基于时序特征的视频相似性匹配算法

针对视频亮度整体漂移、突变干扰、视频再编辑引起的帧率变化问题,提出了采用视频时序特征来描述视频内容,描述了视频的时间、空间信息.采用梯度匹配算法和改进的动态时间规划算法进行相似性匹配.实验采用了80段广告视频和200段再编辑视频对算法进行检测,结果证明了算法的有效性和鲁棒性.     

基于时空特征和神经网络的视频超分辨率算法

提出了一种基于时空特征和神经网络的视频超分辨率重建算法,实现了视频视觉分辨率质量和细节清晰度的提升. 该算法综合考虑了外部图像块之间的关联映射关系和内部图像块间的相似性,利用深度卷积神经网络学习得到的拟合系数快速地重建视频细节. 采用时空非局部特征相似性优化重建结果,将相邻视频帧间的非局部互补冗余信息融入学习视频帧结果中,解决了误匹配等问题,进一步提升了超分辨率性能. 实验结果表明,所提方法在客观评价指标和主观视觉效果上均取得了较好的重建效果.     

融合多特征的异源视频复制-粘贴篡改检测

相比传统的视频帧插入或帧删除以及视频双压缩等篡改方式,复制-粘贴篡改更能直接的改变视频内容。因此,本研究提出一种融合多特征的异源视频复制-粘贴篡改检测方法。对于经过帧内复制-粘贴篡改的视频,其视频帧内会引入一些尖锐的变化,比如线条、边缘和角点等,而二维相位一致性可以很好的检测出这些变化。同时,来自异源视频帧复制的区域块会使得帧内引入不同的模式噪声,可以利用模式噪声和二维相位一致性提取视频帧的特征,然后将特征融合进行SVM分类实验来检测篡改视频。实验表明该算法可以有效地检测异源复制-粘贴篡改的视频。     

融合视频指纹和时空信息的视频检索算法

针对视频检索过程中存在的视频亮度整体漂移、突变干扰以及视频再编辑等问题,提出了一种融合视频指纹特征和关键帧密度的检索算法.该算法首先对视频帧进行区域分割提取视频指纹特征;其次,采用改进的直接时序算法消除亮度漂移等干扰;最后,引入关键帧密度的概念消除了视频再编辑引起的时间跨度问题,同时采用了一种综合的搜索策略.实验结果表明:改进的算法不仅可有效地应对上述问题,而且算法运算量小、查全率与查准率高,具有很好的鲁棒性.     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

多特征融合匹配的霍夫森林多目标跟踪

针对目标遮挡、形变等复杂环境中多目标跟踪准确性低的问题,提出了一种多特征融合匹配的霍夫森林多目标跟踪算法．首先,该算法根据目标检测响应进行初步关联,在线选取正负样本,通过融合颜色直方图、方向梯度直方图特征以及光流信息构建目标的特征模型;然后利用霍夫森林学习,形成可靠的长轨迹;最后采用多特征融合的轨迹匹配算法,引入颜色直方图的相似性度量和基于Gabor滤波器的特征点匹配两种方式,形成加权融合的概率矩阵,将长轨迹逐级关联为目标的完整轨迹．实验表明,该算法在多个复杂环境的视频序列中,可以有效解决目标形变、相互遮挡等问题,能实现多目标的鲁棒性跟踪．     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

融合运动和统计特征的静态目标检测

为了解决大部分时间处于相对静止状态目标的智能监控,提出一种融合运动和统计特征的静态目标检测方法.该方法采用行列错位减图像的帧差来提取目标运动特征,根据目标模型和候选区域的统计特征匹配检测目标,利用运动特征和模板的相似性度量动态更新模板.通过积分图优化特征提取及对强光抑制,提高了算法的实时性和鲁棒性.     

