结合运动矢量和像素递归的全局运动估计方法

全局运动估计是计算机视觉、视频处理等领域中一项重要研究课题。结合运动矢量和像素递归提出一种新的全局运动估计方法,该方法根据块运动矢量求出运动矢量直方图,找出主要块运动方向作为初始的全局运动方向,并初始化全局运动参数。利用运动矢量间距离及类间方差求出运动矢量分割阈值,自适应地去除外点块区域。根据背景块梯度和值的大小,在每个背景块中选择一到两个特征像素点进行运动参数估计。实验结果表明,该方法具有较快的计算速度,同时也具有较高的计算精度。     

基于运动相似性的运动对象分割算法

由于全局运动参数在一些情况下不能很准确地被估计，因此基于全局运动补偿算法存在一定的局限性。该文提出了一种基于运动相似性的视频运动对象的分割算法。该算法对运动矢量场进行累加和滤波处理，根据运动相似性对运动对象进行初次分割，并利用空间相关性进行二次分割，细化运动对象边缘。实验结果表明该算法避免了全局运动补偿算法的局限性，并使分割的精确性有明显提高。     

一种适用于动态场景的运动目标提取新算法

在动态场景中提取运动目标是开展视频分析的关键问题,也是当前计算机视觉与图像处理技术领域中的热门课题。本文提出了一种适用于动态场景的运动目标提取新算法,算法先根据摄像机全局运动模型计算全局运动参数,再利用三帧差分法得到分割的前景。将分割为背景的像素点映射到邻近帧,求得各帧的像素点为背景时其高斯模型的均值及方差。最后利用粒子滤波预测出下一帧前景区域,计算各像素点为前景的概率,获得运动目标的视频分割结果。实验表明,本文算法有效地克服了由于全局运动模型参数估算偏差而导致的累积误差,能以更高精度实现跳水运动视频中的目标分割。     

一种动态场景下运动对象分割新算法

视频运动对象分割是计算机视觉和视频处理的基本问题。在摄像机存在全局运动的动态场景下,准确分割运动对象依然是难点和热点问题。本文提出一种基于全局运动补偿和核密度检测的动态场景下视频运动对象分割算法。首先,提出匹配加权的全局运动估计补偿算法,消除动态场景下背景运动对运动对象分割的影响;其次,采用非参数核密度估计方法分别估计各像素属于前景与背景的概率密度,通过比较属于前景和属于背景的概率及形态学处理得到运动对象分割结果。实验结果证明,该方法实现简单,有效地提高了动态场景下运动对象分割的准确性。     

基于相位相关法的全局运动估计算法

提出了一种基于鲁捧统计和相位相关法相结合的全局运动估计算法;由于相位相关法利用图像的功率谱信息,减少了对图像内容的依赖,具有一定的抗噪能力,因此该算法将块匹配法与相位相关相结合来计算图像间的运动矢量场,不仅减少了运算量而且能得到更加准确的矢量场;为了提高模型参数估计精度和运算效率,运用多分辨率鲁棒统计的方法来计算运动估计模型参数;航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。     

一种动态场景下基于时空信息的视频对象提取算法

在实际应用中,许多视频序列具有运动背景,使得从其中提取视频对象变得复杂,为此提出了一种基于运动估计和图形金字塔的动态场景下的视频对象提取算法。该算法首先引入了相位相关法求取运动向量,因避免了视频序列中光照变化的影响,故可提高效率和稳健性;接着再根据参数模型进行全局运动估计来得到最终运动模板;然后利用图形金字塔算法对当前模板内图像区域进行空间分割,最终提取出语义视频对象。与现有算法相比,对于从具有动态场景的视频流中提取运动对象的情况,由于使用该算法能有效地避开精准背景补偿,因而不仅节省了计算量,而且提取出来的语义对象精度较高。实验表明,无论是对动态场景中刚性还是非刚性运动物体的分割,该算法都具有较好的效果。     

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。     

基于背景估计的运动检测算法

为了有效检测出运动目标静止后的轮廓和抑制视频抖动给运动检测带来的影响,提出了基于背景估计的运动检测算法。采用带模板遮罩的背景更新策略来避免目标前景区域被更新,同时根据纹理相似性,对目标遮挡区域的背景进行估算,使得在光照变化下遮挡区域得到同步更新。通过视频稳定算法得到全局运动参数和局部运动参数,然后利用全局运动参数稳定视频,利用局部运动参数作为运动目标检测的输入,最后利用高斯模型来检测运动目标。通过对多段抖动视频做实验,结果验证了该算法的准确性和有效性。     

基于加权运动估计和矢量分割的运动补偿内插算法

提出了一种基于加权运动估计、矢量分割和可变块层次化处理的运动补偿内插(Motion-compensated frame interpolation, MCFI)算法. 首先, 提出一种加权运动估计改善了运动矢量(Motion vector, MV)的准确度, 其次, 通过矢量聚类分割将视频帧分割为运动区域和背景, 然后对运动区域的运动矢量进行了可变块层次化处理. 此过程中, 采用可变块合并算法保证了运动物体的边缘结构信息不被损坏. 同时考虑到部分可变块的多方向性, 使用了自适应矢量中值滤波器和矢量平滑降低了运动块大小, 能有效地消除传统方法中出现的方块效应和重影现象. 实验结果表明该算法在内插图像的主观视觉效果和客观评估标准上都有所提高, 而且对于运动较快及背景较复杂的视频序列同样具有较强的适应性.     

