基于一种优化的配准算法的图像超分辨率重建

提出了一种优化的图像配准算法.该算法充分结合了时域基于全局运动模型的配准算法和频域基于傅立叶变换的配准算法,并运用到超分辨重建中.假设序列低分辨率图像之间存在旋转和平移,首先运用全局配准法求出旋转参数,对图像进行旋转补偿,然后对补偿后的图像用频域配准法估计平移参数,针对估计出的旋转参数和平移参数对序列低分辨率图像进行超分辨率图像重建,实验表明该方法能较有效地提高图像分辨的效果,并且本文还阐述了低分辨率图像帧数的影响.     

一种旋转平移运动模糊单帧图像恢复方法

成像传感器与目标景物之间有相当大的相对旋转角度和平移距离,经常会造成自然图像的运动模糊效应,为恢复旋转平移运动模糊图像,探讨了一种旋转平移运动模糊单帧图像恢复方法。     

管道内壁视频图像防抖动算法研究

为了减小抖动对管道内壁视频图像的影响,提出一种在抖动比较小的条件下将横向抖动与旋转分开处理的算法。首先通过选取合适的阈值将灰度化的全景图像二值化为一个圆,利用重心法求出圆心位置,根据与基准帧圆心位置的差别平移全景图像,从而减小横向抖动的影响。之后进行展开,通过求取连续两帧展开图像上重合区域灰度加权重心的差别,对当前帧展开图像平移后再进行拼接,从而减小旋转的影响。实验表明该算法处理速度非常快,可以比较好地减小管道内壁视频图像抖动的影响。     

基于区域同名度矩阵的连续帧图像配准

对由空中飘弋平台获得的连续帧图像进行配准是个新的难题,但利用空中飘弋平台可获得恶劣环境下的空拍图像,若能配准拼接成大视野图像,则可供进一步研究使用.由于多种因素的影响,所获得的连续帧图像存在旋转、缩放、平移、含噪声、形变等特点,为此,若采用迭代阈值的方法来进行图像分割,并以十字链表形式进行存储表达;然后构建连续帧图像间的特征区域同名度矩阵,再通过遍历同名度矩阵来自动形成连续帧图像间的同名区域对;最后计算得出连续帧图像旋转、缩放、平移配准参数,则可较好地解决此问题.对一定数量的连续帧图像进行的配准实验表明,该算法不仅鲁棒性强、稳定有效,而且计算速度快,具有一定的理论和应用价值.     

位平面匹配的电子稳像算法的改进

针对位平面匹配算法很难对视频图像中存在的旋转运动进行估计的缺陷,提出了一种改进的电子稳像算法。该算法采用钻石搜索策略的位平面法来估计并补偿视频图像序列间的平移运动,对参考帧图像进行拉普拉斯变换,在靠近图像边缘处选取若干个特征小块与当前帧进行块匹配,进一步计算并补偿其可能存在的旋转运动。通过理论分析和实验仿真表明：在处理存在旋转运动的视频图像时,改进后的算法在满足实时性的同时提高了稳像精度。     

李群流形上的在线视频稳像算法

针对传统视频稳像算法无法兼顾高质量稳像和低延时的问题,提出李群流形上卡尔曼滤波的实时视频稳像算法.将视频帧间运动分解为旋转分量和平移分量.旋转分量由陀螺仪数据计算的旋转矩阵表示,平移分量由视频帧间匹配得到的平移矩阵表示,旋转矩阵的序列和平移矩阵的序列分别对应于李群流形上的运动路径.利用李群流形上的卡尔曼滤波分别对旋转分量和平移分量进行平滑.最终通过运动补偿获得稳定的视频帧序列.实验表明,文中算法能够兼顾延时和稳像效果,可以在移动端实现高质量的在线视频稳像.     

高速水面艇视觉系统电子稳像算法

针对高速水面艇视觉系统在采集视频过程中, 由于高速运行、水流运动和风力影响等因素造成的视频图像抖动问题, 根据高速水面艇视频图像运动特点, 例如同时含有平移、旋转和变焦运动等, 采用尺度不变特征变换算法提取视频图像中的特征点, 利用仿射模型求解运动参数, 运用Kalman滤波对视频图像中的正常扫描进行滤波, 最后用相邻帧补偿法对每帧图像进行补偿, 实现高速水面艇的视频图像稳像处理。算法用于高速水面遥控艇采集到的视频上进行对比验证分析, 结果表明算法对高速水面艇视觉系统下的视频图像稳像处理快速、有效。     

结合Zernike矩和模板具有RST不变性的DWT-HMM鲁棒水印算法

抵抗几何攻击是鲁棒水印研究的关键问题之一。为实现水印同步,提出了一种结合Zernike矩和小波域模板实现由粗到精几何同步的算法,即首先利用平移归一化图像的Zernike矩估计旋转和缩放参数,并用校正旋转和缩放后的图像和原图像之间的质心增量估计平移参数;然后基于粗略估计的参数,通过匹配小波域模板实现旋转、缩放和平移(RST)参数的精确识别和校正,该同步方法可以较大程度地降低搜索空间。水印嵌入和检测采用了小波域向量隐马尔可夫模型(DWT-HMM)。仿真结果表明,利用由粗到精的几何同步方法和基于HMM的水印算法能有效抵抗StirMark平台的多种单项攻击和联合攻击,算法具有较好的鲁棒性能。     

