一种鲁棒的只需两帧图像的姿态估计方法

针对基于模型的姿态估计问题提出了一种鲁棒的只需两帧图像的姿态估计方法.该方法的关键是一种新的深度估计方法.它能同时估计相机运动后两个模型点的深度且不依赖于相机运动参数.本文还提出一种深度优化算法以提高深度估计的精度.估计出模型点深度后,相机运动参数由奇异值分解得到.该方法比较简单,适合于实时应用.模拟实验和实际实验结果验证了该方法的有效性.     

基于自适应Kalman预测器的运动估计算法

利用图像序列估计目标运动速度是机器人视觉中的一项重要研究内容。它应用在机器人操作、导航、视觉跟踪等多项领域中。这些应用一般均要求运动估计算法具有较好的实时性和抗噪能力。卡尔曼滤波器和预测器正符合上述要求。该文基于运动图像的仿射模型，探讨从序列图像中预测目标三维平动速度的卡尔曼预测算法。首先建立运动目标的“当前”统计模型，然后根据运动图像的仿射模型找出图像运动参数与目标三维速度间的关系(图像运动参数由目标图像的几何矩计算获得)。最后结合自适应卡尔曼滤波和卡尔曼一步预测算法设计自适应卡尔曼一步预测器。为减轻预测器的发散性，对初始状态进行估计。仿真结果表明，基于“当前”统计模型和运动图像仿射模型设计出的自适应卡尔曼一步预测器具有较高的精度。     

基于层次模型的图像全局运动鲁棒估计技术

为了估计与补偿图像快速全局运动,研究了一种基于层次模型的处理方法,即首先把原始图像序列用亚采样的办法划分成具有金字塔式分辨率的多个子图像,使得每一个子图像运动相对小些,然后在每一个子图像中估计出传感器或摄像机的运动模型参数。通过对所有子图像的运动参数进行加权运算,得到原图像的运动参数。在估计传感器运动模型参数时,采用了回归技术：它首先估计局部运动,然后在最小二乘估计意义下,用局部信息来估计全局运动。在估计局部运动时,为去除奇异点,提出了一种叠代排除法。这种技术具有计算量少、实现简单、性能可靠等优点。     

结合率失真优化的自适应全局运动估计方法

全局运动估计的关键在于全局运动模型的选择。结合率失真优化理论,提出一种自适应全局运动估计方法来达到编码优化的目的。该方法的主要思路是：对同一帧图像,分别使用平移运动模型、六参数运动模型和十二参数运动模型进行编码,用率失真优化算法计算3种运动模型下的拉格朗日代价函数值,拉格朗日代价函数值最小的运动模型被选为最佳的当前帧的运动模型。实验证明,该方法具有较好的鲁棒性,对不同分辨率的视频序列均有不同程度的编码增益。     

双目视觉基于修正卡尔曼滤波器的运动估计

研究了目标物体的远程运动估计.首先,建立了一种双目视觉系统的基于卡尔曼滤波器的目标物体运动估计的运动学模型,并且证明了双目视觉系统同步的各自连续两帧图像中至少三个对应图像点能完全确定刚性物体的运动参数和空间位置;然后,通过对状态向量中的速度分量进行再估计,提出了一种修正卡尔曼滤波器对目标物体远程运动估计的算法,与直接卡尔曼滤波器的远程运动估计相比,提高了估计的精度.将该方法运用到一种实时预测的实验中,其结果证明了该算法的有效性.     

一种运动模糊图像的鲁棒运动估计策略

研究运动模糊图像的运动估计问题,提出基于泊松融合技术的运动估计策略。该策略将运动模型作为泊松融合技术的局部约束,实现最优运动求解。在此基础上,以直线和旋转运动模糊图像为例,提出相应的运动参数模型和估计方法。实验结果表明,所提出的策略可以较准确地估计模糊运动。     

摄像机运动情况下的运动对象检测

在监控应用中,由于场景是已知的,因此可以使用背景减去法检测运动对象.当摄像机进行扫描和倾斜运动时,需要使用多个图像帧才能完整地表示监控场景.如何组织和索引这些背景帧属于摄像机跟踪问题.提出一种无需摄像机标定的背景帧索引和访问方法.这一方法需要使用图像配准技术估计图像初始运动参数.提出一种屏蔽外点的图像配准算法,综合利用线性回归和稳健回归快速估计初始运动参数.为了快速计算连续帧之间的运动参数,提出一种基于四参数模型的优化算法.利用非参数背景维护模型抑制虚假运动象素.室内和户外实验结果表明本文方法是有效的.     

