塔机吊钩可视化系统的视频稳像算法

针对施工现场工况复杂,塔机吊钩视频稳像效果差的问题,本文提出了一种改进ORB特征匹配与固定滞后Kalman滤波相结合的吊钩视频稳像算法.在图像运动估计中,对经典ORB算法进行改进,采用了图像分块与自适应阈值的特征点提取,并引入图像四叉树算法提高图像特征点分布均匀性;在此基础上,采用背景补偿结合帧间差分法,快速识别局部运动目标并进行剔除,提高了全局运动参数估计的准确性;在运动滤波和补偿阶段,采用固定滞后Kalman滤波算法去除随机抖动分量,以获得视频去抖动的运动补偿参数,进而实现塔机吊钩可视化系统监控视频的稳像处理.实验结果表明:与经典ORB加Kalman滤波的稳像算法相比,本文所提出的稳像算法帧间变换保真度ITF提升了约9.12%,结构相似度平均值■提升了约2.75%,获得了更好的稳像效果,且帧处理速率FPS达到了29.65 f/s,满足塔机实时监控要求.     

动态背景下基于ORB特征匹配的运动目标检测算法

为了能够实时地检测出运动目标,提出一个基于ORB(Oriented FAST and Rotated BRIEF)特征匹配和改进的帧间差分相结合的检测算法。首先运用ORB算法提取特征点,采用RANSAC(RANdom SAmple Consensus)方法求得变换矩阵参数之后获取全局运动补偿图像,然后用帧间差分法实现运动目标的检测。ORB特征点匹配的快速性和准确性与RANSAC方法去除异常点的有效性确保变换矩阵参数的计算准确,再结合帧间差分法快速完整地检测出前景目标。实验结果显示,该算法能够准确地检测出运动目标,并在一定程度上解决了实时检测的问题。     

慢运动背景下运动目标提取算法*

提出一种慢运动背景视频序列下基于帧间背景图像匹配的运动目标检测和提取算法。该算法首先使用仿射变换模型来描述慢运动背景图像的运动变化,并使用基于光流约束方法求解该仿射变换模型参数,实现了相邻帧间图像的背景匹配;其次,采用背景匹配后的两帧图像差进行目标检测,使用自适应二值化区分变化与未变化区域;最后,使用形态学等图像算法进行后处理提取运动目标。算法经实验证明,在背景慢运动情况下可以有效地提取出运动目标。     

视频序列的全景图拼接技术

提出了一种对视频序列进行全景图拼接的方法。主要讨论了有大面积的非刚性运动物体出现的序列，不过此方法也同样适用于无运动物体的纯背景序列。为计算各帧间的投影关系，用仿射模型来描述摄像机运动，并用特征点匹配的方法计算出模型中各参数的值。由于用相关法计算的匹配结果准确率比较低，所以用RANSAC（Random Sampling Consensus）对匹配结果进行了筛选，可以准确求出摄像机运动参数。利用运动参数进行投影，然后用多帧相减并求交集，估计出每帧图像中运动物体存在的区域，最后计算得到了全景图。该方法的结果与前人得到的结果进行了比较，证明用此方法能获得质量较高的全景图。     

基于背景配准的矿井危险区域视频目标检测算法

针对矿井危险区域视频监控视场背景复杂,难以实现视频目标精确提取的问题,提出了一种基于背景配准的视频目标检测算法。该算法实现步骤:提取SIFT特征点,计算特征点区域H-S光流矢量;通过区域运动特性分析提取出背景运动区域,对背景运动区域特征点做帧间匹配;计算仿射参数,配准差分后提取出精确的目标区域。实验结果表明,该算法能够去除前景目标特征点对背景配准的影响,可获得较为精确的目标区域。     

基于Harris角点与改进Hu矩的电子稳像算法

为提高抖动视频电子稳陣系统的稳陣雙果,提出一种基于 Harris 角点和改进 Hu 几何不变矩的电子稳陣算法。该算法检测视频每帧图陣的 Harris 角点为特征点,并计算其邻域图陣改进的 Hu 矩作为对应特征除量,以仿射变换为模型,通过特征点匹配计算前后帧的陒对运动参数,从而计算出图陣序列的运动轨迹,加以陒应的运动平滑补偿,得到保留镜头正常运动信息稳定的视频图陣序列。实验结果表明,在视频图陣帧间存在旋转、平移和轻微缩放的情况下,该算法能有雙降低特征匹配的计算量,且保持良好的匹配雙果。     