三种典型模板匹配算法性能比较

为了在图像识别、配准和拼接等具体问题中能够针对不同条件来合理选取适当的匹配算法,详细介绍三种典型模板匹配算法,即基于索引表的图像匹配算法、基于图像相关性的图像匹配算法和序贯相似性检测算法(Sequential Similarity Detection Algorithm,SSDA),并从实时性、鲁棒性和精确性等角度出发,对其匹配性能进行差异分析。采用分组实验的方法对匹配算法的各项性能指标进行测试和比较,结果表明,三种算法都具有良好的精确性,其中基于索引表的算法和序贯相似性检测算法具有较好的实时性,而基于图像相关性的算法在噪声环境下具有良好的鲁棒性。     

基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法

针对目前复制-粘贴篡改盲检测算法对光照变换操作鲁棒性较差的问题,提出了一种基于混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲鉴别算法。首先,对待检测图像提取高斯差分区域(Difference of Gaussians,DOG)。其次,利用MIOP特征描述区域。最后,匹配特征并利用RANSAC(RANdom SAmple Consensus)去除误匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法不仅对几何变换和光照操作的检测率较高,且对高斯模糊、噪声和JPEG重压缩等后处理操作鲁棒性较好。     

基于多特征集成的鲁棒图像拷贝检测算法

该文提出一种基于多特征集成的鲁棒图像拷贝检测算法。该算法结合局部与全局特征信息,综合时域与频域信号处理,采用级联式检测过滤框架。为了在大规模图像库下提升拷贝检测速度,利用K—D树建立特征索引,便于图像之间的局部点匹配。最后,利用RANSAC算法,剔除错误的匹配对。实验结果证明,该算法对拉伸、平移、旋转、加噪、水彩、滤波和JPEG压缩等攻击具有鲁棒性,并具有较高检测效率。     

基于深度视频的人体行为特征表示与识别

深度视频中的人体行为的识别研究主要集中在对深度视频进行特征表示上,为了获得具有判别性的特征表示,首先提出了深度视频中一种基于表面法向信息的局部二值模式( local binary pattern, LBP)算子作为初级特征,然后基于稀疏表示模型训练初级特征字典,获取初级特征的稀疏表示,最后对用自适应的时空金字塔划分的若干个子序列使用时空池化方法进行初级特征与稀疏系数的规格化,得到深度视频的高级特征,最终的特征表示实现了深度视频中的准确的人体行为识别。在公开的动作识别库MSR Action3D和手势识别库MSR Gesture3D上的实验证明了本文提出的特征表示的有效性和优越性。     

不同显示方式下屏幕图形硬拷贝

本文从分析EGA视频RAM结构出发,给出用汇编语言实现屏幕图形硬拷贝的源程序。进而分析了目前市场上流行的VGA、CGA、CGE,Hercules等显示模式的视屏RAM结构,说明了不同显示方式下的程序修改细节。     

新闻视频播音员的检测与跟踪

新闻视频中播音员镜头的检测与跟踪是视频故事单元分割的重要基础工作,也是内容信息安全研究的基础。本文提出了一种基于PCA特征提取的新闻视频播音员镜头的检测与跟踪方法。首先将新闻视频进行镜头分割并提取关键帧;其次,通过对关键帧图像进行人脸检测与分析,找到新闻视频中所有候选播音员图像;最后,通过学习方法,实现播音员图像的分类检测,并对播音员镜头进行跟踪。通过对来自CCTV的视频实验结果表明,该方法可有效地实现新闻视频播音员镜头的检测和跟踪.     

基于图像特征的彩色图像防拷贝水印算法

数字信号处理和计算机网络技术的迅猛发展,使得数字产品的版权保护问题面临极为严峻的挑战。数字水印技术主要是通过在数字产品中隐藏某些数字信息而达到数据的版权保护和内容认证。本文提出一种新的彩色图像防拷贝水印算法,算法选择彩色图像YUV空间,对色度分量进行离散余弦变换与二值化获得唯一描述图像的特征信息,经过混沌加密后嵌入到亮度分量小波变换系数的中频部分,同时,该算法能够实现盲提取。实验结果表明,该算法对噪声攻击、JPEG压缩、滤波和剪切等攻击具有较好的鲁棒性,同时能够有效地抵抗拷贝攻击。     

