一种基于自适应补偿的快速帧速率上转换算法

提出一种基于自适应补偿的快速帧速率上转换算法.算法在塔型结构数据上进行运动估计并利用相邻块运动矢量对上层传递矢量进行修正,减少计算量的同时获得了平滑的运动矢量场.在匹配搜索过程中采用动态调整搜索窗策略,避免了过搜索和搜索不足的问题.运动补偿克服了传统的补偿算法仅采用一种插值方法的不足,根据运动矢量的可靠性分别采用了3种不同的插值方法.为了减少块边缘的失真,采用了重叠块运动补偿的插值方法.在遮挡区域,设计了加权多候选运动矢量插值方法,对前后两帧补偿结果分别赋予不同的权值以减少失真.实验结果表明,该算法与传统算法相比不仅可以大幅度降低计算量,且插值图像的质量有所提高.     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集;采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量;最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5～1dB,具有更好的错误掩盖效果.     

基于多帧参考的整帧丢失错误掩盖算法

为了解决视频传输中整帧图像丢失的误差扩散问题,提出了一种基于多参考帧运动矢量外推的整帧丢失错误掩盖算法.通过对多个参考帧的运动矢量外推得到丢失块的候选运动矢量集|采用多参考帧边界匹配准则进行丢失帧和其后续帧的误差估计,并选择丢失块的最优运动矢量|最后采用自适应的重叠块运动补偿方法重建丢失帧.实验结果表明,该算法在恢复整帧图像的同时,有效地降低了视频序列中整帧图像丢失的误差扩散影响,与已有算法比较,该算法恢复的视频序列平均峰值信噪比提高了0.5~1 dB,具有更好的错误掩盖效果.     

动态图像序列帧间运动补偿方法探讨

图像序列的帧间运动不仅包含平移运动,而且旋转运动也是常见的。为了补偿这两种运动,可采用仿射变换模型。先把参考帧和当前帧分成若干个子块,利用灰度投影算法计算出局部运动矢量,然后使用能量最小化方法,由求出的有效局部运动矢量确定仿射变换模型参数。通过对当前帧进行仿射变换,即可实现对图像的平移和旋转的补偿。仿真和实验证明了该方法的可行性。     

运动背景下的帧间稳像技术

针对运动背景下帧间稳像技术,提出了一种带运动矢量修正的灰度投影运动估计算法。采用该算法分别对当前帧和参考帧的行、列计算灰度投影序列;将当前帧投影序列局部分块,分别将每一分块与参考帧行、列投影曲线进行互相关计算,得到基于局部投影的行、列运动矢量集合;以分块区域的相关置信度为权系数衡量参数,计算每一分块的像素位移权值,从而计算某一方向帧间的加权运动矢量。实验结果表明：该方法可以使运动目标造成的影响只作用于其中若干个局部分块,而其他分块不受此影响,尽可能保证稳像的准确性。采用该方法稳像后的图像与参考帧图像的均方根误差（RMSE）值明显下降,与参考帧图像更加吻合。     

运动背景下的帧间稳像技术

针对运动背景下帧间稳像技术,提出了一种带运动矢量修正的灰度投影运动估计算法。采用该算法分别对当前帧和参考帧的行、列计算灰度投影序列;将当前帧投影序列局部分块,分别将每一分块与参考帧行、列投影曲线进行互相关计算,得到基于局部投影的行、列运动矢量集合;以分块区域的相关置信度为权系数衡量参数,计算每一分块的像素位移权值,从而计算某一方向帧间的加权运动矢量。实验结果表明:该方法可以使运动目标造成的影响只作用于其中若干个局部分块,而其他分块不受此影响,尽可能保证稳像的准确性。采用该方法稳像后的图像与参考帧图像的均方根误差(RMSE)值明显下降,与参考帧图像更加吻合。     

电子稳像中的运动补偿矢量处理方法的研究

在摄像系统中通过帧间匹配获取帧间运动矢量,进行滤波处理,将镜头的合理运动矢量与由光学系统载体不稳定带来的图像抖动噪声相分离,得出实际用于补偿的位移矢量。提出了多矢量平均算法,结合系统的实用要求改善其对载体合理运动的响应,使系统可以在运动拍摄中也保持图像稳定,不会因为增加了稳像功能对合理的拍摄过程有太大的影响。经过软件模拟和在硬件电子稳像平台上的实际验证,证明该算法简单可靠,在合理采集运动矢量的基础上可以达到很好的稳像效果。     

一种补偿平移与旋转运动的快速电子稳像算法

针对视频图像序列的非稳特性,研究了电子稳像算法中灰度投影算法和块匹配算法各自的不足之处,提出了一种快速补偿视频图像序列间平移及旋转运动的稳定成像算法.该算法先采用灰度投影算法估计并补偿视频图像序列间的平移运动,再利用拉普拉斯变换在靠近图像的边缘区域选取几个具有明显特征的小块,运用块匹配算法进行匹配,计算并补偿其旋转运动量,以得到稳定的视频图像序列.通过理论分析和实验验证,表明这种稳像算法具有速度快、准确度高的特点.     