多模型鲁棒估计的运动分割

提出了一种基于多模型结构鲁棒估计的运动分割算法。首先对视频处理对象进行基于 四叉树的分裂合并,获取鲁棒估计的初始运动数目以及相应的运动模型的初始参数,然后通过参数估 计,不断更新模型参数,之后通过把每个运动区域和几个运动模型相关联,来同时估计多个运动的区 域,最后通过小物体的运动检测方法检测出小的运动物体,最终达到分割的目的。试验证明该算法取 得了比较明显的结果。     

基于马尔可夫随机场的运动分割研究

运动对象的分割技术一直是图像处理和计算机视觉领域的重要研究课题。采用一种将运动估计方法与马尔可夫随机场（MRF）模型相结合的运动分割方法。采用鲁棒统计技术与误差模型相结合构成运动估计的目标函数,运动模型为仿射运动,通过过松弛算法获得每种运动的运动参数;根据误差最小原则确定运动对应区域的初值,采用马尔可夫随机场（MRF）模型对运动估计结果进行平滑去噪。最后给出了该方法在通用图像实例上的实验结果。     

一种基于区域收缩的运动分割算法

运动分割需要估计出每个运动的运动模型参数和运动支持区。为准确地确定运动支持区,在最大后验边缘概率(MPM-MAP)算法的基础上,提出了一种新的基于区域收缩的运动分割算法,用于确定运动支持区。该算法先以属于某种运动概率最大的像素为备选像素,然后通过区域收缩选定备选像素密度最大的区域为支持区范围。此外,还提出了一种新的运动模型参数初值的估计方法,并将差分图像包围盒的确定和区域收缩相结合,用于运动模型参数的初值估计,该方法先估计运动区域,再估计运动模型参数,并通过运动分解、合并和消亡来获得准确的运动个数。实验结果表明,该方法是有效的。     

图像统计模型参数估计中的期望最大值算法

期望最大值算法是近年来图像统计模型参数估计技术领域的研究热点之一。在对期望最大值算法分析的基础上,结合其在图像统计模型参数估计中的应用研究,对改变标准期望最大值算法的3种方式进行比较分析。结合图像恢复、分割、目标跟踪以及与其他优化算法的融合应用,从丢失数据集的选取、丢失数据集和不完全数据集统计模型的建立,以及统计模型参数估计3个方面,评述期望最大值算法优缺点。丢失数据的选取和不完全数据的描述形式直接决定期望最大值算法的结构和计算复杂度,以致算法的成败。最后,讨论期望最大值算法目前存在的问题及未来的发展方向,指出其在具有丢失数据统计模型参数估计中广泛应用。     

人脸序列图象的头部运动参数估计

在人脸序列的图象编码中 ,由于模型基编码方法可以获得高的主观图象质量和低的码率 ,因而受到广泛重视 .但是 ,其运动参数的可靠估计还是一个难点 .为此 ,该文分析了头部运动的特点 ,并把它分为头部刚体运动、脸部表情的简单运动和脸部表情复杂运动 3种形式 .其中 ,提取头部刚体运动参数利用了基于特征点对的运动参数估计算法 ,并提出了一个线性的实现方法 ;文中还指出提高运动参数估计的精度在于选择合适的特征点和建立一个和特定人脸相一致的三维线框模型 ;另外 ,还为脸部表情的简单运动建立了形变矩阵 ;最后给出了用面积误差函数评价的运动参数估计误差 .     

一种匀速直线运动模糊参数估计方法

运动模糊恢复就是利用运动模糊退化的某种先验知识来重建或恢复原有图像。在运动模糊的点扩散函数未知的情况下,估计运动模糊的点扩散函数是运动模糊恢复的前提和关键。从傅立叶变换的角度对匀速直线运动模糊图像的点扩散函数在频域中的特点做了理论分析,论证了点扩散函数在频域内的零点特性及模糊图像两次傅立叶同态变换后的方向特性,并提出了利用这些特性进行运动模糊方向估计的方法及两种模糊距离的估计方法。实验结果证明了所提出方法的有效性。     

运动估计与运动补偿在电子稳像中的应用

电子稳像系统的核心是运动估计和运动补偿。为了提供运动估计的精度和降低时间开销，达到实时应用的要求，该文提出了基于宏块的步进全局运动估计算法，获得图像序列的全局运动矢量；给出了一个新的应用于电子稳像系统中运动估计与运动补偿模块的运动估计、运动补偿原理框图；采用两步补偿算法完成对图像序列的运动补偿，得到稳定的图像序列输出。仿真结果表明，采用的方法是高效、可行的。     

