快速分形立体视频编码系统的设计

提出了一种基于分形视频编码的快速立体视频编码算法。首先,对传统分形视频编码方法进行了改进:采用基于DCT变换的方式对I帧图像进行编码,同时采用树状划分方法对非I帧图像进行块匹配。在立体视频编码中以左通道为基本层,右通道为增强层;左通道采用单独的运动补偿预测方式(MCP)进行编码,右通道采用MCP加视差补偿预测方式(DCP)进行编码。在进行DCP编码方式时,充分利用立体平行摄像结构中的偏振性和方向性简化DCP搜索方式,由此提出了一种快速搜索算法。实验结果表明,在保证峰值信噪比(PSNR)和压缩比(CR)基本不变的前提下,本文所提出的快速编码算法能够将运算复杂度降低为全搜索算法的0.028～0.029倍,增强了立体视频编码的实用性。     

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。     

航空成像像移补偿的并行计算

基于图像处理器(GPU)平台提出了维纳并行滤波算法,解决了航空成像的像移实时补偿问题.介绍了原有像移补偿算法及其PC运行平台的不足,立足于现有图像处理器通用计算技术对原有像移补偿算法做多线程并行计算的改进.针对图像处理器件的硬件并行架构,优化设置算法多线程访问,提高了各个线程的访问速度.该环节的改进甚至能将算法效率提升到原来的3倍.借助图像处理器的并行运算优势,单帧1 024×1 024灰度图像的恢复处理时间只需要8 ms,整个算法的运行速度达到原先的20倍,能够完全满足高分辨率航拍视频图像的像移模糊实时恢复的需求.     

光学图像的DSP压缩处理

光学CCD或者CMOS捕获的原始图像数据量过于庞大,若需将其用网络进行传输必然会占用较大的带宽,因此必须对其进行压缩。基于TI公司的多媒体DSP芯片DM642设计了图像的实时捕获系统,对捕获的图像采用AVS的帧内预测算法进行了压缩。通过对系统和算法的测试分析表明,系统对输入的模拟视频图像能达到较高的压缩比,压缩一幅图像的时间可达到16ms,满足了实时的要求。     

使用粒子滤波器实现电子稳像

提出用粒子滤波器来实现视频序列的稳像,解决了视频序列的帧间不稳定问题.提出的稳像算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型求取最小二乘解来获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿.对包含80帧场景的视频序列进行了实验,稳像后视频序列的平均峰值信噪比比稳像前提高了24.88,同时稳像精度＜1 pixel,处理时间＜30 ms.实验结果表明,本文算法能有效地改善图像质量,在去除高频抖动的同时能较好地保留摄像机的主动运动,稳像效果良好.     

动基座下的运动目标检测

由于动基座下运动目标的检测存在的背景干扰较大,影响运动目标检测精度的问题,本文提出了一种基于傅里叶变换和核函数-灰度统计图的动基座动目标检测算法,以便较大限度地克服光照变化、背景噪声对运动目标检测精度造成的影响。该算法首先将评价函数引入特征匹配块的选取中完成视频图像背景的分块匹配。然后,采用傅里叶变换的相位相关算法估计全局运动补偿参量;逐一计算各图像子块的高斯核函数值,建立核函数-灰度统计图并通过相邻帧高斯核函数值的变化情况判断运动目标的区域。最后,对包含运动目标的图像子块进行图像分割处理,完成动目标检测。实验仿真表明,与传统的运动目标检测算法相比,该算法中评价函数的评价系数α取0.7,帧间图像块相似度阈值T取0.3时,能有效地抑制光照变化和噪声带来的背景干扰,检测出动基座下的运动目标。该算法具有较快的计算效率,能满足工程上的实时性要求。     

HSI色彩空间下的低照度遥感图像增强

为了提高低照度遥感图像的可视性,提出了利用改进的多尺度Retinex算法与局部对比度自适应调整相结合的方法来改善图像质量。首先,把原始图像变换到HSI色彩空间,有效分离H、S、I分量;然后,然后在保持色调分量H不变的前提下,对亮度分量I利用改进的多尺度Retinex算法进行处理,对整幅图像进行亮度和对比度的初步调整,通过使用Sigmoid函数替换多尺度Retinex算法中的对数函数来减少数据丢失;为了使局部细节信息得到更好的改善,在利用改进的多尺度Retinex算法处理后进行自适应局部对比度增强,提高图像局部对比度;对饱和度分量S采用分段线性增强的方法进行处理;最后,将处理后的图像变换回到RGB空间。实验结果表明:图像信息熵由5.79提高至6.65;图像感兴趣区域的局部对比度由0.695提高至0.701,图像质量以及利用价值得到了提升。     

