列图像中遮挡缺损图像补偿算法

针对动态图像的遮挡缺损问题,提出了基于图像块的帧间预测算法,可以检测出序列图像中的遮挡缺损区域;利用帧间灰度相关性修正补偿算法进行遮挡缺损区域补偿,利用修正的像元对缺损区域进行补偿能够克服传统插值补偿算法补偿痕迹明显的缺点.仿真结果表明:该算法补偿处理区域与邻域灰度过渡平滑,消除了补偿痕迹,补偿效果比较理想.     

基于无监督在线学习实现视频遮挡边界检测

为了检测视频序列中的遮挡边界,提出一种新颖的基于无监督在线学习的遮挡边界检测方法。该方法提取视频序列中待测帧的遮挡相关特征并计算其对应的时间长度,利用对冲算法思想并结合时间长度及不同遮挡特征求得待测帧中像素点的遮挡相关信息,利用各特征的遮挡相关信息进行投票,完成当前帧图像的遮挡边界检测。利用Online Boosting思想以当前帧的检测结果来估计下一帧的特征投票权重,实现后续帧图像的遮挡边界检测。该方法通过在线学习思想改变不同特征的权重完成遮挡边界检测功能,无需预先获取视频序列的先验知识。实验结果表明,同已有方法相比,该方法具有较高的准确性和较好的通用性。     

基于YCbCr颜色空间背景建模与手势阴影消除

为了提高动态手势检测的精确度,本文将基于YCbCr颜色空间的混合高斯背景建模应用于动态手势识别中,并且提出手势阴影消除的有效算法。首先,对待检测视频帧通过抠图抠出手势图像,在YCb'Cr'颜色空间进行椭圆拟合,统计建立椭圆肤色模型,继而在YCbCr颜色空间进行混合高斯背景建模检测出动态手势,点乘原图像得到含有阴影的RGB手势图像,对检测出的含有阴影的手势图像利用已建立的椭圆肤色模型进行阴影消除,最后将手势图像连成视频序列。实验结果表明,该算法在复杂背景下进行动态手势的检测率可达91.4%,高出传统方法10%左右,能够满足动态手势检测基本要求,且具有较高的实用价值。     

一种基于分级分块处理的背景估计算法

视频序列中连续两帧纯背景图像的帧间差服从高斯分布.利用高斯随机变量的峰态和偏态系数的有关性质构造了一种背景子块与目标子块的分块检测算法,并将多分辨率分析的思想引入其中.对帧差图像进行分级分块处理,构造并完善了分级分块背景重建算法,完成了相应的计算机仿真实验.实验结果表明,该算法能快速、有效的获得背景图像.     

基于统计特性与边缘特性融合的阴影检测方法

针对视频监视系统中的阴影检测问题,提出了一种基于灰度比值统计与边缘特征分析相融合的阴影检测方法.根据阴影的面积和灰度特征,采用灰度统计和正态分布曲线拟合的方法估计出阴影灰度的分布区域,实现对阴影的初分割.利用熵判据对初分割的结果进行判断,对于过分割的情况,依据目标与阴影间的位置关系,利用阴影的边缘特性进行目标重构.不同光照环境下的视频监控图像测试结果表明,该方法可以用于灰度图像和彩色图像,能够有效检测出阴影区域并保持目标的完整性.     

基于柯西分布的视频图像序列背景建模和运动目标检测

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法.假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题.在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域.结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光.     

一种改进的三帧差分运动目标实时检测算法

针对传统的三帧差分法提取的运动目标存在大量的噪声和空洞,提出了一种改进的三帧差分运动目标实时检测算法。该算法采用Surendra背景提取算法提取有效背景,对视频流中连续的三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。     

面向经纬仪图像序列的关键帧提取算法

将传统的关键帧提取算法应用于经纬仪图像序列时,关键帧序列中会包含大量的非稳定跟踪图像帧。为了在关键帧提取过程中更好地保留目标稳定跟踪测量信息,该文在分析了经纬仪图像序列的特点后,构建了一种基于局部极大值的经纬仪图像序列关键帧提取算法。该算法首先计算图像序列的帧间差分,然后使用汉宁窗函数对帧间差分进行平滑,最后基于平滑后的帧间差分局部极大值来提取关键帧。实验结果表明：提出的算法相对于传统的帧间差分强度排序方法能更好地保留目标的跟踪测量信息,提取的关键帧在整个跟踪测量图像序列中分布更为均匀,包含的场景信息更为丰富。     

三维面形测量中基于模版匹配的变形条纹修复

在基于条纹投影和相位分析的三维面形测量中,由于被测物体表面标志点或复杂面形的阴影遮挡存在,会造成变形条纹局部区域的条纹数据缺失,影响相位和高度信息的最终重建,需要人为地对缺失图像信息进行修复。提出了一种新的缺失条纹数据修复方法——基于模版匹配的图像修复算法,通过图像中已有条纹信息(特别是与待修复区域周围相位信息相似度较高的已知条纹信息)对缺失的变形条纹信息进行估算,实现数据修复。该方法修复效果好,运算过程无需人为参与,便于计算机自动实现,尤其适合于待修复图像整体结构明显、纹理清晰图像的数据修复,有助于提高被测物体相位计算质量和在此基础上的三维面形重建质量。     

二帧变换光源阴影莫尔技术研究

为了快速测量物体表面三维轮廓,提出一种变换光源位置的相移阴影莫尔技术.该方法通过控制两个光源的亮灭,将相移引入测量视场.使用二维经验模式分解法对条纹图进行正则化,结合螺旋相位变换方法和二帧相移算法对测量高度进行估计,利用发展的迭代自调算法提取精确测量相位.计算机仿真和光学实验结果表明,该方法的解调准确度优于现有的二帧相移解调算法,同时,由于消除了测量过程中必要的机械运动,只需要二帧条纹图进行相位解调,节约了测量时间.     