一种异源图像多级配准算法

针对异源图像间灰度差异大、存在平移和旋转时导致配准困难的问题,由于异源图像成像机理不同,存在差异.为提高配准精度,提出一种适应大角度旋转和平移的异源图像多级配准算法.将配准过程分为粗配准和精配准两步,首先在引入Freeman链码描述方法的基础上提出一种平移和旋转参数的估计方法,完成图像的粗配准;然后引入相位一致性对曲率角点进行描述,采用归一化互相关相似性度量准则完成图像的精配准.分别采用可见光与红外图像以及可见光与Sar图像进行仿真实验,经仿真证明算法对具有较多线性结构的异源图像配准精度高、实时性好、并且能适应较大角度旋转和平移.     

基于Zernike矩和前馈神经网络的图像配准

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法。利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度。仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强。     

基于抖动的导航路径图像无缝拼接方法仿真

由于传统导航路径图像拼接法受尺寸大小、视觉角度以及光照变换等外界因素的影响,导致抖动图像匹配效果差,无法得到有效图像。因此,提出并设计一种基于抖动的导航路径图像无缝拼接方法。首先使用傅里叶变换方式对初始图像做变换处理,得到经过粗糙拼接的抖动结果,获取导航路径抖动后图像,再采用仿射映射与矩阵分解法对抖动图像做配准处理,修正该图像畸变,并得出两幅图像变换关系,然后使用ASIFT方式对其做特征点匹配计算,同时依据RANSAC原理去除匹配错误点,最后通过加权平滑方式对两幅抖动图像拼接线处理,实现抖动导航路径无缝拼接图像。通过仿真证明,所提方法计算简便、图像清晰、拼接效果具有较高实效性等优点。     

相机抖动场景中数据驱动的背景图像更新算法

视频序列中的运动目标检测是计算机视觉领域的重要研究课题.背景减除是运动目标检测的有效方法,但相机抖动会对背景提取带来极大干扰,从而可能造成传统基于模型的图像处理方法模型失真.本文提出了相机抖动场景下前景图像提取的数据驱动背景图像更新控制算法.首先利用Harris特征检测进行背景补偿以消除抖动干扰.然后利用无模型自适应控制方法,建立单入单出控制系统来表示背景图像并进行实时更新.最后运用背景减除法提取运动目标前景图像.本文方法与传统基于模型方法进行了不同视频序列的对比仿真.实验结果表明,本文方法可以有效处理相机抖动场景下的运动目标检测问题,目标前景图像分离效果更加接近真实场景.     

平台颤振对空间光学遥感器成像质量的影响

空间光学遥感器在轨工作期间,会受到平台振动源的影响,从而对成像质量产生影响。振动源使遥感器在积分时间内产生颤振,导致在成像过程中发生像移,使图像模糊。讨论了颤振对光学遥感器成像的影响。以低频正弦振动为例通过数值方法推导了颤振引起像移的数学模型,并给出了颤振对调制传递函数MTF的影响公式。仿真结果表明,颤振对空间光学遥感器成像质量影响很大,应在设计中加以考虑。     

超限货物运输列车异物侵入数据智能检测仿真

对超限货物运输列车侵入异物进行智能检测,能够有效降低超限超重货物运输事故的概率,对保障铁路货运安全具有重要意义。针对当前超限货物运输列车图像异物侵入检测方法受到采集频率的影响,列车高速行驶时,异物侵入检测易存在漏检的情况,提出基于背景差分和形态学腐蚀操作的超限货物运输列车异物侵入数据智能检测方法。针对超限货物运输列车运行场景抖动特点,设计抖动补偿算法,消除超限货物运输列车图像抖动的像素部分。通过背景差分算法获取超限货物运输列车图像背景,再利用背景帧与当前帧的差分获得二值图像,最后对所得二值图像进行形态学腐蚀膨胀操作和阴影消除,获取异物侵入目标区域。实验结果表明,所提方法可准确检测出超限货物运输列车侵入异物,对保证铁路运输具有重要的现实意义。     

扁平漆包线抖动干扰处理的研究

在扁平漆包线表面缺陷在线检测过程中,样线抖动导致使用帧间差分法分离背景时产生抖动干扰。常见抖动干扰处理方法存在处理时间太长和误消除真实缺陷的问题,故提出了改进方法,首先分析了抖动干扰的分布区域,得到了抖动干扰与真实缺陷不处在同一行,且存在抖动干扰的行上前景像素点数量较多的性质。然后在分布区域内,将前景像素点数量超过一定阈值的行置零,实现对抖动干扰的消除。阈值的选取利用一种改进的Otsu处理分布图得到,该图是将图像所有行,按照行上前景像素点数量多少,统计行出现的频率。实验证明,与常见方法相比,改进方法处理时间短,不会误消除与抖动干扰连接的真实缺陷,得到的处理结果与理想结果的交并比达到88%以上,具有很好的应用前景。     

