一种改进的场景锁定算法

介绍了一种能对场景进行稳定锁定的算法,该算法在传统场景锁定算法的基础上进行了改进。当目标进入红外（电视）摄像机视场时,首先对视频图像进行角点检测,提取出具有特征的角点,根据角点间的距离关系,对相邻两场图像的角点进行匹配得至4角点对。然后根据角点对间的对应关系解算出相邻两场图像间的全局运动参数,把此参数输入到控制系统,让...     

基于聚类的相位相关运动估计方法

针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明：该算法配准精度能达到亚像素,稳定性较好。     

基于时间序列预测的电子稳像算法研究

块匹配电子稳像算法是一种稳定性好、准确度高的电子稳像算法.块匹配算法在目标区域中从起始点到匹配点进行搜索时,需要对图像块进行反复匹配,计算量大、实时性差成为限制其应用的主要问题.本文从缩小块匹配算法搜索范围的思想出发,提出了一种利用时间序列预测来确定最优搜索起始点的电子稳像算法.根据图像序列全局运动矢量的内部统计特性,选择合适的时间序列模型;采用AIC准则和Durbin-Levinson递推算法估计模型的阶次和参量,并通过残差检验对模型进行检验和更新.利用建立的时间序列模型和历史数据对当前时刻全局运动矢量进行最优预测,并将其作为搜索起点来进行下一步精确搜索.实验结果证明,时间序列预测方法有效缩小了块匹配算法的搜索范围,使计算速度得到较大幅度的提高,并可直接推广到其它电子稳像算法中.     

电子稳像的特征点跟踪算法

提出一种利用特征跟踪进行电子稳像的算法,该算法具有计算量小,精度高,有鲁棒性等优点。算法由两部分构成:(1)基于特征点集二维运动模型进行全局运动估计。提取图像的特征点,以其为中心建立特征窗进行块匹配,得到匹配特征点集,根据特征点集内具有稳定相对位置的结构特征,提出距离不变准则,对特征匹配进行验证,以保证各点的局部运动具有良好的全局一致性,从而形成特征点集的全局运动矢量;(2)利用自适应均值滤波去除摄像机抖动。均值滤波器可以有效平滑摄像机的高频抖动,同时滤波器尺寸自适应地根据抖动频率来调整大小,能够防止过稳或欠稳。实验结果表明,该算法能够有效减轻摄像机的旋转和平移抖动。     

基于稀疏光流法的ORB特征匹配优化

针对图像特征误匹配数量大的问题，提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集，利用稀疏光流法计算特征点运动向量，估计出特征点在待匹配图像中的二维坐标位置，剔除偏离估计位置较远的特征点匹配对，最后利用随机抽样一致算法进行几何校验进一步优化匹配结果，达到剔除误匹配的效果。实验结果表明:该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%，较RANSAC-ORB算法准确率平均提升了2%，且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。     

一种快速的单目移动相机下运动目标检测方法

从射影几何的角度分析了单目移动相机下场景运动矢量与摄像机运动之间的关系,基于摄像机光心坐标系,提出了一种快速极线估计算法.该算法中摄像机在此坐标系下永远静止,只有场景和运动目标在运动,将原来移动平台下运动目标检测的问题转换成静止平台下场景全局运动与运动目标独立运动的问题,并推导出光流约束的简洁形式.该算法框架能够根据KLT算法获得Harris角点光流场,并根据实际图像的运动场补偿摄像机的随机运动,同时在保证算法准确性与鲁棒性的前提下,与原来算法相比,计算速度提升了10倍左右.根据实际采集的图像序列进行了分析对比,真实的数据测试表明快速极线估计算法在保证算法准确性与鲁棒性的前提下,极大地降低了算法的计算量与计算时间,从而无需三维重建便可有效地解决单目移动摄像机下运动目标检测的问题.     

MPEG-4视频中运动背景下的目标检测算法

针对由运动摄像机捕获的MPEG-4视频流中的运动目标检测问题,提出了一种直接利用压缩视频码流进行全局运动估计的新算法.算法从全局运动估计的基础出发,利用背景宏块运动相似性的特点快速建立背景宏块集合并采用常用的四参数全局运动估计模型估计运动参数.最后,计算运动矢量残差,通过对运动矢量残差的筛选检测运动日标.算法利用MPEG-4码流中蕴含的运动信息.不需要对压缩流完全解码,较大地提高了检测效率;进一步改善了检测效果.实验验证了提出的全局运动估计算法的检测效率和检测效果.     

