割；其次提出了改进的支持向量机分类算法的玉米粒识别，除了颜色信息外还将图像中的梯度信息加入分类的自变量中，避免了玉米粒的连通现象；最后通过面积对玉米粒粒数进行估算。

结果表明，该方法精确度较高，准确率达到了96.4%；实现了高通量处理，解决了随机摆放的玉米穗粘连分割与高通量条件下图像模糊玉米子粒难以识别的问题。

关键词：图像分割；高通量；最大类间方差法；边界跟踪算法中图分类号：s2；tp339 文献标识码：a 文章编号：0439-8114（2016）12-3185-04 doi：10.14088/ki.issn0439-8114.2016.12.047以重量包装计量方式转变为以计粒定量方式使包装单位更适合大田栽培[1]。

在传送剥皮后的玉米棒过程中，快速定量测定玉米产量是提高玉米机械智能化水平的重要因素。

在计量过程中，快速对不规则摆放的玉米分割以及对单个玉米粒的快速识别统计是研究的重点。

针对玉米粒计数，研究者已经提出过各种方法，例如采用线阵扫描方式获得玉米果穗表面360°展开图[2]，再利用一定算法将各个玉米粒完全分割开来[5-13]，最后计数。

这种方式需要获得玉米果穗表面360°展开图，因此硬件设施比较复杂，而且需要每个玉米果穗单一的通过摄像通道，效率较低。

针对上述问题，本研究提出了一种玉米粒计数的新方法，首先获取大量随机摆放的玉米果穗图像，将粘连的玉米果穗进行分割，记录每一个玉米穗的边缘信息；然后将每个玉米穗从图像中分离出来单独处理。

由于对于单个玉米穗而言，玉米粒大小基本稳定，可以借助面积来直接估计玉米粒粒数，而不需要将所有粘连的玉米粒进行分割。

1 试验设计试验过程中相机分辨率、图像采集平台背景色以及光照条件都会影响到试验图像的质量，导致结果不准确。