基于Kalman预测的自适应De-interlace算法

本文提出一种基于Kalman预测的自适应De-interlace算法.它包括运动块检测、自适应的运动估计以及对运动块的运动补偿和对静止块的场复制等模块.其中,运动块检测用了连续的4场图像,能够更精确地实现运动检测;对检测到的运动块用Kalman滤波进行自适应地运动估计,并根据估计到的运动矢量进行运动补偿;对静止块,用场复制法进行De-interlace处理.该算法在de-interlace性能接近全搜索算法的前提下,运算量降低了三个数量级.     

基于MPEG的全局运动估计技术

提出了一种基于MPEG(moving picture experts group)的全局运动估计技术: 利用四参数模型来描述由摄像机运动带来的全局运动,再利用基于块匹配的算法来求解4个参数,进而作相应的运动补偿.由于MPEG视频流中的运动矢量蕴含了最优块匹配的信息,所以不需要对MPEG视频流完全解码,即可进行参数估计.实验证明该算法速度较快,并能通过运动补偿排除由摄像机运动造成的伪运动区域的干扰.     

自适应联合相邻运动矢量的运动补偿插值算法

帧率上采样作为一种视频后处理技术,通过对原始视频插值得到高帧率视频,满足人们对高帧率视频的需求.传统基于重叠块的插值补偿算法会带来块效应或鬼影现象.为了解决这一问题,人们提出联合匹配块及其相邻块预测的方法,但是复杂度高,效果不明显.基于以上几点,本文提出一种自适应联合相邻运动矢量的运动补偿插值算法(Joint Motion-Compensated In-terpolation Algorithm Using Adjacent Block Motion Vectors Adaptively,AJ-MCI).在该算法中,将运动矢量矫正和运动补偿插值算法相结合,同时运动补偿模块中自适应地联合相邻匹配块,以最大限度刻画真实运动轨迹.实验结果表明,本文算法能很好的提升视频的主客观质量,同时保持较低计算复杂度.     

基于子块运动补偿的运动目标检测

鱼眼相机成像视角大,获得信息丰富,在车载应用中具有广阔应用前景.本文提出了一种适用于移动单目鱼眼相机的运动目标检测方法.首先,提出一种子块运动补偿模型补偿图像背景运动,解决了现有运动补偿模型对强视差背景补偿效果不好的问题.其次,在子块运动补偿模型参数求解时,通过引入自车运动参数简化模型参数个数,并结合直接方法求解,避免了传统基于特征点匹配方法求解参数时易受误匹配特征点影响的问题.然后,针对鱼眼相机的成像形变问题,本文提出了一种三平面校正方法获取鱼眼图像的子块运动补偿图像.最后,利用鱼眼图像的子块运动补偿图像和真实拍摄图像的差异信息实现运动目标检测.多种测试场景下的实验结果表明了本文方法的有效性.     

一种新的快速块匹配运动估计搜索算法

提出了一种基于小波变换域的块匹配运动估计搜索的新算法,模拟实验表明,利用此算法可获得比一般运动块匹配方法更大的峰值信噪比,具有更好的性能复杂度比.     

基于MPEG的全局运动估计技术

提出了一种基于MPEG（moving Picture experts group)的全局运动估计技术;利用四参数模型来描述由摄像机运动带来的全局运动,再利用基于块匹配的算法来求解4个参数,进而作相应的运动补偿,由于MPEG视频流中的运动矢量蕴含了最优块匹配的信息,所以不需要对MPEG视频流完全解码,即可进行参数估计,实验证明该算法速度较快,并能通过运动补偿排除由摄像机运动造成的伪运动区域的干扰。     

数字视频处理中的块匹配运动估计技术

阐述了用于运动图像位移估计的块匹配技术,通过计算机模拟对各种算法性能进行了分析比较,提出了块匹配运动跟踪和补偿算法的改进方法.     

强噪声背景红外微弱动目标集成检测

微弱运动目标检测一直是红外成像识别、跟踪领域中的重要课题.我们提出了一种新的基于强复杂噪声背景的红外微弱运动目标集成检测算法.针对复杂噪声,提出一种新的基于邻域梯度累积平方误差最小原则的自适应滤波算法.该算法,对各种加性、乘性噪声的滤波性能优异且均衡,适合对复杂噪声进行滤波.针对微小目标检测,我们提出一种基于运动平台的微小目标运动场集成检测算法.该算法,改变传统微小目标检测算法,要求提前对运动背景进行精确全域运动估计及补偿的模式,而只对图像运动场进行估计及补偿,提高了算法的可实现性.     

基于运动补偿的视频自适应去隔行算法

针对传统的去隔行算法存在的问题,提出了一种新的基于运动补偿的视频自适应去隔行算法,主要内容包括双向块匹配运动估计、自适应参考域值设置.测试结果表明本算法能够高质量地去除视频图像的隔行效应.     