Fast and accurate global motion estimation algorithm using pixel subsampling

Global motion generally describes the motion of a camera, although it may comprise motions of large objects. Global motions are often modeled by parametric transformations of two-dimensional images. The process of estimating the motions parameters is called global motion estimation (GME). GME is widely employed in many applications such as video coding, image stabilization and super-resolution. To estimate global motion parameters, the Levenburg–Marquardt algorithm (LMA) is typically used to minimize an objective function iteratively. Since the region of support for the global motion representation consists of the entire image frame, the minimization process tends to be very expensive computationally by involving all the pixels within an image frame. In order to significantly reduce the computational complexity of the LMA, we proposed to select only a small subset of the pixels for estimating the motion parameters, based on several subsampling patterns and their combinations. Simulation results demonstrated that the proposed method could speed up the conventional GME approach by over ten times, with only a very slight loss (less than 0.1 dB) in estimation accuracy. The proposed method was also found to outperform several state-of-the-art fast GME methods in terms of the speed/accuracy tradeoffs.     

基于矢量相关性的自适应运动估计搜索算法

为了减少运动估计的计算量,提高视频压缩编码的效率,提出了一种基于矢量相关性的自适应运动估计搜索算法(简称NAME算法),该算法通过判断当前所要编码块的左、上、右上3个相邻块所对应的运动矢量之间的相关性,将所要编码的块划分为相关类型块和独立类型块,并自适应地对相关类型块和独立类型块采用不同的搜索方式以减少搜索点数并保证搜索准确度。仿真结果表明,该算法与全搜索、菱形搜索和六边形搜索等快速算法相比,在保证图像质量的前提下,搜索速度有了明显的提高。     

一种块匹配的快速运动估计算法

为了减小运动估计算法的计算复杂度及提高视频压缩编码的效率，提出了一种新的快速、有效的块匹配运动估计算法。该算法首先采用多步搜索策略，并利用相邻块的运动矢量来预测当前块的搜索起点，然后用梯度下降的方向来指导搜索方向，以节约计算资源，对于最佳匹配点所在区域，则采用菱形与正方形相结合的模板来进行精细搜索，以提高算法的搜索精度。实验结果证明，该算法在降低计算复杂度的同时，还能有效地保证搜索精度。     

基于掩模金字塔的高精度全局运动估计算法

在视频序列的全局运动估计中,前景运动对象的存在常常会大幅度地降低估计的精度,为此提出一种对前景对象自适应的高精度全局运动估计算法.该算法以像素块为单位,利用块内外点的比重判定前景区域,同时引入马尔可夫聚类方法进行后处理,有效地提高了运动对象的定位精度;通过对目标函数引入权重系数增强对残差的鲁棒性,以进一步提高算法的估计精度.此外,基于像素掩模的3层金字塔构建序列图像,并将改进的梯度方法引入到优化过程中,提高了算法的实时性.对不同运动类型的标准视频序列的实验结果表明,该算法有效地提高了全局运动估计的精度和速度.     

AVS分像素运动估计优化算法

针对AVS分像素运动估计的问题,提出一种优化的估计方法。包括分像素自适应提前中止算法和改进的分像素内插方法。该方法能降低分像素运动搜索的内插复杂度和搜索次数,适用于DSP、FPGA等嵌入式平台的实现。实验结果表明,在保证图像质量的前提下,该算法的总体运算复杂度降低了70%以上。     

基于H.264压缩域的镜头运动信息提取

本文根据H．264编码特点，提出了一种从H.264压缩域中快速有效地进行镜头运动参数估计的算法。镜头运动信息在视频分析处理中起着重要的作用。该算法充分利用了H．264压缩码流中的信息，通过提取预测残差DC图像的运动背景区域，估计镜头运动参数，从而保证了参数估计的准确性，有效地克服了已有文献中仅仅采用运动矢量进行镜头运动估计的局限性。根据不同的H．264测试序列的对比分析，结果表明本算法可快速准确地对H．264视频序列进行全局运动信息估计，同时具有很高的鲁棒性。     

一种基于DS与ARPS混合使用的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和改善运动补偿的性能,提出了一种基于菱形搜索（DS）和自适应十字模式搜索（ARPS）两种方法混合使用的块匹配算法。该算法利用DS算法搜索精度高和ARPS算法搜索速度快的特点,综合固定模式搜索和空间相关搜索两方面的优点,对于相邻两帧图像中的不变宏块采用零运动预先判断以减少算法的计算量,并利用运动矢量的空间一致性提高预测运动矢量的质量。实验结果表明,该算法与ARPS算法相比,在保证搜索精度的同时,计算复杂度至少减小了20%。     

基于线性预测的半像素运动估计

在视频编码系统中,半像素精度的运动估计虽可以明显地改善编码效果,但也因此增加了不少运算量。为了降低运算量和提高半像素运动估计的速度,提出了一种全新的半像素搜索算法(half-pixel motion estimation based on linear prediction,简称BLPHME),其关键思想是通过分析整像素搜索和半像素搜索结果之间的相关性来建立一个线性模型,通过动态调整判决门限,以便预测并跳过那些不能从半像素块匹配搜索中得到好处的块。实验结果表明,该算法不仅可以明显地降低运动估计的运算量,同时还能得到与传统算法非常接近的图像质量和码率。此外,该算法还可以和基于整像素和半像素的快速运动估计算法一起使用,以进一步降低运算量。