基于MSSIM商一致性的视频插帧和删帧篡改检测

插帧和删帧是常见的视频帧间篡改方式,针对此研究问题,提出一种基于结构相似度均值( MSSIM)商的一致性检测算法。对于一段连续拍摄的视频,由于视频内容的连续性,相邻帧之间的MSSIM商具有连续现象。而对于经过插帧或删帧篡改的视频,其篡改点位置的MSSIM商会发生突变,从而破坏其一致性。为此,该算法首先计算每相邻两帧间的MSSIM值,之后对相邻MSSIM求商并以此作为特征,而后两次利用切比雪夫不等式及阈值法对提取特征进行异常点检测,从而实现对视频插帧和删帧的篡改检测及定位。实验结果表明,该算法对视频插帧和删帧篡改具有较高的检测率。     

视频消旋系统中改进的Harris角点提取算法研究

针对传统Harris角点检测方法重合度低,不能满足视频消旋系统需求这一问题,本文提出了一种改进的Harris角点提取方法。首先将原来的梯度算子改为Prewitt差分模板,增强了Harris角点算子的旋转不变性,提高了Harris角点提取算法的重合度。同时改变传统Harris角点提取方法中的滤波窗口,减少了特征点提取的计算量。实验结果表明：该方法将传统Harris角点提取方法的吻合度提高了11%左右,提取到的图像角点不仅精确度高,且伪角点少。运算时间降为原来的30%左右,能够更好地选取特征区域,从而满足视频电子消旋算法对旋转不变性和实时性的需求。     

多尺度特征提取和多级别特征融合的显著性目标检测方法

目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效的控制信息流的传递。而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊。因此,本文提出一种多尺度特征提取和多级别特征融合的显著性目标检测方法。首先,利用不同扩张率的空洞卷积获取多尺度的上下文信息,弥补单一特征检测带来的不足。其次,提出一个多级别特征融合模块,该模块有效的利用浅层特征、深层特征和全局上下文特征信息之间的分布特性进行融合,不仅可以抑制噪声的传递,而且可以更有效地恢复显著性目标的空间细节结构信息。在5个公开的数据集上进行的实验结果表明: 相比较其它13种主流的检测方法,本文方法检测的显著图边缘轮廓连续性更好、空间结构细节信息更清晰,在综合指标(F-measure)、平均绝对误差(MAE)、结构化度量(S-measure)、精准率-召回率(PR)曲线和F-score曲线等指标上均有明显的提升。     

基于LSA和SVM的火灾烟雾检测算法

为了解决视频烟雾检测中特征提取难度较大、复杂度较高的问题,提出一种基于潜在语义(Latent Semantic Analysis,LSA)特征和支持向量机(Support Vector Machine,SVM)的烟雾检测算法。该算法首先将烟雾图像库中的每幅图像进行有重叠分块,提取每个分块的小波纹理与HSV颜色特征;再对所有分块特征进行聚类、量化成"视觉字",并且根据每个"视觉字"在每幅烟雾图像中出现的频率,建立"词-文档"矩阵;然后采用LSA方法获得每幅烟雾图像的潜在语义特征;最后结合SVM,实现视频烟雾检测。对比实验表明,该算法特征提取简便,可以更快检测烟雾的发生,提高了烟雾检测效率。     

基于水印的视频误码掩盖方法

提出一种适用于无线信道的视频误码掩盖方法，利用数字水印来隐藏运动矢量信息，解码端比较提取到的运动矢量与视频解码得到的运动矢量来进行误码检测，进而利用提取得到的运动矢量对错误块进行时域误码掩盖，同时结合编码器设计了相应的水印嵌入算法．实验结果表明。在误码环境中，使用所提出的视频抗误码方法显著提高了误码定位的准确性；利用水印嵌入的运动矢量信息进行误码掩盖。在信道误码率小于10^-3时，较一般误码掩盖方法的恢复视频质量PSNR提高2～3dB．