几种块匹配运动估计算法的比较*

在序列图像中,相继帧间存在着很大的空间冗余度,运动估计可以去除相继帧间的冗余信息,保留相关有效信息。在多种运动估计算法中,简单、有效的块匹配算法得到了广泛的应用。通过使用常用序列,对各种块匹配算法(BMA)进行测试比较,给出了一种性能较优的匹配算法。     

视频序列中运动前景的自动提取方法

在兼顾运动图像分割效果和实时性的基础上,针对视频序列,仅利用其时域信息,提出了一种简单有效的运动前景分割算法。首先对图像序列做帧间差分与隔帧差分,然后将两类差分结果进行累积,对累积结果采取交集聚类的方法求出运动前景轮廓。二值化处理后,扫描填充即可得到图像序列中的运动前景。实验证明：该算法兼顾分割效果和实时性的要求,是一种较好的运动前景分割算法。     

基于帧间匹配均值与方差的视频图像隐藏算法

由于视频图像的信息量巨大,只有通过压缩才能存储和传输,而传输过程中发生的误码又往往导致压缩后的图像数据或同步信息的丢失,为此提出了一种基于帧间匹配均值与方差的时域错误隐藏算法,该算法首先以与错误块上、下、左、右相邻的若干行或列像素进行帧间匹配,然后根据匹配结果的均值和方差判别错误块内图像的运动状况,最后针对不同的运动状况选择合适的隐藏方法对错误块进行隐藏处理。大量的模拟实验结果表明,利用该算法隐藏的图像在视觉效果和峰值信噪比（PSNR）两方面均优于同类算法。     

一种基于帧间差分与时空相关性分析的运动目标检测算法

分析现有复杂背景下运动目标检测与分割算法存在的不足,提出一种基于帧间差分与时空相关性分析的运动目标检测算法.结合帧图象中象素的空间相关性和帧间差分进行运动目标的分离,用序列图象中运动目标所具有的时间相关性来验证目标的真实性,剔除虚假的运动信息.实验结果表明,能较好地检测出目标,具有较好地抗干扰能力.     

基于时空信息的运动目标检测

在充分研究基于时间信息的帧间差分法和基于空间信息的背景差分法的基础上,提出了一种综合利用视频图像序列的时间信息和空间信息的运动目标检测算法。该算法不仅有效地消除了噪声,还保证了运动图像的完整性。实验表明该算法检测准确、实时性强。     

基于帧间小波变换的视频水印研究

针对数字视频版权保护及信息隐藏技术的需要,本文提出了一种基于帧间小波变换的视频水印算法。该算法首先对视频序列进行等长分组,然后对各组中的视频序列进行最大级数的帧间一维小波变换,从而可以得到一帧低频图像和多帧高频图像,其中低频图像聚集了视频序列的大部分能量,而高频图像的能量相对较小。本文对低频图像进行奇异值分解,然后将水印图像嵌入到低频图像的奇异值变换域上。在水印的嵌入与提取过程中只对4帧视频图像进行小波变换,所需内存较小,并易于硬件实现。实验结果表明,本文提出的视频水印算法具有较好的隐蔽性和鲁棒性。     

基于帧间预测的视频水印算法

数字水印技术是视频版权保护的一种重要方法。研究了一种新的鲁棒型视频水印算法,水印嵌入时,对原始视频亮度分量的帧图像整体做DCT变换,将扩频序列叠加在其低频系数段上。水印检测时,首先基于运动估计对水印视频做帧间预测,把得到的运动补偿帧与当前帧相减,并对该残差图像整体做DCT变换,取相应低频系数段作为估计序列,将该序列与原始水印序列的相关性作为水印是否存在的判决依据。实验证明该算法具有良好的鲁棒性。     

基于梯度投影法的电子稳像算法

灰度投影法在灰度值单一、对比度差的图像序列中的运动估计不精准,易造成误差。针对该问题,提出一种基于梯度投影法的电子稳像算法。该算法根据梯度帧内变化剧烈、帧间变化稳定、梯度投影曲线变化明显等特点,利用图像的梯度分布情况进行运动估计。实验结果表明,该算法可提高微光图像序列的帧间运动估计精度。     

视频运动对象的自动分割

视频运动对象的分割技术在运动视觉检测和新的MPEG-4视频编码标准中十分重要，提出了一种运动对象分割算法，该算法采用序列图像帧间差的高阶统计量(Higher Order Statistics，HOS)假设检验，确定运动对象的位置，自动分离运动区域与背景；根据三帧序列图像中前后帧差图像灰度边缘重合的部分为中间帧运动对象的边缘来有效地解决运动对象前后帧的遮挡问题；采用形态滤波的方法填充分割出的运动对象二值模板中的空洞，消除残余噪声及平滑边缘，分析和实验证明，该算法需要调整的参数少，抗干扰能力强，可以高效率地进行运动对象的自动分割，此外，该算法具有潜在的并行机制，易于实现实时运动图像处理。     

基于上下文的自适应运动搜索算法

通过分析序列编码结果,根据已编码帧预测模式分布和序列的运动信息,对运动特性不同的宏块选择不同的运动搜索方案。结合提前退出策略以及分层的搜索模式,提出一种新的运动搜索算法。实验结果表明,算法编码质量接近全搜索算法,算法执行时间小于全搜索算法,在速度和质量上都优于钻石搜索算法、新3步法、六边形搜索算法,适用于不同运动特性的视频序列。