Motion estimation using Statistical Learning Theory

This paper describes a novel application of statistical learning theory (SLT) to single motion estimation and tracking. The problem of motion estimation can be related to statistical model selection, where the goal is to select one (correct) motion model from several possible motion models, given finite noisy samples. SLT, also known as Vapnik-Chervonenkis (VC), theory provides analytic generalization bounds for model selection, which have been used successfully for practical model selection. This paper describes a successful application of an SLT-based model selection approach to the challenging problem of estimating optimal motion models from small data sets of image measurements (flow). We present results of experiments on both synthetic and real image sequences for motion interpolation and extrapolation; these results demonstrate the feasibility and strength of our approach. Our experimental results show that for motion estimation applications, SLT-based model selection compares favorably against alternative model selection methods, such as the Akaike's fpe, Schwartz' criterion (sc), Generalized Cross-Validation (gcv), and Shibata's Model Selector (sms). The paper also shows how to address the aperture problem using SLT-based model selection for penalized linear (ridge regression) formulation.     

Real-time and accurate extrinsic camera parameter estimation using feature landmark database for augmented reality

In the field of augmented reality (AR), many kinds of vision-based extrinsic camera parameter estimation methods have been proposed to achieve geometric registration between real and virtual worlds. Previously, a feature landmark-based camera parameter estimation method was proposed. This is an effective method for implementing outdoor AR applications because a feature landmark database can be automatically constructed using the structure-from-motion (SfM) technique. However, the previous method cannot work in real time because it entails a high computational cost or matching landmarks in a database with image features in an input image. In addition, the accuracy of estimated camera parameters is insufficient for applications that need to overlay CG objects at a position close to the user's viewpoint. This is because it is difficult to compensate for visual pattern change of close landmarks when only the sparse depth information obtained by the SfM is available. In this paper, we achieve fast and accurate feature landmark-based camera parameter estimation by adopting the following approaches. First, the number of matching candidates is reduced to achieve fast camera parameter estimation by tentative camera parameter estimation and by assigning priorities to landmarks. Second, image templates of landmarks are adequately compensated for by considering the local 3-D structure of a landmark using the dense depth information obtained by a laser range sensor. To demonstrate the effectiveness of the proposed method, we developed some AR applications using the proposed method.     

Motion recognition using nonparametric image motion models estimated from temporal and multiscale co-occurrence statistics

A new approach for motion characterization in image sequences is presented. It relies on the probabilistic modeling of temporal and scale co-occurrence distributions of local motion-related measurements directly computed over image sequences. Temporal multiscale Gibbs models allow us to handle both spatial and temporal aspects of image motion content within a unified statistical framework. Since this modeling mainly involves the scalar product between co-occurrence values and Gibbs potentials, we can formulate and address several fundamental issues: model estimation according to the ML criterion (hence, model training and learning) and motion classification. We have conducted motion recognition experiments over a large set of real image sequences comprising various motion types such as temporal texture samples, human motion examples, and rigid motion situations.     

Multi-Parameter Simultaneous Estimation on Area-Based Matching

Area-based matching is a fundamental image processing method that obtains displacement between image regions. In addition, the similarity interpolation method to estimate sub-pixel displacement is commonly used to enhance resolution. This paper proposes a novel 2D sub-pixel displacement estimation method based on similarity interpolation. The method estimates the displacement as an intersection point of two lines, which are approximations of zero positions of the partial derivatives with respect to each motion parameter. The proposed method requires a non-iterative computation. Furthermore, the method engenders only slightly higher calculation costs than the conventional similarity interpolation method. Moreover, the method is suitable for hardware implementation. We show that the proposed method can be extended to obtain the N-parameter of image deformation with non-iterative computation. Using similarity measures obtained at discrete positions in the parameter space, our method provides a highly accurate maximum position of the similarity in sub-sampling resolution; that position corresponds to the image deformation parameters. Experimental results using both synthetic and real images demonstrate that our method can estimate parameters more accurately than conventional methods. This work is based on conference proceedings (Shimizu and Okutomi, 2004; Shimizu et al., 2004).     

Doppler distributed clutter model of airborne radar and its parameters estimation

1 Introduction As a kind of effective active sensor, airborne radar may realize detecting, tracking and imaging of targets on the sea, ground or at low altitude[1—4], and it has been widely used both in civil and military areas. Since airborne radar normally works at the look-down mode, the ground clutter is commonly strong, e.g. the clutter-to-noise ratio (CNR) may reach 60—90 dB in some mountainous or urban areas. Meanwhile, the clut-ter Doppler spectrum is center-shifted and width-spre…     

软件产品可靠性评估的WD模型及其性能分析

本文从软件产品的失效规律入手提出了其可靠性评估的WD模型及其参数估值方法.从NTDS软件出错数据统计为例的分析结果看,WD模型的参数估值性能优于J-M模型和NHPP模型.最后还提出了一种参数估值准确性的判定准则.