基于仿射不变约束与快速EKF滤波的航拍图像稳像

考虑到航拍机载成像平台抖动严重、视频稳像匹配环节精度不一致的特点以及航拍图像稳像技术快速、准确的要求,提出了一种结合仿射不变约束与快速扩展卡尔曼(Extend Kalman Filter,EKF)滤波的图像稳像算法。该算法首先以视频参考帧中的角点量作为特征点,通过Harris检测器选择出稳定角点;然后对待配准点构建Delaunay三角网进行初始匹配,提出利用仿射不变约束方法筛选出精确匹配点;最后利用快速EKF运动滤波方法实时估计和修正噪声的统计特性,从而解决摄像机扫描运动中存在的抖动问题。在对大量分辨率为640×480pixel的航拍图像的仿真实验中,可通过仿射不变约束实现精确的模型估计,采用的快速运动补偿方法在补偿过程中耗时为5.054ms,比传统的运动补偿方法节约了69.5%的时间。实验结果表明,该算法能够实时稳定航拍视频帧间的抖动现象,并能有效跟随场景的真实扫描。     

基于图论的边缘提取方法

针对传统边缘方法提取的边缘具有不连续、不完整、倾斜、抖动和缺口等问题,提出基于图论的边缘提取方法。该方法视像素为节点,在水平或垂直方向上连接两个相邻的节点构成一个边,从而将图像看作无向图。它包括三个阶段：在像素相似性计算阶段,无向图的边上被赋予权值,权值代表了像素间的相似性;在阈值确定阶段,将所有权值的均值（整幅图像的相似度）确定为阈值;在边缘确定阶段,只保留权值小于阈值的水平边的左边节点与垂直边的上边节点,从而获得了图像的边缘。实验表明,该方法适用于具有明显目标与背景的图像的边缘提取,能够克服不连续、不完整、倾斜、抖动和缺口等缺陷,并且对Speckle噪声和高斯噪声具有抗噪性能。     

Motion compensated film restoration

Motion picture films are susceptible to local degradations such as dust spots. Other deteriorations are global such as intensity and spatial jitter. It is obvious that motion needs to be compensated for before the detection/correction of such local and dynamic defects. Therefore, we propose a hierarchical motion estimation method ideally suited for high resolution film sequences. This recursive block-based motion estimator relies on an adaptive search strategy and Radon projections to improve processing speed. The localization of dust particles then becomes straightforward. Thus, it is achieved by simple inter-frame differences between the current image and motion compensated successive and preceding frames. However, the detection of spatial and intensity jitter requires a specific process taking advantage of the high temporal correlation in the image sequence. In this paper, we present our motion compensation-based algorithms for removing dust spots, spatial and intensity jitter in degraded motion pictures. Experimental results are presented showing the usefulness of our motion estimator for film restoration at reasonable computational costs. Received: 9 July 2000 / Accepted: 13 January 2002 Correspondence to:S. Boukir     

Jitter compensation of ZiYuan-3 satellite imagery based on object point coincidence

Satellite jitter is a very important factor that affects the sensor orientation of ZiYuan-3 imagery based on a rational function model (RFM). The conventional affine transformation model is unable to compensate such periodic jitters. The sensor orientation accuracy is thereby worse than expected. To eliminate the influence of jitters and improve the orientation accuracy, a feasible jitter compensation method for ZiYuan-3 imagery based on object point coincidence is presented in this study. In this method, no actual ground control points (AGCPs) are required to estimate the jitter compensation parameters. First, numerous virtual object points are projected onto the image by using the RFM. Then, the residual errors between the image-space coordinates of the projected and corresponding points are used to detect the satellite jitters. Finally, two sinusoidal functions are used to model and compensate the jitters. Experimental results of the three ZiYuan-3 satellite images show that before the jitter compensation, the residual errors of the independent check points obviously show a sinusoidal pattern. These periodic errors cannot be effectively compensated by the affine transformation model even if the number of AGCPs is increased from 4 to 16. After the jitters are compensated with the estimated sinusoidal coefficients, the influence of jitters can be eliminated. The sensor orientation accuracies of the three images reach 0.852 pixels, 0.798 pixels, and 0.921 pixels, which are respectively 49.7%, 55.1%, 65.7% better than those achieved before the jitter compensation.     

A Family of Regularizing Kernels for Averaging in the Presence of Template Jitter

While computing the regularized mean in medical image analysis, compensation for anatomical variation between different subjects is achieved by registering data with a standard template. In practice, template registration is never perfect and registration error (called jitter) can influence any statistic that is calculated using the template. This paper considers the design of regularizing filters which makes the effect of jitter harmless on the computed mean. The design is based on a new notion called jitter-resistant filtering. A regularizing kernel is jitter resistant if the effect of jitter on the regularized data is similar to a slight change in the scale of the kernel in the absence of jitter. Based on this notion, it is shown that the family of Gaussian filters is a jitter-resistant family of regularizing filters. Simulations in support of the theory are also presented.