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.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从一组含有运动前景的视频图像中准确地重构背景,并有效避免混合现象|背景缓慢变化和突变时,亦可快速有效地完成背景重构.     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

一种基于场景的红外图像非均匀性校正算法

提出了一种基于场景的红外图像非均匀性校正算法。该算法结合了两点定标校正算法和基于场景的改进的恒定统计算法,将两点校正算法的校正系数作为恒定统计算法的系数初值,并引入阈值进行运动状态检测,对运动场景和非运动场景分别进行系数更新。实验表明,该算法可以实现对红外图像非均匀性的校正,对于本文实验中的视频图像,在100帧时算法收敛,其收敛时间优于其他传统基于场景的非均匀性校正算法,并一定程度上抑制了"鬼影"现象。     

基于改进Census变换的多特征背景建模算法

针对视频图像易受噪声干扰和背景变化复杂的特点,改进传统Census变换特征值对中心像素的依赖问题,建立Census模板以保持Census变换对光线变化的稳健性。将改进后的Census变换特征值、图像像素值、更新频数、最近更新时间和动态指数等多种特征融合,建立了一种新的背景建模算法。利用帧间亮度差,自适应选择融合多种特征更新背景模型,依据动态指数衡量背景变化复杂程度,建立不同的更新规则,提升模型对光线突变和复杂场景处理的稳定性。经测试多组标准视频序列,本算法检测精度优于其他算法,有效改善了光线突变对前景目标提取的影响,提高了对光线突变和复杂场景的稳健性,减少了运动目标的孔洞和像素漂移产生的假前景。     

无人机视频运动目标实时检测及跟踪

对无人机拍摄视频中的地面运动目标提出一种实时检测跟踪算法。该算法利用特征点的对应关系将图像对配准,再对配准图像进行变化检测,根据变化和运动信息检测目标并消除虚警,将检测与跟踪相结合,对目标跟踪失效的情况,能重新正确定位目标,从而获取目标的完整运动轨迹。采用无人机拍摄的地面车辆图像的测试结果表明,算法能有效检测跟踪运动目标,并能达到25 f/s以上的实时处理速度。     

一种夜雾天况彩色视频构建方法

针对单一红外或可见光波段成像技术无法满足夜雾天况彩色成像要求的问题,结合红外和可见光成像各自的特点,提出一种固定区域下针对夜雾天况的彩色视频构建方法。该方法在能见度高的白天利用可见光传感器进行可见光背景图像的构建,在能见度低的夜雾天气利用红外传感器提取出红外运动目标,依据可见光背景图像与原始红外图像的配准参数进行2幅图像的同比例融合,完成彩色视频的重构。实验结果表明,该方法能够准确完成包含红外目标的彩色视频构建,充分体现出夜雾天况下运动目标及其所在场景的彩色特征信息,提升人眼对目标与场景的识别和感知。对于图像大小为720pixel×576pixel的视频序列,该算法的运行速度能够达到40frame/s,可满足彩色视频实时构建的需要。     

基于稳定矩阵的动态图像运动目标检测

为了对视频序列中的运动目标进行快速、准确地提取,提出了一种自适应背景模型估计方法.利用背景与前景图像在时域中不同的变化特性,构造图像的稳定矩阵函数,通过稳定矩阵元素的变化自动区分背景点和前景点,并对稳定矩阵设置上、下饱和值,使算法能在短时间内自动感知背景的突变,从而快速地建立背景图像模型并对其实时更新.同时还分析了动态图像序列的配准问题,选取局部特征模板图像,采用投影匹配原理简化计算,快速估计出全局运动矢量.实验证明,背景估计算法收敛速度快,只需10 frame图像即可建立稳定背景,对于500 pixel×200 pixel动态图像序列,整个算法时间只需35 ms,完全满足工程上25 frame/s处理能力的要求.     

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.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从...     

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。     

利用反向投影的flash场景自适应视频编码算法

针对闪光造成的光照变化会导致视频帧之间巨大的强度差异问题,提出利用反向投影的flash场景自适应视频编码算法。根据直方图差异提取闪光和非闪光帧,相应地为每个帧分配适当的编码类型,并在加权预测(WP)参数集确定中采用运动向量导数,通过反向投影保证flash场景的全局一致性。实验结果表明,相比其他几种加权预测算法,本文算法在峰值信噪比(PSNR)及计算复杂度方面获得了更加优越的编码性能。     

Design of correlation filters for pattern recognition using a noisy reference

We present the design of correlation filters for detection of a target in a noisy input scene when the object of interest is given in a noisy reference image. The target signal, shape and location in the reference image are assumed to be unknown. Two signal models are considered for the input scene: additive and nonoverlapping. The design of the filters consists of automated estimation of needed parameters from a noisy reference image and maximization of the peak-to-output energy ratio criterion. Two filter variants are proposed. The matching error metric is used to determine the regions of the parameter space where each filter variant performs better. Computer simulation results obtained with the proposed filters are presented and evaluated in terms of discrimination capability, location errors, and tolerance to input noise.     