基于仿射模型的重叠块运动估计补偿方法

本文对 Ｈ．２６３中基于平移模型的重叠块运动估计补偿方法进行改进,提出了一种基于仿射模型的重叠块运动补偿方法,该方法对复杂运动图像质量有明显改善。     

一种运动自适应去隔行技术及其VLSI结构

提出一种有效的运动自适应去隔行算法.该算法通过对同极性的相邻场进行运动检测,把插值点所处的区域分为快速运动区域、慢速运动区域和静止区域,对不同的区域采用不同的插值算法.在边缘检测方面,采用改进型ELA算法克服了传统的ELA算法处理水平边缘方面的不足,使边缘得到有效保护.与运动补偿算法相比,该算法计算复杂度较低,易于VL...     

一种新型基于运动补偿的自适应去隔行算法

去隔行是电视图像增强处理和视频格式转换的一项关键技术，传统的去隔行算法存在着难以克服的缺陷。文章提出了一种基于运动补偿的自适应去隔行算法，其中包括双向块匹配运动估计，消除块效应和自适应插值三个处理模块，实验证明本算法能够高质量且鲁棒地将场图像重建为帧。     

一种运动估计的快速搜索方法

本文提出了动态图像压缩中估计运动矢量的一种快速搜索算法。分析与实验表明，该算法的计算量大大低于二维全搜索，而匹配效果优于三步法等快速算法，目硬件实现简单。它适用于动态图像的实时编码。     

Model-based temporal object verification using video

An approach to model-based dynamic object verification and identification using video is proposed. From image sequences containing the moving object, we compute its motion trajectory. Then we estimate its three-dimensional (3-D) pose at each time step. Pose estimation is formulated as a search problem, with the search space constrained by the motion trajectory information of the moving object and assumptions about the scene structure. A generalized Hausdorff (1962) metric, which is more robust to noise and allows a confidence interpretation, is suggested for the matching procedure used for pose estimation as well as the identification and verification problem. The pose evolution curves are used to assist in the acceptance or rejection of an object hypothesis. The models are acquired from real image sequences of the objects. Edge maps are extracted and used for matching. Results are presented for both infrared and optical sequences containing moving objects involved in complex motions     

一种运动自适应去隔行算法及硬件实现

去隔行算法是电视扫描格式转换和数字视频处理的一项关键技术.本文分析了现有的各种去隔行算法,在此基础上,采用了一种运动自适应去隔行算法.该算法通过运动检测将图像中的像素进行分类,针对不同类型的像素点自适应的采取不同的插值算法,提高了图像的质量.同时与基于块匹配的运动补偿去隔行算法相比,易于硬件实现.     

Edge oriented block motion estimation for video coding

Intensity-based block motion estimation and compensation algorithms are widely used to exploit temporal redundancies in video coding, although they suffer from several drawbacks. One of the problems is that blocks located on boundaries of moving objects are not estimated accurately. It causes poor motion-compensated prediction along the moving edges to which the human visual system is very sensitive. By considering the characteristics of block motions for typical image sequences, an intelligent classifier is proposed to separate blocks containing moving edges to improve on conventional intensity-based block matching approaches. The motion vectors of these blocks are computed using edge matching techniques, so that the motion-compensated frames are tied more closely to the physical features. The proposed method can then make use of this accurate motion information for edge blocks to compute the remaining non-edged blocks. Consequently, a fast and efficient block motion estimation algorithm is developed. Experimental results show that this approach gives a significant improvement in accuracy for motion-compensated frames and computational complexity, in comparison with the traditional intensity-based block motion estimation methods     

Edge detection-based block motion estimation

Block matching algorithms that predict the motion field using blocks of pixels use search heuristics to find the best match. Blocks on the boundary of moving objects create problems for accurately predicting the motion vectors, and make for uncomfortable viewing. The authors propose a new method for accurately determining the motion vectors using the edge-matching criteria. This method gives good motion estimation, with reduced computational requirements     

基于稠密矢量场及自适应补偿的帧率上变换

为了有效解决视频帧率上变换中物体边缘出现的模糊和块效应等问题,结合运动估计,优化了矢量化后处理和运动补偿算法.在基于块的运动估计中,结合运动的时空相关性优化块匹配算法,提高物体边缘运动矢量的准确性;通过基于像素块相关性的插值算法,获取像素矢量场,并保持物体结构完整性;在运动补偿时,结合矢量后处理的分类信息,自适应地进行加权插值计算,提高内插帧的质量.实验结果表明,与传统方法相比,该方法在主观和客观质量上都有较大的提升.     

智能视频监控中目标跟踪的研究与实现

目标跟踪是智能监控领域的关键技术,本文主要是研究实现这一关键技术。提出一种融合运动目标的面积和矩特征进行匹配的算法,并结合运动估计算法对下一时刻目标最可能存在的方位进行预测,实现了对运动目标的跟踪。实验表明该算法能够准确跟踪运动目标,在一定程度上满足了实时性的要求。