基于视觉的车道状态估计

车道状态估计是车辆辅助驾驶系统的关键功能。本文提出了一种基于教育处机视觉的车道状态估计新方法。提出了车道标线在图像平面中的一种描述,讨论了其性质,并应用于车道的检测。利用真实世界中车辆在二维图像平面中的透视特征,提出了基于二值有序变换（BROT）的障碍物检测新方法。由于采用单目视觉方法检测前方车辆以控制车辆的横向偏离和纵向间距,降低了系统的复杂度,实验结果显示了新方法的有效性。     

基于H.264的立体视频编码方法

H.264是一种高效的视频编码压缩标准,它集中了以往标准的优点。基于H.264的高效编码压缩技术,文章研究了块基立体视频编码方法,并对基于H.264和基于H.263+的立体视频编码方案进行了编码效率的实验比较。实验结果表明,基于H.264的编码方案大大超过了基于H.263+的编码方案,是一种高效的立体视频编码压缩方案。     

彩色形态滤波器分析

形态滤波属于非线性信号变换处理,它利用信号的局部特征对信号进行修正。最近的研究表明形态滤波器能有效地滤除二值图像及灰度图像中的噪声,本文引入了建立在ＲＧＢ彩色空间上的彩色形态变换,针数字形态学理论从灰度空间扩展到彩色空间,对基本彩色形态滤波器（即彩色形态闭、开）及以它们为基础所构造出一些复杂的彩色形态滤波器进行了研究,并对它们选用不同结构元素的情况进行了分析,实验表明彩色形态滤波器能直接有效地消除     

复杂交通场景中的车辆检测与跟踪新方法

提出了复杂交通场景中的车辆检测新方法,采用背景差法进行运动对象分割,并结合运动边缘检测以提高检测的准确性,对提取出的感兴趣区域按一定规则进行区域融合以检测车辆。提出基于区域特征匹配的车辆跟踪新方法,通过计算车辆链表中区域的特征向量与当前帧运动区域特征向量的距离确定匹配车辆,实现车辆跟踪。同时利用“确定车辆”、“临时车辆”规则解决车辆遮挡和阴影问题。实验结果表明该方法简单有效,能有效解决车辆遮挡和阴影问题,实时提取交通信息。     

基于动态多阈值的多视点视频编码宏块模式快速选择算法

本文分析了多视点视频编码中宏块模式选择情况的统计特性,把宏块模式分为四类.提出了基于宏块模式类率失真均值的多阈值快速宏块模式选择算法及阈值的近似计算方法和动态更新算法,理论分析了该快速算法的编码率失真性能.实验结果表明,所提出快速算法在几乎不影响编码率失真性能的情况下,编码速度比多视点视频编码校验模型提高1.92倍到7.07倍.     

基于FMM的图像建模与语义对象分割

提出一种基于有限混合模型(FMM)的图像自动建模与语义分割方法.算法采用分水岭算法进行预分割,以给FMM模型设定合适的初始参数.同时针对传统EM算法的不足,对其分类结果自动执行合并与分裂操作以获得最佳分类数并跳出局部极值点.实验结果显示新方法能获得较精确的具有良好视觉感知的语义分割结果.     

面向检索的压缩域空时视频目标检测与分割

面向语义视频检索,提出一种压缩域的目标分割新算法。它直接基于压缩码流中运动矢量和DCT系数,经过运动检测、矢量分水岭分割、目标融合与修正、后处理与跟踪等步骤提取空时视频目标。整个过程主要基于压缩域进行,无需视频码流的完全解码。对不同测试序列的实验测试结果显示算法能基于压缩域提取较为精确的空时视频目标,并具有较好的鲁棒性。     

基于轮廓和链码表示的高效形状编码

提出一种基于轮廓和链码表示的高效无损形状编码方法。首先提取对象轮廓并细化成单像素宽度;然后将其转换成链码表示并基于方向相关性分割成若干子段,使每个子段最多包含2个基本方向码,同时结合线性检测,分离出对象轮廓中的长线性子段;最后对线性子段和非线性子段结合链码的空域相关性进行差异化编码以获得最佳编码性能。实验结果显示,所提算法的性能优于现有的常用方法,与最新的同类方法相比能平均提高压缩效率36.5%左右。     

基于人眼视觉特性的三维小波变换视频质量评价方法

视频质量评价(VQA)的研究对于视频系统的发展起 到重要作用。为了更有效地分析评价视频系统性能,本文提出了一种结合人眼视觉特性的三 维小波变换(3D-DWT)客观VQA方法。首先利用3D-DWT对视频中各帧组(GoF)序列进行分解; 计算分解产生的各子带序列质量并将其筛选组合得到GoF质量;再结合时域人眼视 觉特性,利用各GoF的平均亮度以及运动剧烈程度等特征对各GoF质量进行加权组合,得到最 终的视频质 量。本文方法利用了3D-DWT进行视频时域特征的表述,在一定程度上解决了VQA时 域信息描 述困难的问题。在LIVE视频数据库上的实验结果表明,本文评价方法对于视频数据库中所有 失真视频评价 结果与其主观质量的线性相关系数(LCC)值在0.8以上,Spearma n等级相关系数(SROCC)值在0.79以上。与 已有相关方法相比,所提出方法更接近于主观测试结果,具有更好的评价性能。