基于赋权连接图的增量式运动恢复结构算法北大核心CSCD

运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像两两之间的匹配关系;其次在赋权连接图中边的权重的基础上,搜索度数感知的最佳初始种子对;最后根据已重建顶点的连通性构建下一张最佳图像候选集,设计了基于顶点度数与特征点分布的下一张最佳图像评价算法。在公开数据集上实验结果显示,本文算法在重建质量、相机校准率和点云生成数量的表现优于现有先进的运动恢复结构算法,相比基准对比算法,本文算法在不同数据集上平均重建耗时至少降低了19%,点云生成速率至少提升了21%。     

视频自动聚焦的实现研究

摘要:     提出了用于会议电视摄像机的自动聚焦方法.该方法由聚焦调节和聚焦监测两个过程组成.聚焦调节是寻找聚焦函数最大峰值的过程,在该过程中通过利用超焦距概念和动态自适应变步长搜索算法加快搜索速度,并保证了良好的视觉效果|同时,提出退回检查最大值点变化方法,防止搜索过程中因受到场景变化干扰而导致的聚焦失败.聚焦监测过程是在会议电视通话中,通过监测场景变化使聚焦调节工作适时启动的过程,提出有条件地重新调节聚焦,以始终保障良好的摄像聚焦效果,同时避免频繁调焦.实验结果表明,提出的摄像机自动聚焦方法性能优秀并有良好的顽健性.该方法已经用于华为ViewPoint 8020plus视频会议终端的实际产品.     

Improved optimization strategies for autofocusing motion compensation in MRI via the analysis of image metric maps

Autofocusing is a postprocessing technique for motion correction, which optimizes an image quality metric against various trial motions. In this work, image metric maps, which are measures of image quality plotted as a function of in-plane 2-D trial translations, are systematically studied to develop improved autofocusing motion correction algorithms. It is shown that determining object motion with autofocusing is equivalent to an image metric map optimization problem. These maps provide insights into the motion compensation process and help improve several aspects of the correction algorithm, including the selection of the image metric and motion search strategy. A highly efficient and robust 2-D global optimization method is devised, exploiting the properties of the metric map pattern. The improved algorithm is used to correct phantom and clinical MR images with in-plane 2-D translational motion and is shown to be more effective than existing methods.     

Block-wise motion detection using compressive imaging system

A block-wise motion detection strategy based on compressive imaging, also referred to as feature-specific imaging (FSI), is described in this work. A mixture of Gaussian distributions is used to model the background in a scene. Motion is detected in individual object blocks using feature measurements. Gabor, Hadamard binary and random binary features are studied. Performance of motion detection methods using pixel-wise measurements is analyzed and serves as a baseline for comparison with motion detection techniques based on compressive imaging. ROC (Receiver Operation Characteristic) curves and AUC (Area Under Curve) metrics are used to quantify the algorithm performance. Because a FSI system yields a larger measurement SNR(Signal-to-Noise Ratio) than a traditional system, motion detection methods based on the FSI system have better performance. We show that motion detection algorithms using Hadamard and random binary features in a FSI system yields AUC values of 0.978 and 0.969 respectively. The pixel-based methods are only able to achieve a lower AUC value of 0.627.     

基于Harris角点全局运动估计的场景锁定算法

场景锁定技术是视频跟踪领域的一个关键技术,需要对图像的全局运动进行估计,常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量,提高全局运动估计的精度,提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块,选取每个块中响应值最大的角点,以参考图像角点周围矩形块与待匹配图像进行匹配,然后利用RANSAC算法对角点进行一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。实验结果表明,该算法运动估计精度高,稳定性好,能较好地实现场景锁定。     

INFRARED SMALL TARGET DETECTION ALGORITHM BASED ON SELF-ADAPTIVE BACKGROUND FORECAST

A background forecast filter is presented to detect a small target under an infrared (IR) nature scene. By calculating the correlation of image pixels, the background around the small target could be forecasted. Subtracting the forecast background from original scene, the small targets would become outstanding. Experimental results show that the algorithm proposed has better performance with respect to probability of detection and less computation complexity.     

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。