融合多次运动估计的图像序列超分辨率重建算法

随着成像传感器的广泛使用，对图像以及图像序列分辨率的要求越来越高。图像序列超分辨率技术受到广泛的重视。超分辨率技术通过信号处理的方法，由低分辨率图像序列中恢复出高分辨率的图像。它的理论基础是信号重建理论。在图像传感器成像过程中，CCD面阵对投影图像进行采样。     

多聚焦图像焦深扩展分解融合算法仿真

多聚焦图像在融合过程中，若源图像分辨率过低会直接影响图像的融合效果。为提升图像融合效果，提出基于焦深扩展的多聚焦图像融合算法。采用焦深扩展方法对光学系统实施优化，通过优化后的光学系统生成聚焦图像，并对获取的聚焦图像中的退化图像实施修复处理，提升源聚焦图像质量；使用双三次插值的单帧超分辨率法对图像实施分解处理，获取源聚焦图像的高分辨率图像，结合滤波处理算法，获取聚焦图像的细节系数；利用逆小波变换方法对图像细节系数，依据计算结果实现多聚焦图像融合。实验结果表明，使用上述方法开展图像融合时，融合效果较好，图像融合质量较高。     

一种针对超大分辨率图像的分割填充算法

针对超大分辨率图像的填充问题提出一种图像分割与基于队列的填充算法。该算法分为图像分割与图像填充2个部分,适用于超大分辨率图像,特别是盆地模拟中的地质图的填充,能克服一般算法在处理大分辨率图像时存在的效率较低、精度不高和资源占用多等缺陷。将该算法应用到盆地模拟工程实践中,取得了较好的填充效果。     

基于MAP框架的图像序列超分辨率和模板匹配

许多图像序列处理系统的最终目的是自动或半自动地提取图像序列中的信息．为了得到被拍摄物体更清晰的影像，需要利用超分辨率技术提高分辨率．为了分析图像中的信息，常常需要利用模板匹配．以往这两个问题是分开求解的．该文提出在统一的基于最大后验概率估计的算法框架下同时求解图像序列超分辨率和模板匹配问题．算法框架具有以下两个特点：首先，在超分辨率中引入了模板库中的先验知识，提高了超分辨率的恢复效果．其次，在模板匹配中更充分地利用了图像序列中的信息，提高了模板匹配的准确性．文章的最后给出了算法在车牌识别中的实验结果．     

CPLD在DSP多分辨率图像采集系统中的应用

基于嵌入式系统中对图像实时采集的需要，设计了一种以CPLD和DSP器件为核心的多分辨率图像采集处理系统，提出一种由CPLD控制图像的行、场信号延时，奇偶数据分离存储来得到不同分辨率的图像数据的方法。全文分别就数据采集的逻辑功能设计；总线逻辑切换设计；CPLD逻辑功能仿真验证等进行了详细介绍。     

图像超分辨率重建的研究进展

图像超分辨率重建技术对于输入的低分辨率图像进行相关处理,从而重构出高分辨率图像,该技术已经成为图像处理研究领域的一个热点方向。对超分辨率图像重建的研究进展进行了综述。阐述了图像超分辨率重建的基本原理。对基于重建的图像超分辨重建中：IBP,POCS等算法,基于学习的图像超分辨率重建中：稀疏表示,基于深度神经网络等算法及一些相关改进的算法进行了综述。对图像超分辨率重建的研究提出了展望。     

边缘检测算法在不同分辨率图像中的性能研究

边缘检测是图像处理、计算机视觉中的重要内容之一，是实现图像分割、特征提取和图像理解的基础。也是仍未得到圆满解决的研究课题；图像分辨率是衡量图像质量的重要参数，分辨率越高图像质量越好，存储空间也越大；重点讨论了数字图像边缘检测中常用的几种经典的边缘检测算法对图像在不同分辨率时的性能变化，以及图像在不同分辨率条件下加入噪声时的性能变化，分析了造成这些变化的主要原因；同时，通过实验得出了这些边缘检测算法的优缺点和一些经验性结论，以便在实际应用中更好地发挥它们的特长；实验证明，这些边缘检测算法对图像和加噪图像在不同分辨率下的性能及其变化存在明显的差异。     

图像拼接的改进算法

图像拼接在制作全景图的过程中具有重要作用，但是现有的方法不能很好地处理鬼影和曝光差异，针对存在的问题，提出了一种实现图像拼接的算法．首先利用动态规划的方法在要进行拼接的图像中找到一条最佳的缝合线，然后利用多分辨率技术进行拼接，解决了鬼影和曝光差异。     

基于深度卷积神经网络的图像帧间补偿研究

由于图像分辨率低,传输过程中容易出现图像丢失、不清晰现象。针对上述问题,提出一种深度卷积神经网络算法实现图像帧间补偿。首先依据深度卷积神经网络构建图像帧间补偿模型,其次采用稀疏自编码与线性解码方式提取出该补偿模型的图像特征,再通过多层卷积神经网络对图像特征做映射处理,最后根据稀疏算法重建图像帧分辨率,使图像帧间得到补偿。实验结果表明,基于深度卷积神经网络的图像帧补偿实训可以有效提高图像帧分辨率,解决图像丢失问题,实现了图像高清晰化。     

