一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。     

一种基于背景重建的运动目标检测算法

根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，提出一种改进的基于块的背景重建方法。利用重建得到的背景图象，通过背景消减实现了运动目标的检测，检测结果以运动目标的外接矩形表示。     

一种视频序列中运动目标检测算法

在现有方法的基础上,提出了一种基于Otsu动态阈值背景差法和三帧差法相结合的运动日标检测方法.首先通过改进的Surendra算法建立背景模型,并由Otsu动态阈值背景差分法得到二值图像,然后与三帧差分法结合,得到可靠的运动目标区域并进行背景实时更新.实验结果表明该方法满足视频序列运动目标检测的实时性和准确性要求.     

一种基于码本背景模型的运动目标检测方法

针对减背景算法中复杂背景下背景帧的提取问题,给出了一种码本背景提取方法。利用视频图像序列中的颜色和亮度信息,为每一个像素点创建一个码本,且码本随着其中码字的更新而更新,所有像素点的码本构成一个完整的背景。用当前视频帧和码本进行比较得到前景运动目标。结果表明：算法运算量小,适合做实时处理。     

基于提升小波变换域运动估计的序列图像压缩方法

提出了一种基于小波域运动估计的序列图像压缩编码算法，针对图像经小波分解后生成的子带图像所特有的多分辨率特性，引入了多分辨率运动估计方法，在一定程度上解决了传统的基于空域运动估计而采用全搜索法时存在的搜索范围大、搜索运算量大等问题。此外，本算法采用基于提升格式的第二代整数小波变换进行图像分解，具有运算筒单、节约内存、便于硬件实现等优点。     

一种基于空间信息的运动目标检测方法

针对现实生活中由于光照变化、背景噪声干扰、摄像机抖动等因素对运动目标的检测与识别存在巨大挑战的问题,提出了一种基于空间信息的运动目标检测算法。通过对像素点及其区域的亮度和角度差分等信息提取特征,建立背景模型,去除光照因素的干扰,比较当前帧和背景模型的相似系数确定前景区域,并且采用了自适应阈值的方法二值化前景图。实验证明,该方法能克服光照突变等复杂背景的干扰,实现对运动目标实时准确检测。     

一种基于无人机影像的迭代二值化 道路裂缝检测方法

道路裂缝是评价路面性能指数的一项重要指标,目前常用的检测方法有人工检测法和道路信息检测车检测法,这2种方法作业危险系数大、成本高,而消费级无人机在获取道路裂缝信息方面有着巨大的优势。本文针对现有道路裂缝检测方法存在训练样本大、试验周期长等不足,提出了一种基于无人机影像检测道路裂缝的方法。在对影像进行加权平均灰度化、直方图均衡化、中值滤波去噪等操作后,使用迭代二值化方法获得清晰的二值化影像,并采用积分投影的方式识别裂缝位置加以标记。结果表明,采用迭代二值化路面裂缝检测方法比直接采用基于灰度值特征对原始数据和去噪后数据进行检测效果有显著提升。在迭代次数为15次时,该方法对路面裂缝的识别正确率可达86.6%,误判率为13.4%,并且在复杂场景下有较高鲁棒性,提高了道路裂缝检测效率。     

一种简单有效的视频序列超分辨率复原算法

针对视频序列中逐帧图像的超分辨率复原问题,提出一种基于参考高分辨率图像的视频序列超分辨率复原算法.该算法利用了大多视频设备能同时提供静止图像和动态视频拍摄的特点,以同一场景获取的高分辨率静止图像为参考图像,提取高频细节经运动估计补偿和可信度加权后用于低分辨率序列各帧的超分辨率复原,并采用最大后验概率约束优化进一步提高复原图像的保真度.实验中采用多个序列对算法性能进行了测试,结果表明,该方法对各序列中连续多帧的复原效果均明显优于传统的双线性插值方法和基于最大后验概率(MAP)的静态批处理方法,其平均PSNR值与MAP静态批处理方法相比提高了2.4 dB以上.     

一种复杂背景下的运动目标检测方法

提出一种复杂背景下的运动目标检测方法．它根据背景运动情况下,像素与它领域之间的相关性对实行运动目标的检测,消除由于背景运动所造成的错误检测,并采用自适应背景更新方法,提高算法的稳定性和可靠性．通过实验验证,本算法对光照变化、背景运动、前景和背景互化有很强的适应能力．     

一种基于背景恢复的运动目标的分割方法

提出一种基于背景模型的运动目标的分割方法．该方法结合了背景恢复技术对运动目标进行分割．算法分背景重建、运动目标提取和分割图像后期处理3个步骤．在背景重建过程中提出了新的背景更新策略和新的判断阈值法．文章阐述了方法的基本思想、理论依据和实现．实验表明,该方法具有很好的效果,具有较强实时性．     

基于随机样本的背景建模方法

为了解决目标检测跟踪背景建模所面临的复杂性和提高目标跟踪的响应速度,提出了一种基于随机样本的新的背景建模方法。该方法对每一个像素建立一个背景模型,模型由一系列像素值样本构成,这些样本取自于该像素的历史像素值或其邻域像素值。该像素属于前景目标还是背景通过和模型进行比较来判断。如果像素值属于背景,则用该像素随机替换样本像素值进行模型更新。该算法改进了传统背景建模方法中更新最旧像素值的做法,对背景的光照渐变、突变、动态背景、阴影和噪声都有较强的鲁棒性。实验证明,比较其它背景差技术,本文算法在运算速度和检测正确率方面都具有较好的效果。     

An Underwater Image Bubble Noise Removal Method Based on Optical Flow

基于光流法的水下图像气泡噪声消除方法

李浩,陶建国,罗阳,邓立平,邓宗全

（哈尔滨工业大学 机器人与系统国家重点实验室,哈尔滨 150001）

中文说明：

对于水下机器人来说,准确地检测和定位目标物体是非常重要的。 然而,在许多情况下,由于存在气泡噪声,很难清楚地观察目标物体。本文提出一种基于光流法的水下图像气泡噪声消除方法。 首先使用LK光流算法计算图像背景的运动矢量并补偿背景运动。 然后,通过HS光流算法计算气泡的光流场,并通过二值化图像获得气泡存在的区域。 最后使用相邻的帧图像来修复气泡区域。气泡噪声去除实验结果表明,该方法可有效去除图像中的气泡噪声。

关键词：气泡噪声,光流法,背景运动,图像修复

     

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法．在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹．并进一步结合时域特征,对运动弱小目标进行累积增强．由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能．     

摄像机运动下的动态目标检测与跟踪

研究摄像机运动情况下的运动目标检测和跟踪问题.给出了一种基于块匹配的背景运动补偿差分方法.将此算法和对称差分法结合,给出了一种动摄像机的运动目标跟踪方法,以复杂场景下的人为跟踪目标进行了实验.取得了不错的跟踪效果.实验结果表明,该方法不仅消除了摄像机运动给目标检测造成的影响,而且检测提取的目标比较完整.该方法实现了对运动目标的大角度跟踪,在单摄像机的视频监控系统中有一定的实用价值.     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。