精确运动估计的核回归修正梯度互相关算法

为实现亚像素运动矢量的精确估计,探讨一种基于核回归修正的梯度互相关精确运动估计算法。引入优化滤波中心差分估计器计算图像梯度;基于矩阵相乘离散傅里叶变换方法快速计算上采样梯度互相关函数,以该函数的峰值坐标生成运动矢量的亚像素级初始估计值;在上采样梯度互相关曲面上,采用核回归方法对以初始估计值为中心的邻域进行拟合,并通过检测核回归拟合函数的峰值坐标获得初始估计的精确修正值,从而实现任意精度级别的精确运动估计。与相关文献的算法进行实验比较,在无噪声影响的情况下,所探讨算法的运动估计准确度提高了74%以上;而在噪声影响的情况下,运动估计的准确度则提高了68%以上。实验结果表明,所探讨算法不仅具备良好的抗噪性能,同时能够有效地提高运动估计的精确性。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

滤除椒盐噪声的开关核回归拟合算法

针对椒盐噪声的去噪和细节保护问题,提出一种基于核回归拟合的开关去噪算法。首先,通过高效脉冲检测器对图像中的椒盐噪声像素点进行精确检测;其次,将所检测到的噪声像素点当作缺失数据,应用核回归方法对以噪声像素点为中心的邻域内的非噪声像素点进行拟合,得到符合图像局部结构特征的核回归拟合曲面;最后,以噪声像素点的空间坐标对核回归拟合曲面进行重采样,获得噪声像素点恢复后的灰度值,从而实现椒盐噪声的滤除。与经典的中值滤波器（SMF）、自适应中值滤波器（AMF）、改进型的方向加权中值滤波器（MDWMF）、快速开关中均值滤波器（FSMMF）、图像修补（Ⅱ）等算法进行不同噪声密度的实验对比,所提算法的去噪结果图像的主观视觉质量均为最优;在低密度、中等密度以及高密度噪声场景下,所提算法对不同测试图像去噪结果的峰值信噪比（PSNR）分别平均提高了6.02dB、6.33dB和5.58dB,且平均绝对误差（MAE）分别平均降低了0.90、5.84和25.29。实验结果表明,所提算法不仅能够有效去除各种密度的椒盐噪声,同时具备良好的图像细节保护性能。     

高精度亚像素全局运动估计的上采样梯度互相关算法

运动估计在视频图像压缩、超分辨率重建、拼接、目标检测等方面具有重要的应用意义。针对高精度的亚像素运动估计问题,引入一种优化滤波器用于计算图像梯度,并采用上采样与抛物面拟合梯度互相关曲面相结合的方法,探讨一种高精度的亚像素全局运动估计算法。实验结果表明,该算法不仅对噪声影响具有较好的鲁棒性,同时能够有效地提高运动估计的精确性。     

基于多帧融合及四参数仿射模型的图像超分辨

运动参数估计和复原是多帧图像超分辨重构中最重要的两个环节,其中经典的Fourier-Mellin变换方法于频域采用对数极坐标形式和相位相关方法结合来估计运动参数。相位相关是整像素级平移参数估计方法,将其改进为亚像素级平移参数估计方法,以提高旋转、缩放参数的估计精度。对于复原算法,在讨论基于局部信息的传统双三次插值超分辨重构方法的基础上,重点探讨基于全局信息的Kriging插值超分辨重构和核非线性回归（KNR）超分辨重构方法。实验结果表明,探讨的参数估计方法和超分辨重构方法是有效的。     

多输出数据依赖核支持向量回归快速学习算法

针对基于递推下降法的多输出支持向量回归算法在模型参数拟合过程中收敛速度慢、预测精度低的情况,使用一种基于秩2校正规则且具有二阶收敛速度的修正拟牛顿算法（BFGS）进行多输出支持向量回归算法的模型参数拟合,同时为了保证模型迭代过程中的下降量和全局收敛性,应用非精确线性搜索技术确定步长因子。通过分析支持向量机（SVM）中核函数的几何结构,构造数据依赖核函数替代传统核函数,生成多输出数据依赖核支持向量回归模型。将模型与基于梯度下降法、修正牛顿法拟合的多输出支持向量回归模型进行对比。实验结果表明,在200个样本下该算法的迭代时间为72.98 s,修正牛顿法的迭代时间为116.34 s,递推下降法的迭代时间为2065.22 s。所提算法能够减少模型迭代时间,具有更快的收敛速度。     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