特效电影工程中混合分辨率阴影图设计与硬阴影反走样

在实时的虚拟场景渲染中,为减少阴影图算法由分辨率不足导致的阴影走样,提出了利用并行线性扫描的混合分辨率阴影图算法。首先,从光源视角生成高分辨率阴影图,利用并行线性扫描算法对深度均值差进行计算和分析,自底向上的合并纹素,建立纹素之间的索引关系并讨论混合分辨率阴影图的存储。在渲染阶段,利用混合分辨率阴影图进行深度测试,绘制实时的反走样阴影。实验表明,与标准阴影图相比,混合分辨率阴影图能提高20%以上的重要区域分辨率,明显改善阴影边界锯齿走样,使Dragon等模型的计算时间减少9%~18%。经实际应用验证,混合分辨率阴影图是一种有效的实时阴影绘制算法,可有效减少阴影图算法的走样。     

基于超椭圆拟合的水下小目标分类*

水下小目标分类技术在海底探测、水下考古等方面应用广泛,在实际的水下声图像中,小目标投影产生的阴影区域通常在形状和尺寸方面显著于目标本身产生的亮区,故阴影分析算法对于目标的检测、识别和分类均有重要的研究意义。本文采用超椭圆曲线拟合算法拟合目标阴影区域,通过控制超椭圆函数的几个参数变化,实现不同的超椭圆曲线拟合不同的目标阴影形状,并将控制超椭圆曲线尺寸、形状和位置的参数作为特征向量输入到分类器,通过对比多个分类器得出分类结果,证明了以拟合参数为特征的分类方法有效。     

面向智能交通系统的运动车辆阴影检测

为了解决智能交通系统中运动车辆检测鲁棒性问题,分析了阴影产生的物理机制和运动投射阴影的视觉特性,提出一种新的阴影抑制方法.该方法首先采用帧间差分法获得运动车辆轮廓和运动阴影轮廓,然后应用霍特林变换消除RGB颜色分量的相关性,最后构造了一种阴影测度来进行运动车辆和阴影的检测.实验表明该方法能有效地抑制阴影并完整地分割出运...     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

Random noise filtering method based on the inter-frame registration

One of the problems to be solved in image processing is how to eliminate image noise effectively. In this work, we brought forward a random noise filtering method based on the inter-frame registration. Firstly, we calculated the relative displacement of the adjacent frames by a registration algorithm. Then we divided the image into the overlapping area and the non-overlapping area according to the relative displacement. Finally, we do noise reduction processing for these two areas respectively. The experiments results indicate that the proposed method can reduce noise in both spatial and time domain of video images. The main advantage is that it cannot only remove noise, but also effectively protect the image edge and detail information. Besides, it not only maintains the de-noising effect of traditional inter-frame algorithm, but also is suitable for moving targets. It has better real-time performance and wider application range.     

AP Shadow Net: A Remote Sensing Shadow Removal Network Based on Atmospheric Transport and Poisson’s Equation

Shadow is one of the fundamental indicators of remote sensing image which could cause loss or interference of the target data. As a result, the detection and removal of shadow has already been the hotspot of current study because of the complicated background information. In the following passage, a model combining the Atmospheric Transport Model (hereinafter abbreviated as ATM) with the Poisson Equation, AP ShadowNet, is proposed for the shadow detection and removal of remote sensing images by unsupervised learning. This network based on a preprocessing network based on ATM, A Net, and a network based on the Poisson Equation, P Net. Firstly, corresponding mapping between shadow and unshaded area is generated by the ATM. The brightened image will then enter the Confrontation identification in the P Net. Lastly, the reconstructed image is optimized on color consistency and edge transition by Poisson Equation. At present, most shadow removal models based on neural networks are significantly data-driven. Fortunately, by the model in this passage, the unsupervised shadow detection and removal could be released from the data source restrictions from the remote sensing images themselves. By verifying the shadow removal on our model, the result shows a satisfying effect from a both qualitative and quantitative angle. From a qualitative point of view, our results have a prominent effect on tone consistency and removal of detailed shadows. From the quantitative point of view, we adopt the non-reference evaluation indicators: gradient structure similarity (NRSS) and Natural Image Quality Evaluator (NIQE). Combining various evaluation factors such as reasoning speed and memory occupation, it shows that it is outstanding among other current algorithms.     

A novel algorithm in buildings/shadow detection based on Harris detector

A novel method based on corner detectors is proposed in detecting shadow and buildings in this paper. Its most outstanding point is employing Harris corner detector in region-based detection, despite that Harris detector traditionally used to select pixels as final results. Different densities of buildings are generally influenced by different features for recognition. First time, images are self-grouped into two groups according to the distribution of buildings, and two specifical algorithms are ready for detection specifically. A region-based method is used in comparison with our algorithm, and the results indicate that the new idea works not only more robustly, but also more effectively. It is a fast and simple method, which needs average 3.28 × 10⁻⁵ s to run per square image.     

基于小波变换和数据融合技术的弱小目标检测

 鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标，提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声，运用数据融合技术，先对图像进行小波多分辨率分解，然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证，实验图像取256×256像素点阵大小，其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标，为后续的跟踪作了很好的铺垫。