基于帧差法和Mean Shift融合的浮选中颗粒跟踪方法

为了准确地跟踪浮选视频序列中的絮体颗粒,提出一种结合帧差法与Mean Shift的多运动目标跟踪方法。首先使用帧间差分法对视频文件中的初始两帧图像进行差分处理,进而检测得到运动目标,并确定跟踪窗口和跟踪目标的中心位置;然后结合数学形态学处理优化差分图像,滤除噪声干扰;最后利用求得的核直方图模型在下一帧图像内进行搜索,通过Mean Shift算法找到最佳匹配区域,达到对颗粒位置跟踪的目的。结果表明,该算法可以迅速并高效地跟踪浮选过程中的多个絮体颗粒,具有优越的鲁棒性和实时性。     

改进STC和SURF特征联合优化的目标跟踪算法

针对传统时空上下文目标跟踪(STC)算法中目标窗口不能适应目标尺度变化,导致对目标针对性不强等问题,提出改进STC和SURF特征联合优化的目标跟踪算法(STC-SURF)。首先利用加速稳健(SURF)特征算法对相邻的2帧图像提取特征点并进行匹配,再通过随机抽样一致(RANSAC)算法消除误匹配,提高匹配精度。进而根据2帧图像中匹配特征点的变化对目标窗口进行调整。最终对STC算法中模型的更新方式进行优化以提高跟踪结果的准确性。实验结果表明,STC-SURF算法能够适应目标尺度变化,并且其目标跟踪成功率优于TLD算法和传统STC算法的。     

基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade．Lucas跟踪算法来计算帧间特征点的匹配，然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小，能实时实现并提供可靠的背景运动模型估计。     

一种基于帧间差探测函数模型的运动估计算法

针对基于匹配搜索的运动估计快速算法中,匹配环节在运动估计算法中耗费大量的处理时间,使得块匹配法运动估计实时性差的问题,提出了一种基于帧间差探测函数模型的运动估计新算法,该算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,并确定了实际的帧间差探测函数模型中参数的选择策略.实验结果及分析表明,该算法不仅能够很好地完成较复杂背景下运动小目标的跟踪,而且能够获得相对于块匹配法更好的实时性能.     

复杂场景下灰度图像的运动目标跟踪

提出了一种对复杂场景下灰度图像序列中运动目标分割和跟踪的新方法:首先,利用光流法分割出运动目标;然后,以mean shift算法为核心跟踪感兴趣的目标.跟踪过程中以目标灰度直方图为特征进行帧与帧之间的目标匹配,其匹配的相似度以Bhattacharyya系数来测量.算法中利用Kalman滤波器对运动目标在图像中的位置进行预测,不仅可以有效解决目标的暂时遮挡问题,而且可以缩小模式匹配的搜索范围,提高处理速度.实验结果和对实验相关数据的分析验证了该跟踪算法的有效性和实时性.     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

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。     

基于二维透射变换的视频全景图拼接算法

视频序列全景图拼接技术是视频图像分析的关键技术之一。针对帧间运动模型为二维投影变换的常见视频序列,提出了一种全景图拼接算法.该算法首先采用改进的基于RANSAC的特征点匹配算法对相邻帧的运动参数进行估计,接着采用直接法对各帧与全景图间的运动参数进行精确调整,最后运用自适应中值滤波绘制出全景图。实验结果表明,该方法能够生成较高质量的全景图,基本能实现无缝连接。     

基于Camshift算法的运动目标检测

CamShift算法是一种实时的跟踪算法,它是利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。本系统主要是基于CamShift的算法设计一个对运动目标跟踪检测系统,本系统既可以对室内环境的运动目标进行跟踪,也可以对视频流中的运动目标进行跟踪。     

基于视差空间的双目视觉里程计

提出了一种基于视差空间的双目视觉里程计算法.利用SIFT特征点的尺度和旋转不变性,实现左、右图像对特征点的准确匹配,及前后帧间的特征跟踪.在RANSAC框架下对匹配点进行运动估计获得运动参数初始值,然后迭代更新匹配点的视差比值直至收敛.为克服传统算法中3维空间噪声分布不均匀的缺陷,利用了视差空间噪声分布的各向同性的性质进行运动估计,并且通过迭代取得全局最小值.实验结果表明,该算法在运动估计中具有更好的精度.     

基于特征跟踪和网格路径运动的视频稳像算法

针对手持移动设备拍摄的抖动视频问题,提出了一种基于特征跟踪和网格路径运动的视频稳像算法。通过SIFT算法提取视频帧的特征点,采用KLT算法追踪特征点,利用RANSAC算法估计相邻帧间的仿射变换矩阵,将视频帧划分为均匀的网格,计算视频的运动轨迹,再通过极小化能量函数优化平滑多条网格路径。最后由原相机路径与平滑相机路径的关系,计算相邻帧间的补偿矩阵,利用补偿矩阵对每一帧进行几何变换,从而得到稳定的视频。实验表明,该算法在手持移动设备拍摄的抖动视频中有较好的结果,其中稳像后视频的PSNR平均值相比原抖动视频PSNR值大约提升了11.2 dB。与捆绑相机路径方法相比约提升了2.3 dB。图像间的结构相似性SSIM平均值大约提升了59%,与捆绑相机路径方法相比约提升了3.3%。     

基于角点检测的彩色图像拼接技术

针对彩色图像的拼接问题,提出了一种基于角点检测和仿射变换模型的图像配准算法.利用Harris算子在彩色图像的HSV空间的亮度分量V中检测角点,然后引入基于灰度相关交叉匹配和简化RANSAC算法的两级约束机制确定同名角点,并计算图像仿射变换模型参数,实现图像配准.同时结合人眼的视觉非线性给出了一种分段加权函数,通过对饱和度分量S和亮度分量V的处理,消除明显的拼接缝,实现色彩和亮度的平稳过渡.实验结果表明,该算法具有良好的拼接精度和拼接缝消除效果.     