基于小波变换的多分辨率图像融合技术的研究

本文提出了使用小波变换对多幅不同分辨率图像进行融合的方法。该方法对大分辨率图像进行正交小波变换分解图像,然后把逼近部分和小分辨率图像进行处理,得到处理的小波系数矩阵,对该矩阵进行反变换,得到一幅汲取两幅图像优势的融合图像。最后对该方法进行了实验,效果较好。     

A strong tracking nonlinear robust filter for eye tracking

Non-intrusive methods for eye tracking are important for many applications of vision-based human computer interaction. However, due to the high nonlinearity of eye motion, how to ensure the robustness of external interference and accuracy of eye tracking pose the primary obstacle to the integration of eye movements into today’s interfaces. In this paper, we present a strong tracking unscented Kalman filter (ST-UKF) algorithm, aiming to overcome the difficulty in nonlinear eye tracking. In the proposed ST-UKF, the Suboptimal fading factor of strong tracking filtering is introduced to improve robustness and accuracy of eye tracking. Compared with the related Kalman filter for eye tracking, the proposed ST-UKF has potential advantages in robustness and tracking accuracy. The last experimental results show the validity of our method for eye tracking under realistic conditions.     

尺度补偿的相关核滤波器跟踪

相关核滤波器跟踪是工程实际中非常实用的跟踪算法,它的算法简单,只需要在下一帧进行一个样本的密集采样就能对目标进行跟踪,但是对于有尺度变化的目标跟踪的适用性不足。采用了尺度补偿的相关核滤波器跟踪算法,对相关核滤波器跟踪进行了改进。首先使用了点跟踪补偿机制对相关核滤波器尺度和位移进行补偿;其次采用了压缩感知提取的特征建立模板对目标进行建模,在关键帧进行目标的重检测来防止尺度估计带来的跟踪误差。通过实验对提出的算法进行了标准视频库的测试,并在中心点误差和实际跟踪覆盖率两个指标上与原算法进行了对比分析。实验结果表明,提出的具有尺度补偿的跟踪算法提高了相关核滤波器跟踪在有尺度属性变化视频序列中的准确率和实用性。     

基于多Agent协同跟踪调度技术研究

为了减少时效性要求较高的动态目标跟踪的调度时间,提出了一种基于多Agent的自适应协同跟踪平台选择算法。首先,提出Agent模型的应用;然后,以最小化调度时间和跟踪误差为目标建立适应度函数,采用合同网结合二值粒子群优化的方法,选出针对特定目标的最佳跟踪平台组合。仿真结果表明,与现有的几个算法相比,该方法有效减少了调度时间,提高了跟踪精度,适用于实时性高的高速运动目标跟踪。     

基于KCF和SIFT特征的抗遮挡目标跟踪算法

为了解决KCF目标跟踪中由于目标遮挡和目标尺度的变化造成跟踪目标丢失的问题,对核相关滤波器(KCF)目标跟踪的框架进行了研究,提出了一种基于KCF和SIFT特征的抗遮挡目标跟踪算法,引入了一种目标跟踪丢失后重新搜索定位目标的策略。利用尺度金字塔估计出目标的尺度,实现跟踪框自适应目标尺度大小,通过核相关滤波器(KCF)跟踪算法对目标进行跟踪。跟踪过程中对目标遮挡情况进行判断,当目标遮挡时,对当前帧跟踪框内的目标提取SIFT特征,生成模板特征。提取下一帧视频图像的SIFT特征并与模板特征进行匹配,框出与模板特征相匹配的目标,对目标继续进行跟踪。通过TB数据库标准视频序列和实际环境拍摄的视频序列进行测试。实验结果表明,跟踪框能适应目标的大小,在目标发生遮挡的情况下,能够重新找到目标并进行准确跟踪。     

An integrated head pose and eye gaze tracking approach to non-intrusive visual attention measurement for wide FOV simulators

Eye gaze tracking is very useful for quantitatively measuring visual attention in virtual environments. However, most eye trackers have a limited tracking range, e.g., ±35° in the horizontal direction. This paper proposed a method to combine head pose tracking and eye gaze tracking together to achieve a large range of tracking in virtual driving simulation environments. Multiple parallel multilayer perceptrons were used to reconstruct the relationship between head images and head poses. Head images were represented with the coefficients extracted from Principal Component Analysis. Eye gaze tracking provides precise results on the front view, while head pose tracking is more suitable for tracking areas of interest than for tracking points of interest on the side view.     