机器人抓取中的图像特征点提取算法及DSP实现

在视觉引导的机器人抓取技术中,需要快速提取不同视角图像的特征点集,实现基于特征的姿态估计。传统的特征点提取算法十分耗时,并难以在基于DSP的嵌入式图像处理平台上实现。针对工业应用场景,提出了一种基于简化SURF和不变矩的特征点提取算法,引入了一个4维的局部不变矩作为特征描述子。算法针对DSP平台进行了优化,测试达到了7帧/s的运行速度,并满足一定程度的光照和仿射不变性。     

背景帧间差分法的移动目标跟踪研究

根据视觉领域中对运动目标跟踪分析的热点算法,提出背景帧间差分算法对视频中移动的行人进行目标跟踪。该算法通过计算连续三帧视频图像间各相应像素点的差分,求出背景点和目标点,再经过形态学运算即可描绘出移动的目标。实验证明,该算法简单、有效,且不易受光照影响;能满足大部分视频中对移动目标的跟踪。     

基于粒子滤波的电子稳像算法

提出了一种基于粒子滤波的视频序列稳定算法。 该算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型采用最小二乘解获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿,达到稳像的目的。实验结果表明该算法鲁棒性较强,去除高频抖动的同时较好地保留了摄像机的主动运动,稳像后视频效果良好。     

二进制鲁棒不变尺度特征匹配电子稳像

针对捷联图像制导系统中视频序列受弹体姿态变化和抖动而出现的不稳定现象,提出了一种基于二进制鲁棒不变尺度特征关键点(BRISK)的高精度快速鲁棒电子稳像算法。首先,用BRISK算法提取图像BRISK特征描述符;为了保证匹配精度和速度,采用引导互匹配策略实现BRISK特征点跟踪匹配;然后,利用改进的随机抽样一致方法(RANSAC)剔除误匹配点对;最后,利用最小二乘算法(LSA)估计全局运动参数进而实现稳像。对标准图片的匹配测试和实拍视频稳像的结果表明:结合BRISK算法的电子稳像技术,运行时间小于30ms,定位精度达到0.1pixel,对光照变化、噪声以及复杂环境遮挡具有较强的鲁棒性,能快速有效地补偿捷联制导图像的复杂随机抖动并提高视频质量。     

改进的基于雾气理论的视频去雾

为了进一步提高有雾视频的可用性,提出了一种改进的基于雾气理论的视频去雾方法。该方法以雾气理论为基础,利用暗原色先验知识以及Retinex方法和图像融合的方式,将从视频背景图像求取的大气光值和介质传播图应用于视频的所有帧以便去除雾气。从主观定性评价、客观定量评价和运算速度3个方面对视频去雾效果进行了评价。结果表明,对分辨率为480×640的视频,本文方法的运算速度为5.45frame/s,不仅获得了较快的处理速度且能有效避免复原视频中出现颜色跳变的现象。由于本文采用区间估计的方式对大气光值进行估计,同时利用图像复原和图像增强的方法求取介质传播图,因此,复原视频的清晰度和对比度比典型的视频去雾方法有所提高,颜色效果也比较好。     

多尺度光斑中心的快速检测

分析了光斑图像成像特点和理想光斑灰度分布模型,针对含有多个不同尺度光斑的图像,提出了一种可以在复杂环境下一次性快速检测出多个光斑中心的方法。该方法基于高斯模糊后光斑中心不变的性质,先对含有大量光斑的图像进行快速多级高斯模糊,构建其高斯尺度空间;然后,使用加速的非极大值抑制方法在尺度空间内寻找多个尺度的局部极值,初步确定各光斑中心的像素级坐标;最后,联合这些坐标的邻域像素,拟合局部曲面,得到光斑中心的亚像素级精确位置。利用仿真实验和实物实验验证了提出方法的有效性。结果表明:该算法对640pixel×480pixel图像,处理时间仅需50ms,每千个光斑的平均检测时间为23ms,在复杂环境下正确率可达89%。此外,该方法对弱光斑较敏感,适合快速处理含有大量不同尺度光斑的图像,并能够有效减少光斑的错检和漏检。由于检测速度快,自适应性强,在实际应用中取得了良好的检测效果。     

航空光电成像电子稳像技术

介绍了一种电子稳像技术,解决了航空平台光电成像系统视频图像帧内运动模糊和帧间不稳定问题。通过建立运动模糊的数学模型,构建二维运动模糊点扩散函数,采用维纳滤波方法,消除图像帧内运动模糊;通过灰度投影算法,检测序列图像当前帧和参考帧之间的运动矢量,采用图像补偿方法,实现序列图像稳定输出。实验结果表明,本文方法能提高信噪比,实现1 pixel的稳定精度,有效改善图像质量,输出清晰稳定的视频图像, 具有精确、快速、实用的特点。     