基于角点匹配的电子稳像算法

提出了一种基于角点匹配的电子稳像算法。分析了Harris角点检测的原理。获得角点后,根据相邻帧对应角点的坐标分布,建立当前帧与参考帧的映射关系,并运用仿射变换模型,以最小二乘解的形式获得帧间全局运动估计矢量。最后,采用Kalman滤波器对运动估计矢量作低通滤波,平滑运动参数,获得运动补偿矢量,实现视频序列的实时稳像。实验表明该算法较好地去除了视频序列的高频抖动,同时保留了摄像机的主动运动,稳像后视频序列的峰值信噪比明显提高。     

一种基于特征跟踪的视频序列稳像算法

提出一种基于特征跟踪的视频序列稳像算法.该算法从视频序列的参考帧中提取出一组角点特征,然后在后续帧中基于模糊Kalman滤波进行特征窗跟踪,通过比较各帧图像中特征窗间的对应关系计算出补偿摄像机运动所必需的参数,使用这些参数将后续帧向参考帧对准,从而得到稳定的视频序列.实验结果表明该算法稳像效果好,运算复杂度低,且具有较强的鲁棒性.     

一种基于特征块匹配的电子稳像方法

提出一种基于特征模块匹配的图像稳定的算法.该算法自适应地搜索图像特征模块进行后续稳像操作.在稳像过程中,提出一种图像特征匹配的快速算法,匹配得到局部运动矢量,然后对匹配结果进行一致性检验,最后采用可变窗口宽度的均值滤波法对图像序列运动轨迹滤波.试验表明,该算法有效地稳定了图像序列,并且满足实时性要求.     

Self-calibration of multi-camera networks without feature correspondence between different cameras

An automatic calibration approach for multi-camera networks is proposed to calibrate the intrinsic parameters of each camera and the extrinsic parameters between different cameras. Firstly, the moving objects are tracking, and the feature points are detected and calculated by a matching method from image sequences. And then we estimate the intrinsic parameters of each camera respectively by a self-calibration method from the motion of feature points, while estimating the rotation and translation of each camera with respect to the object. Thirdly, we estimate the extrinsic parameters between different cameras from the rotation and the motion of each camera with respect to the object. Our method only needs to track the motion of objects in each camera without the correspondence between different cameras. It avoids the difficulty of the correspondence between different cameras in real networks. Experiments with simulated data and real images are carried out to verify the theoretical correctness and numerical robustness.     

Restoration of TDI camera images with motion distortion and blur

Platform movement during exposure of imaging system severely degrades image quality. In the case of Time delay and integration (TDI) camera, abnormal movements cause not only image blur but also distortion, for image Point Spread Function (PSF) is space-variant. In this paper, we present a motion degradation model of TDI image, and provide a method to restore such degraded image. While a TDI camera is imaging, it outputs images row by row (or line by line) along the scanning axis, and our method processes in the same track. We firstly calculate the space-invariant PSF of each row using the movement information of the TDI camera. Then, we substitute pixels of the row and the ones of their neighbor rows together with the PSF into standard Richardson–Lucy algorithm. By deconvoluting we get the restored pixels of the row. The same operations are executed for all rows of the degraded TDI image. Finally, a restored image can be reconstructed from those restored rows. Both simulated and experimental results prove the effectiveness of our method.     

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.     

改进块匹配宏块的快速传感器电子稳像方法

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.     

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。     

Improving motion estimation by accounting for local image distortion

Cardiac elastography is a useful diagnostic technique for detection of heart function abnormalities, based on analysis of echocardiograms. The analysis of the regional heart motion allows assessing the extent of myocardial ischemia and infarction. In this paper, a new two-stage algorithm for cardiac motion estimation is proposed, where the data is taken from a sequence of 2D echocardiograms. The method combines the advantages of block-matching and optical flow techniques. The first stage employs a standard block-matching algorithm (sum of absolute differences) to provide a displacement estimate with accuracy of up to one pixel. At the second stage, this estimate is corrected by estimating the parameters of a local image transform within a test window. The parameters of the image transform are estimated in the least-square sense. In order to account for typical heart motions, like contraction/expansion, translation and rotation, a local affine model is assumed within the test window. The accuracy of the new algorithm is evaluated using a sequence of 500 grayscale B-mode images, which are generated as distorted, but known copies of an original ROI, taken from a real echocardiogram. The accuracy of the motion estimation is expressed in terms of errors: maximum absolute error, root-mean-square error, average error and standard deviation. The errors of the proposed algorithm are compared with these of the known block-matching technique with cross-correlation and interpolation in the sub-pixel space. Statistical analysis of the errors shows that the proposed algorithm provides more accurate estimates of the heart motion than the cross-correlation technique with interpolation in the sub-pixel space.