视觉目标跟踪方法研究综述

目的 随着军事侦察任务设备的发展,红外与可见光侦察技术成为军事装备中的主要侦察手段。研究视觉目标跟踪技术对提高任务设备的全天候目标侦察、目标跟踪、目标定位等战场情报获取能力具有重要意义。目前,对视觉目标跟踪技术的研究越来越深入,目标跟踪的方法和种类也越来越丰富。本文对目前应用较为广泛的4种视觉目标跟踪方法进行研究综述,为后续国内外研究者对目标跟踪相关理论及发展研究工作提供基础。方法 通过对视觉目标跟踪技术难点问题进行分析,根据目标跟踪方法建模方式的不同,将视觉目标跟踪方法分为生成式模型方法与判别式模型方法。分别对生成式模型跟踪算法中的均值漂移目标跟踪方法和粒子滤波目标跟踪方法,判别式模型跟踪算法中的相关滤波目标跟踪方法和深度学习目标跟踪方法进行研究。首先分别对4种跟踪算法的基本原理进行介绍,然后针对4种跟踪算法基本原理的不足和对应目标跟踪中的难点问题进行分析,最后针对目标跟踪的难点问题,给出对应算法的主流改进方案。结果 针对视觉目标跟踪相关技术研究进展,结合无人机侦察任务需求,对跟踪算法实际应用中存在的重点解决问题与相关目标跟踪的难点问题进行分析,给出目前的解决方案与不足,探讨研究未来无人机目标侦察跟踪技术的发展方向。结论 视觉目标跟踪技术已经取得了显著的进展,在侦察任务中的应用越来越广泛。但目标跟踪技术仍然是非常具有挑战性的问题,目标跟踪中的相关理论有待进一步完善和改进,由于实际应用中的场景复杂,目标跟踪的难点问题的挑战性更大,因此容易导致跟踪效果不佳。针对不同的应用环境,结合具体不同军事装备的特点,研究相对精确和鲁棒并且满足实时性要求的视觉目标跟踪算法,对提升装备的全天候侦察目标信息获取能力具有重要意义。     

分块检测尺度自适应的圆形目标相关跟踪

为解决传统基于核相关滤波器（KCF）的目标跟踪方法中跟踪框尺度无法自适应及目标被遮挡导致的跟踪失败问题,以空中加油视觉导航中圆形锥套目标的跟踪为例,提出了一种分块检测尺度自适应的圆形目标相关跟踪方法。利用目标外部边缘特征点的提取与轮廓拟合方法解决了圆形目标跟踪所存在的目标尺度变换问题,通过分块检测将跟踪过程中目标遮挡情况与跟踪失败情况区分开来,消除了遮挡情况下跟踪积累误差,实现了部分遮挡情况下目标的跟踪。实验结果表明,提出的圆形目标尺度自适应相关跟踪方法具有较高实时性、可靠性与准确性,实现了空中加油对接过程中对于锥套的稳定、可靠跟踪。     

基于场景元模型的软件产品线追踪方法

针对软件产品线需求追踪方法进行了研究,基于软件产品线领域需求分析、设计、实现三个阶段的信息传播,提出了一种基于场景元模型的多层次软件产品线追踪模型,完整描述了追踪信息变化的整体框架;建立了需求—用例追踪矩阵、用例—动作追踪矩阵、动作—构件追踪矩阵;根据矩阵运算,描述了具体追踪实现过程,通过一个ATM案例验证了该方法对于软件产品线领域需求获取以及需求变更等问题的解决有较好的效果。     

疫情环境下接触人跟踪系统的研究综述

随着COVID-19的大流行,接触人跟踪系统成为了应对疾病蔓延的重要工具。接触人跟踪系统包括跟踪和监察等功能,主要采用手机等智能设备,通过技术手段实现对接触过感染者个体的识别,并通知其是否需要隔离检疫。基于此方法,能够从人群中剔除最初出现症状的个体,有效减少病毒的传播。对现有接触人跟踪系统进行系统化的综述分析。研究了人工接触跟踪与自动接触人跟踪,阐明人工接触跟踪的不足以及自动接触人跟踪对疫情的好处。系统地阐述中心化接触人跟踪系统与去中心化接触人跟踪系统的原理,比较中心化系统与去中心化系统之间的差异。对接触人跟踪系统中使用的全球定位系统、蓝牙低功耗技术以及密码学技术等手段进行阐述,重点分析各个系统的特点,为接触人跟踪系统的发展提供方向。     

基于混合高斯模型的窄带目标跟踪方法

基于混合高斯模型的轨迹分布融合方法适用于窄带目标跟踪系统.这种算法针对宽带跟踪结果的不精确,目标模糊,窄带跟踪需要依赖人工实现的问题,提出了一种基于混合高斯模型的自动窄带目标跟踪技术.该方法首先将目标方位分布看做是混合高斯模型,利用期望最大化算法估计混合高斯模型中的参数,然后利用混合高斯模型对目标方位进行聚类,最后利用平均加权法对目标方位进行融合,得到清晰稳定的目标跟踪结果.