升余弦变增益微视觉图像自适应增强与应用

微视觉系统中同轴光源和光学衍射的存在,使CCD相机获取的图像具有灰度值偏低、光照不均匀、动态范围大、对比度差以及微细结构丢失或无法辨识的缺陷。为改善图像质量,本文提出一种升余弦变增益子带分解微视觉图像自适应增强方法。该算法首先基于图像特性利用自适应Log增益对原图像进行增强,提高微视觉图像中亮暗区细节特征与背景的对比度;接着使用自适应升余弦卷积进行快速照度估计;然后对各通道的输出图像采用自适应变增益子带分解算法获取独立光谱子带;最后进行亮度校正、图像融合与色彩恢复。将该算法用于微位移测量系统中可使测量结果的相对误差小于20%;用于处理光照不均的图像可有效降低同轴光源靠近中心区域的亮度;此外,扩展至普通图像的处理中可提高对比度,改善细节特征。3组实验结果的平均图像质量相对提高率为81.46%,71.18%和93.75%;平均耗时为3.86s,0.24s和1.27s。     

DSP／BIOS环境下视频图像火焰检测算法实现

针对DSP／BIOS环境下在线视频图像火焰检测算法实现中存在的巨量数据运算和提高CPU利用率之间的矛盾,提出了以TMS320DM642为处理器的视频图像处理硬件系统构建,并在DSP／BIOS下设计了基于任务通信的实时视频图像火焰检测系统。此外,给出了基于颜色和火焰蔓延动态特性的检测规则,利用Ping-pong缓存技术实现了EDMA数据传输和CPU处理的并行操作,大大提高了CPU的利用率。试验结果表明,该算法不仅能有效地提取火焰区域,而且能使单帧图像的处理速度较无缓存技术和缓存技术分别提高60倍和1．55倍。     

基于视频图像的工业仪表高速自动识别

针对工业现场高速变化的灯板仪表全自动检测的问题,提出了一种基于图像识别的检测方法。本方法采用高速工业相机获取仪表视频图像,并采用数字图像处理技术,对单帧图像用OSTU算法进行二值化分割,运用邻域平均法进行平滑处理,通过闭运算以完成去噪,运用Hough变换以实现对灯的逐一定位,并用灰度检测法对灯状态进行判读,最后保存视频。研究结果表明,该算法可靠有效,系统能够高速准确地应对仪表位置的变化,为进一步的一般化视频检测奠定了基础。     

针对明亮区域的自适应全局暗原色先验去雾

针对暗原色先验去雾算法对明亮区域失效,以及分块求取暗原色存在的块状效应、Halo现象和运算复杂度较高等问题,提出了一种基于自适应参数的全局暗原色先验去雾算法。该算法采用全局暗原色操作取代分块处理,并通过模糊逻辑控制器自适应估计明亮区域的容差参数和透射率调整因子;在非明亮区域求取大气光强度后,根据自适应容差纠正明亮区域被错误估计的透射率。与常用的3种图像复原去雾算法进行了比较,结果表明:该算法去雾图像的主观视觉效果较好,且图像对比度、信息熵和平均梯度3方面的客观评价结果也明显优于其它3种对比算法。该算法可有效解决明亮区域失真和分块处理带来的上述问题,在不增加曝光处理情况下也能获得较好的去雾效果,运算效率也有较大提升。     

基于多模板回归加权均值漂移的人体目标跟踪

针对移动机器人跟踪人体目标时目标因角度大幅变化引起外观改变造成的跟踪无效,提出了多模板回归加权均值漂移跟踪方法。该方法通过建立目标的多模板模型,应用均值漂移算法实现目标跟踪。首先,根据前一帧均值漂移结果和当前帧头肩粗定位结果确定目标模板集,使其包含目标人体的位姿和角度改变。然后,采用多模板回归加权均值漂移实现目标的精确定位。在多模板均值漂移中引入回归模型实现颜色纹理特征与目标模型相似度之间的映射,从而控制模板数量,保证目标检测的实时性。最后,分别在视频图像和机器人目标跟踪平台上对所提方法进行实验验证。结果显示,图像处理平均时间为86.4s/frame,满足机器人跟踪的实时性要求。该方法解决了目标特征在跟踪过程中发生变化的问题,提高了机器人跟踪时对目标人体特征变化的鲁棒性。