鲁棒的车载红外视频电子稳像算法

针对车辆行进中,红外热像仪拍摄的视频序列存在复杂的随机抖动,提出基于BRISK特征点匹配的运动估计算法,计算出高精度全局运动矢量,同时对于特征点匹配时出现误匹配及场景中存在前景运动物体的情况,采用模糊聚类法分离全局运动和局部运动,提高了算法的鲁棒性。提出了基于Kalman粒子滤波算法,有效实现了复杂扫描运动和随机抖动的分离,并利用双线性插值法进行图像补偿。采用快速图像拼接法进行未定义区域处理,实现了图像全景输出。还利用车载红外热像仪实际拍摄的红外视频进行了稳像实验。实验结果表明,视频序列获得了很好的稳像效果,能够满足实际应用要求。     

动态场景下基于运动物体检测的立体视觉里程计

为了提升动态场景中视觉里程计的稳健性和精确度,提出一种基于运动物体检测的立体视觉里程计算法。首先,建立考虑相机位姿的场景流计算模型,用于表示物体的运动矢量。其次,提出构造虚拟地图点的方法,一方面结合场景流进行运动物体检测,另一方面使运动物体在图像中占比较大时仍有足够匹配点对用于位姿估计。最后,通过局部地图点及虚拟地图点与当前帧特征点的匹配结果,构建考虑虚拟点的非线性优化模型进行相机位姿估计,既保证静态地图点不与运动物体的特征点形成错误匹配,又避免因有效匹配点对过少而导致视觉里程计失效。数据集实验和实际场景在线实验结果表明,本文算法提升了视觉里程计在动态场景中的稳健性和精确度。     

超高速高性能门控型三分幅相机

提出了一种改进块匹配宏块分布排列的快速传感器电子稳像算法,通过陀螺传感器测量摄像系统的抖动,利用小范围快速块匹配算法估计局部运动矢量,再运用最小二乘法解算全局运动矢量.小范围快速块匹配算法得到的局部运动矢量准确度高,仅需部分局部运动矢量即可准确解算出全局运动矢量.基于此在保证运动矢量准确度情况下,对块匹配宏块的分布排列进行了改进,从而减少匹配宏块数量加快算法速度.通过对宏块网格模型的分析,得出对小范围快速块匹配算法进行宏块分布改进的方案,进而设计出快速传感器电子稳像算法.仿真及实验表明:运算时间提高89%左右,且算法准确度略高于改进前算法.     

基于遥感图像及工程参数的全局像移探测算法

相邻两片成像传感器的拼接区能够形成具有相同目标景物的图像, 是提炼像移信息的关键, 具有相同目标景物的图像并非贯穿于每次成像任务全程, 无相同目标景物期间的像移估计问题仍然存在。提出基于遥感图像及工程参数的全局像移探测算法, 试图对包含无相同目标景物期间在内的像移进行全覆盖探测。根据拼接区成像特点, 将成像过程分为无相同目标景物和有相同目标景物两个阶段:在无相同目标景物阶段, 利用工程参数计算像移的低频分量, 建立基于拼接区图像和像移低频分量的目标函数, 衡量像移曲线与低频分量之间的偏离程度; 采用最速下降法搜索偏离度最小值点, 作为无相同目标景物期间像移的最优估计; 推导有相同目标景物期间的像移计算公式, 利用无相同目标景物期间的估计值求解像移。以XX-1号空间光学遥感器为实验对象, 检测到0.133 Hz、7 pixels左右的像移, 可探测的时间范围包含最初226 ms的无相同目标景物阶段, 且显著削弱了盲点处的像移测量偏差。实验结果证明, 提出的算法能够对包含无相同目标景物期间的全局像移进行有效测量。     

Motion estimation of magnetic resonance cardiac images using the Wigner-Ville and hough transforms

Myocardial motion analysis and quantification is of utmost importance for analyzing contractile heart abnormalities and it can be a symptom of a coronary artery disease. A fundamental problem in processing sequences of images is the computation of the optical flow, which is an approximation of the real image motion. This paper presents a new algorithm for optical flow estimation based on a spatiotemporal-frequency (STF) approach. More specifically it relies on the computation of the Wigner-Ville distribution (WVD) and the Hough Transform (HT) of the motion sequences. The latter is a well-known line and shape detection method that is highly robust against incomplete data and noise. The rationale of using the HT in this context is that it provides a value of the displacement field from the STF representation. In addition, a probabilistic approach based on Gaussian mixtures has been implemented in order to improve the accuracy of the motion detection. Experimental results in the case of synthetic sequences are compared with an implementation of the variational technique for local and global motion estimation, where it is shown that the results are accurate and robust to noise degradations. Results obtained with real cardiac magnetic resonance images are presented. The text was submitted by the authors in English.     