基于自适应混合模型和区域特征的多目标跟踪与检测

文章提出了一种基于自适应混合模型和区域特征的多目标跟踪与检测算法。背景分割算法采用高斯混合模型描述每一被观察像素的近期色彩历史，建立自适应背景模型，然后根据背景模型匹配原则决定当前帧中每一像素的类别。在分割结果基础上，以区域特征值之间的欧几里德距离平方作为匹配尺度，将当前图像帧中每一被检测出的区域与历史记录表中的区域相匹配。跟踪过程中，采用卡尔曼滤波器对被检测出的运动区域进行运动参数估计和预测。实验结果表明，这种方法是可行的且鲁棒的。     

矿井车载视频图像稳像算法研究

针对矿井车载摄像系统拍摄的视频因含有前景运动目标及高噪声造成的全局运动矢量估计误匹配率高、实时性较差等问题,提出了一种基于ORB特征匹配与改进粒子滤波的矿井车载视频图像稳像算法。在运动矢量估计阶段,采用ORB算法提取图像特征点;采用基于图像块的连续3帧间差分法,联合时空一致性准则快速剔除前景运动区域的特征点;结合前景标记区域,对特征点位置进行初次筛选,对保留下来的背景特征点进行配准;利用仿射变换模型实现帧间运动矢量的估计。在运动滤波阶段,采用基于估计窗的实时粒子滤波算法滤除抖动分量,获得补偿参数。实验结果表明,该算法有效避免了前景运动目标对稳像精度的影响,且具有较快的处理速度。     

基于BRISK特征的动态背景下运动目标检测

针对动态背景下运动目标检测过程中对检测算法实时性和鲁棒性的要求,提出了一种基于二进制鲁棒不变尺度特征(BRISK)的运动目标检测算法.通过改进的BRISK算法检测特征点;为了保证匹配精度和速度,采用K最近邻(KNN)算法进行特征点匹配;运用基于随机抽样一致性(RANSAC)的全局运动参数估计法获取最优全局运动参数;采用帧间差分法进行运动目标检测.实验结果表明:改进的BRISK算法减少了49.8％的特征点数目,KNN算法去除了85.9％的特征点对;在各种场景下能够准确地检测出运动目标,与以往算法相比检测效果较好.     

摄像机运动下基于背景匹配的运动目标检测

提出一种摄像机运动下的运动目标检测技术。首先获取相邻两帧图像上的对应特征点的坐标后应用到仿射变换模型得到全局运动参量来描述背景图像的运动变化。然后根据估计出的全局运动参量通过双线性内插法完成背景匹配。最后采用背景匹配后的两帧图像差进行目标检测。实验证明本算法在提高处理的精确度和时效性的同时还可以处理摄像机发生较大幅度旋转运动情况下的目标检测。     

Modeling and advanced control method of PVC polymerization process

Based on data driven modeling theory, PVC polymerization process modeling and intelligent optimization control algorithm is studied. Firstly, a multi-T–S fuzzy neural networks soft-sensing model combining the principal component analysis (PCA) and fuzzy c-means (FCM) clustering algorithm is proposed to predict the convention rate and velocity of Vinyle Chloride Monomer (VCM). The proposed hybrid learning algorithm utilizing the harmony search (HS) and least square method is used to adjust the model premise parameters and consequent parameters. Secondly, the generalized predictive control (GPC) algorithm of polymerizer temperature based on segmental affine is proposed. According to dynamic equation of polymerizer temperature deduced by heat balance mechanism, the segmental affine model is built by temperature and convention rate of the polymerizer. Then linear matrix inequality (LMI) method is used to design the controller. Finally, simulation results and industrial application show the validity and feasibility of the proposed control strategy.     

稀疏原子分解算法在AR模型参数估计中的应用

针对自回归(Autoregressive,AR)模型阶数和系数的估计问题,提出一种基于稀疏表示的原子分解新算法。首先,根据AR模型自相关函数特征构造一个过完备稀疏字典;其次,针对含噪观测信号,通过引入松弛变量,建立关于AR模型特征根稀疏恢复的优化模型;最后, 将定阶和参数估计问题转化为求解稀疏最优基问题,并提出一种改进的变尺度变换算法来求解该优化问题。实验结果表明,无论是对模拟信号,还是真实的脑电信号,该算法在定阶和系数估计两方面均优于传统估计方法,具有更好的预测精度和鲁棒性。     

基于变分贝叶斯逼近的前向仿射变换点集匹配方法研究

本文建立了两个点集线性匹配过程的贝叶斯模型框架,并利用变分贝叶斯逼近方法对模型点集到场景点集的仿射参数进行估计。该模型利用一个有向图对映射参数、隐藏变量、模型与场景点集的关系进行了描述,并基于有向图给出了各个参数和变量后验概率的迭代估计算法。而且该模型还利用了一个带有各向异性协方差矩阵的高斯模型对场景点集的离群点进行了估计和推理。实验结果表明该模型在鲁棒性和匹配精度方面均获得了良好的效果。     