基于蛙人探测声纳序列图像的水下小目标检测算法

针对水下监控系统的小目标检测问题,在分析蛙人探测声纳成像特点的基础上,提出了基于图像二值化和区域生长法的自适应双帧差法.通过将双帧差结果与当前帧的二值化图像进行“与”运算来消除“双影”,然后采用区域生长法消除“空洞”,最后根据检测结果自适应地调整阈值.克服了三帧法和累积帧差法在处理空洞和双影问题时存在较长时延的缺陷,提...     

红外序列图像的小目标检测

在红外序列图像中识别规则变化小目标时,传统Top-hat算法是常用的目标检测方法,但是可能会检测到很多虚假目标,而且目标发生变化时不能稳定检测。为了准确检测目标,提出一种红外序列图像中规则变化的小目标检测方法。首先对序列图像利用SIFT算法提取特征点,然后利用RANSAC算法进行特征匹配,拼接形成全景图像,结合对单帧图像利用改进的Top-hat算法进行小目标检测,并且标记,最后根据标记的统计结果得到真实目标位置。     

铁路视频序列的FOE的估计

在结构化场景的轨道交通中,车载视频观测因相机平移运动而呈现出图像内容以某点为中心向四周扩散的现象,该点被称为FOE (Focus of Expansion)。 当前计算FOE的算法对噪声敏感且计算量大,不能准确地计算铁路场景中的FOE。鉴于此,文中提出一种铁路视频序列的FOE估计方法。该方法首先利用金字塔光流法对检测的Harris角点进行跟踪和粗匹配,并在此基础上利用RANSAC算法进行精确的匹配,求得基础矩阵,然后提取图像中的极线束并计算FOE。实验结果表明,所提算法比Hough 直线求得的FOE误差小,适于实时应用。     

改进的RANSAC算法在图像配准中的应用

为了提高图像配准的速度,提出了一种基于改进的随机抽样一致性（RANSAC）算法的快速图像配准方法。该方法首先采用Harris角点检测算法提取出参考图像和目标图像的特征角点,然后利用灰度相关性进行特征角点的匹配,最后采用基于预检测的RANSAC算法快速而精确地估计变换矩阵,进行图像配准。该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,提高了算法的速度。同时使用随机块选取法选择样本,很好地消除外点的影响进而保证精度。实验结果表明,此方法在得到较高的精度和鲁棒性的情况下,还大幅度减少了运算量,提高了图像配准的速度。     

结合光流法和卡尔曼滤波的视频稳像算法

针对手机拍摄过程中产生的视频抖动问题,提出了一种基于光流法和卡尔曼滤波的视频稳像算法。首先通过光流法预稳定抖动视频,对其生成的预稳定视频帧进行Shi-Tomasi角点检测,并采用LK算法跟踪角点,再利用RANSAC算法估计相邻帧间的仿射变换矩阵,由此计算得出原始相机路径;然后通过卡尔曼滤波器优化平滑相机路径,得到平滑相机路径;最后由原始相机路径与平滑路径的关系,计算相邻帧间的补偿矩阵,再利用补偿矩阵对视频帧逐一进行几何变换,由此得到稳定的视频输出。实验表明,该算法在处理6大类抖动视频时均有较好的效果,其中稳像后视频的PSNR值相比原始视频的PSNR值约提升了6.631 dB,视频帧间的结构相似性SSIM约提升了40%,平均曲率值约提升了8.3%。     

基于2点RANSAC的无人直升机单目视觉SLAM

1点随机抽样一致性(RANSAC)算法是一种准确度高、计算量小的数据关联算法,但是其在摄像机多个轴上的角速度都快速变化时会失效,用在以无人直升机为载体的单目视觉同步定位与地图构建(SLAM)上存在滤波发散的风险.针对该问题,提出2点RANSAC算法,结合EKF运动模型的先验信息,用只抽样2个匹配点的RANSAC去除野点.在微小型无人直升机平台上进行了基于2点RANSAC算法的单目视觉SLAM实验,实验结果表明2点RANSAC算法工作可靠,SLAM的位姿估计精度可以达到自主飞行需要.     

航拍视频中运动目标检测算法研究

针对复杂背景下航拍视频中的运动目标检测问题,提出一种基于改进的特征匹配算法与全局运动补偿的防抖方法,以及结合多帧能量累积的运动目标检测算法。首先,采取局部区域匹配法加快该算法的处理速度,避免运动目标对背景补偿的影响;其次,利用尺度不变的SURF算法,结合快速近似最邻近搜索算法得到匹配点对,并通过双向匹配和K-近邻算法筛选优秀匹配点;然后,建立仿射变换模型,求解运动参数,并进行运动补偿;最后,通过多帧能量累积进行目标检测。仿真结果表明,该方法具有良好的运动目标检测效果。     

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.