应用于视频编码的实时多测度联合突变场景切换检测算法

提出一种与视频编码器共用运动搜索模块的实时场景切换检测算法.通过分析原始图像与其运动补偿图像的一阶与二阶差值信号统计特性,分别构造对应于不同场景切换类型的两种测度函数,并联合使用该测度函数检测突变场景切换,同时自适应调节每个测度函数输出值的判决门限.分析和实验结果表明,该算法在视频编码位移估值基础上只增加少量的计算,而对视频序列中的突变场景切换检测的查全率和查准率均优于已有的几种实时检测算法.     

Combining Sparse and Dense Features to Improve Multi-Modal Registration for Brain DTI Images

A new solution to overcome the constraints of multimodality medical intra-subject image registration is proposed, using the mutual information (MI) of image histogram-oriented gradients as a new matching criterion. We present a rigid, multi-modal image registration algorithm based on linear transformation and oriented gradients for the alignment of T2-weighted (T2w) images (as a fixed reference) and diffusion tensor imaging (DTI) (b-values of 500 and 1250 s/mm²) as floating images of three patients to compensate for the motion during the acquisition process. Diffusion MRI is very sensitive to motion, especially when the intensity and duration of the gradient pulses (characterized by the b-value) increases. The proposed method relies on the whole brain surface and addresses the variability of anatomical features into an image stack. The sparse features refer to corners detected using the Harris corner detector operator, while dense features use all image pixels through the image histogram of oriented gradients (HOG) as a measure of the degree of statistical dependence between a pair of registered images. HOG as a dense feature is focused on the structure and extracts the oriented gradient image in the x and y directions. MI is used as an objective function for the optimization process. The entropy functions and joint entropy function are determined using the HOGs data. To determine the best image transformation, the fiducial registration error (FRE) measure is used. We compare the results against the MI-based intensities results computed using a statistical intensity relationship between corresponding pixels in source and target images. Our approach, which is devoted to the whole brain, shows improved registration accuracy, robustness, and computational cost compared with the registration algorithms, which use anatomical features or regions of interest areas with specific neuroanatomy. Despite the supplementary HOG computation task, the computation time is comparable for MI-based intensities and MI-based HOG methods.     

数字视频分析中快速边缘检测和运动估计研究

本文研究了将粒子群优化算法同万有引力算法相结合进行边缘检测,利用万有引力原理进行启发函数的计算,指导蚁群运动趋向,快速检测出边缘线,作为图像分析的预处理结果。另外根据视频图像中局部运动集中在图像中部概率较大的特性,提出对图像的几个小区域数据进行全局运动估计,这样大幅度减少了运算量,实验中通过采样四个六分之一原图边长的矩形区域进行全局估计,实验证实了在精度相同的情况下,运算速度提高了九倍左右。     

基于红外图像编码的运动预测相关算法

针对运动预测过程中单一匹配准则的不足提出了一种联合匹配准则,能较好地处理小目标的灰度渐变。基于运动预测过程中不断进行的像素块匹配运算提出了一种新的像素抽样算法,该算法使得运算量大大减少,匹配精度逼近全像素匹配算法。这两种技术的综合应用使得整个运动预测效率有较大改善。     

Scene based nonuniformity correction based on block ergodicity for infrared focal plane arrays

This paper puts forward a new scene based nonuniformity correction algorithm for IRFPA. This method adopts phase-correlation method for motion estimation and takes the sum of mean-square errors of the pixel brightness between several adjacent frames as the cost function when the brightness constancy assumption between two adjacent frames is satisfied. Nonuniformity correction parameters could be estimated by minimizing such cost function. In order to reduce calculation quantity, we can divide these images into several subblocks, and solve for the optimum solution of the cost function respectively in each subblock. From the analysis, it is shown that the optimum solution is of global uniqueness when all the elements in subblocks could satisfy the ergodicity condition. Then the estimated value of nonuniformity correction parameters could be deduced by minimizing the cost functions. The nonuniformity correction experiments for both infrared image sequence with simulated nonuniformity and infrared imagery with real nonuniformity show that the proposed algorithm could achieve a great correction effect by only analyzing a small number of frames.     

实时运动结构重建在自主导航系统中的应用

实时运动结构重建是自主车辆、机器人导航、空间探测器自主降落、智能监控等领域中的重要研究课题。目前实时运动结构重建主要存在着特征匹配困难、鲁棒性差、系统无法自动获取初始参数和需要大量人工干预等诸多问题。利用高速CMOS摄像机与惯性传感数据融合提高了运动结构重建算法的精度及其鲁棒性。该算法在扩展卡尔曼滤波框架下是通过融合惯性与视觉传感器的数据来进行运动估计的。对场景中的每一个待估计结构的特征点建立对应的卡尔曼滤波器,以估计其空间三维结构信息。运动估计模块与结构估计模块交替运行,减小了系统运算的复杂度,提高了实时性能。通过对真实场景图像序列的实验验证结果表明,惯性传感器的额外信息能够有效地提高运动结构估计的精度,能够增强算法的鲁棒性。