基于特征匹配和卡尔曼滤波的机器人视觉稳像

针对机器人视觉稳像问题,建立六参数仿射图像运动模型,给出其递推关系。设计基于梯度的KLT特征提取算法,根据最优绝对误差和进行特征点的匹配,利用超定的运动参数求解方程推导,得到有意运动参数的观测模型,并使用最小二乘法进行求解,对卡尔曼滤波后的运动参数和图像运动模型进行反向求解,实现含抖动视频的稳像补偿。在自主移动机器人平台上的实验结果表明,利用KLT算法得到的特征点分布更合理,速度更快,经相对参数滤波后的图像相比绝对参数滤波更平滑。     

Affine Approximation for Direct Batch Recovery of Euclidian Structure and Motion from Sparse Data

We present a batch method for recovering Euclidian camera motion from sparse image data. The main purpose of the algorithm is to recover the motion parameters using as much of the available information and as few computational steps as possible. The algorithm thus places itself in the gap between factorisation schemes, which make use of all available information in the initial recovery step, and sequential approaches which are able to handle sparseness in the image data. Euclidian camera matrices are approximated via the affine camera model, thus making the recovery direct in the sense that no intermediate projective reconstruction is made. Using a little known closure constraint, the F_A-closure, we are able to formulate the camera coefficients linearly in the entries of the affine fundamental matrices. The novelty of the presented work is twofold: Firstly the presented formulation allows for a particularly good conditioning of the estimation of the initial motion parameters but also for an unprecedented diversity in the choice of possible regularisation terms. Secondly, the new autocalibration scheme presented here is in practice guaranteed to yield a Least Squares Estimate of the calibration parameters. As a bi-product, the affine camera model is rehabilitated as a useful model for most cameras and scene configurations, e.g. wide angle lenses observing a scene at close range. Experiments on real and synthetic data demonstrate the ability to reconstruct scenes which are very problematic for previous structure from motion techniques due to local ambiguities and error accumulation.     

一种新的步态图像序列分割算法

在运动目标步态识别中，从步态图像序列中提取出完整的人体运动轮廓对特征提取、目标分类和目标识别等有着非常重要的意义。提出了一种新的运动目标分割算法：首先应用改进的块匹配算法进行运动估计；然后运用分水岭算法把当前帧图像分割成许多封闭而不重叠的小区域；最后运用仿射参数模型进行运动块区域合并。在CMU步态数据库中采用基准算法进行的实验表明，运用所提出的算法能够提取出完整的人体轮廓，进一步提高步态识别的识别率。     

一种基于仿射变换模型的目标跟踪算法

在图像目标跟踪的应用中,传统方法多采用基于平移运动模型和相关（correlation）类型匹配准则的跟踪算法。该类算法以目标仅发生平移运动为假设前提,难以有效适应目标在图像中通常会发生的缩放、旋转和错切等变化。本文应用了一种基于仿射变换模型的目标跟踪算法。该算法建立起包含六个参数的仿射变换模型,以其描述目标在序列图像中的变化,然后构造适当的匹配误差目标函数,并采用牛顿迭代法求解得到最优的仿射参数。实验结果表明,该算法具有较强的鲁棒性,能够得到较好的跟踪效果。     

基于全局运动仿射模型的视频目标移除

给出一种基于全局运动仿射模型的视频目标移除方法.用仿射模型描述非移除区域的全局运动,通过提取相邻帧的匹配对进行模型参数估计;对于每一帧中待修补的移除区域,根据仿射模型之间的递推关系和运动一致性准则,从其它帧中寻找该区域的信息并进行修补.实验表明,方法能够较好的对运动前景、台标等目标进行移除.     

基于粒子滤波和模拟退火方法的图像配准

图像配准技术在很多领域都应用广泛,如在医学图像分析、计算机视觉、遥感图像等。在仿射变换模型下,只需知道仿射变换参数即可对图像进行配准。为了准确快速地配准,论文在贝叶斯框架下,提出了一种基于粒子滤波和模拟退火法相结合的图像配准算法。首先通过观测模型得到参数的后验概率分布,利用粒子滤波逐步迭代并更新权值来逼近参数的真实值,再利用重构的概率分布模型获得准确的仿射变换参数,对图像进行配准。在粒子更新阶段利用模拟退火算法改进寻优过程,提高运算效率,使结果快速收敛。最后通过实验验证,该文方法易于实现,有较高的准确性和鲁棒性。