矢量阵一种简单的相位误差校正方法

分析了矢量水听器阵的阵列流型和误差模型,针对矢量水听器阵列声压和振速通道存在相位误差问题,应用常规波束形成方法和MUSIC方法进行方位估计误差大。并对通道存在估计性能下降的问题,提出了一种简单的相位误差校正方法。利用阵列流型向量在信号子空间的投影,得出存在相位误差的阵列流型向量就是信号子空间的特征值为＂一＂的特征向量,通过与精确的阵列流型向量比较求出矢量阵的相位误差。最后,修正矢量阵的相位误差,得到准确的方位估计能力。通过计算机仿真,验证了算法的可行性和准确性。     

H.264中1/4像素运动估计快速算法的比较

高精度的匹配和补偿可以减少预测误差,提高视频图像的压缩效果。论文提出了一种纯比较式的快速半像素运动估计算法,把平均搜索点数降低到2,而重建图像的质量接近于现有的一些快速半像素运动估计算法。实验证明,新算法通过进行多阶亚像素运动估计,可以达到高精度的运动矢量,对H.264的1/4像素精度运动矢量估计有明显的效果。     

WLS-SVM算法用于DCSK通信系统降噪

本文提出了基于加权最小二乘支撑矢量机（WLS-SVM）学习算法的一种DCSK混沌通信系统降噪方法。给定接收信号为训练样本集,首先用最小二乘支撑矢量机（LS-SVM）对样本数据进行估计得到估计误差,根据估计误差的统计分布特性获得一个加权系数,然后再求解WLS-SVM,得到优化的接收信号的估计值,达到降噪的目的。仿真结果表明,优化后的系统误码率（BER）性能与DCSK系统的理论噪声性能相比得到改善。     

AVS-M亚像素运动估计快速算法

针对AVS-M亚像素运动矢量搜索的复杂性,提出一种基于预测的亚像素运动估计快速搜索算法。算法通过分析亚像素候选点的匹配误差关系排除可能性小的点,保证了亚像素搜索的准确性。通过有效的搜索策略,对于不同运动特征的视频序列,在平均PSNR下降不超过0.01 dB的情况下,与亚像素全搜索算法相比,搜索点数减少65.25%~87.69%,与中心偏置亚像素搜索算法相比,搜索点数减少43.67%~67.38%,有效减少了亚像素运动估计的计算量。     

A novel two-phase Hilbert-scan-based search algorithm for block motion estimation using CTF data structure

Motion estimation is one of the kernel issues in MPEG series. In this correspondence, a novel two-phase Hilbert-scan-based search algorithm for block motion estimation is presented. First in the intra-phase, a segmentation of the Hilbert curve is applied to the current block, then a novel coarse-to-fine data structure is developed to eliminate the impossible reference blocks in the search window of the reference frame. In the inter-phase, a new prediction scheme for estimating the initial motion vector of the current block is presented. Experimental results reveal that when compared to the GAPD algorithm, our proposed algorithm has better execution time and estimation accuracy performance. Under the same estimation accuracy, our proposed algorithm has better execution time performance when compared to the FS algorithm. In addition, when comparing with the TSS algorithm, our proposed algorithm has better estimation accuracy performance, but has worse execution time performance.     

Quad-Tree Motion Estimation in the Frequency Domain Using Gradient Correlation

We propose a new motion estimation scheme particularly suitable for broadcast-quality digital video applications due to its performance-complexity characteristics. The proposed scheme is based on the principle of gradient correlation and its computational efficiency is due to the fact that it operates in the frequency domain. The scheme involves the quad-tree decomposition of a frame thus providing a better level of adaptation to scene contents compared to fixed block size approaches. Quad-tree decompositions are obtained by using the motion compensated prediction error to control the partition of a parent block to four children quadrants. The partition criterion is applied iteratively until a target number of motion vectors or a target level of motion compensated prediction error is achieved or, ultimately, until no more than a single motion component can be identified. The partition criterion also guarantees a monotonic decrease of the motion compensated prediction error with an increasing number of iterations making our scheme suitable for progressive transmission and embedded coding applications. Our results show that our scheme outperforms fixed block size phase correlation as well as quad-tree motion estimation based on phase correlation in terms of rate-distortion characteristics yielding smoother motion vector fields as well as more compressible motion-compensated prediction residuals.     

基于支持向量回归的光谱反射率重建方法

提出了一种基于支持向量回归和小框架核的光谱反射率重建方法。光谱反射率重建是光学研究的一个重要问题,其目的是通过各种成像设备所获取的与设备相关的RGB三色值重建出物体本身固有的与设备和光照都无关的光谱反射率。回归方法已经在这一领域取得了广泛应用,如基于多项式模型的正则化最小二乘方法、基于核的正则化最小二乘方法等。提出了一种新的光谱反射率重建方法,这种方法采用了一种可以减弱样本不规则噪音影响的小框架核函数,并将其用于支持向量回归来重建光谱反射率函数。实验表明,新方法可以提高光谱反射率重建的精度和稳定性。     

基于最大似然估计的小基高比立体匹配方法*

针对小高比立体匹配当中的亚像素精度和粘合现象问题,提出了一种基于最大似然估计的小基高比立体匹配方法。该方法首先根据混合式窗口选择策略为参考图像中的每一点确定匹配窗口;然后在视差范围内根据规范化互相关函数计算匹配代价,再利用胜者全取策略计算每一点视差;最后采用基于最大似然估计的亚像素匹配方法获得亚像素级视差。实验结果表明,该方法有效地减少了立体匹配中的粘合现象,同时获得了较高精度的亚像素视差,其平均亚像素精度可达1/20个像元。     

The Non-parametric Sub-pixel Local Point Spread Function Estimation Is a Well Posed Problem

Most medium to high quality digital cameras (dslrs) acquire images at a spatial rate which is several times below the ideal Nyquist rate. For this reason only aliased versions of the cameral point-spread function (psf) can be directly observed. Yet, it can be recovered, at a sub-pixel resolution, by a numerical method. Since the acquisition system is only locally stationary, this psf estimation must be local. This paper presents a theoretical study proving that the sub-pixel psf estimation problem is well-posed even with a single well chosen observation. Indeed, theoretical bounds show that a near-optimal accuracy can be achieved with a calibration pattern mimicking a Bernoulli(0.5) random noise. The physical realization of this psf estimation method is demonstrated in many comparative experiments. We use an algorithm to accurately estimate the pattern position and its illumination conditions. Once this accurate registration is obtained, the local psf can be directly computed by inverting a well conditioned linear system. The psf estimates reach stringent accuracy levels with a relative error of the order of 2% to 5%. To the best of our knowledge, such a regularization-free and model-free sub-pixel psf estimation scheme is the first of its kind.     

聚类差分图像核密度估计前景目标检测

针对非参数核密度估计学习阶段信息冗余与重复计算,估计阶段的估计错误噪声和计算量大的问题,提出了一种基于聚类分析的差分图像核密度估计前景目标检测算法.该方法在非参数核密度估计的学习阶段基于最大最小聚类原理从原采样全样本中提取那些具有较高频度和多样件的小样本来包含尽可能多的关键样本信息,在估计阶段采用基于自适应阈值的图像差分滤去非典型的运动像素,再利用高斯核密度估计进行运动像素分类.实验结果表明该方法限制了非典型运动像素估计错误产生的噪声,并减少了核密度估计计算量,提高了算法的实时性.     

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。