基于SPNet的视频运动放大方法

视频运动放大技术在很多领域应用广泛,但是由于关注的运动过于微弱,很容易与视频噪声混淆,容易产生伪影和模糊噪声。为了克服传统算法在细节上的缺失和基于学习的算法在放大倍数上的限制,将手动设计滤波器与课程学习策略相结合,提出了基于可控金字塔分解的网络结构（SPNet）,它在处理大幅度运动场景的同时也能具有更大的放大范围,且能保留更多细节。结果表明,在图像细节上优于传统算法,并且与基于机器学习的视频运动放大方法相比也有很大的优势。     

基于中值滤波的多尺度快速图像融合算法

针对传统图像融合时间较慢,融合后图像纹理不清晰的缺点,提出了一种基于中值滤波的多尺度快速图像融合算法。首先通过中值滤波快速将图像分解为基层和细节层,再通过权值融合的方法将不同源的细节层和基层融合,获得融合图像。实验表明,该方法具有较好的刻画纹理能力和较少的运算时间。     

基于多尺度多方向的InSAR自适应相位滤波

在分析InSAR干涉相位图特点的基础上,提出了一种新的自适应相位滤波方法。该方法采用多尺度多方向的滤波窗口,可根据干涉条纹的方向和密度,自适应地选择窗口进行加权中值滤波处理。采用真实的ERS-1/2雷达数据生成的干涉图进行去噪对比试验与分析,表明所提出的方法降噪效果显著,且能较好地保持干涉图的边缘信息。     

基于多尺度滤波的无线通信信号快速增强研究

为解决无线通信信号速度慢、稳定性差的问题，提出基于多尺度滤波的无线通信信号快速增强方法。首先，生成通信数据集，对其进行提取后加以处理；其次，构建信号增强模型，分离出相似通信信号和真实样本，加速通信信号的接收；最后，调控信号分布，实现通信信号的快速增强。实验结果表明：该方法的稳定性明显优于传统方法。     

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

基于多尺度分析的多源视频拼接方法

针对多视频源图像的拼接问题,提出基于多尺度分析的图像配准及融合方法。在配准方面,弥补传统的基于 Harris 角点的配准方法对尺度变化不稳定的缺点,使其具有多尺度特性,提取的角点更加稳定精确。在融合方面,采用基于多尺度多分辨率分析的图像融合方法,克服传统空间域图像融合算法在频域上的不足,具有在空间域和频率域的局部化能力,并提供人眼视觉对其比较敏感的强对比度信息。实验结果表明,相比较传统方法,该方法所提取角点更精确、融合效果更好。     

基于多尺度滤波的视网膜血管分割算法

眼底视网膜血管图像的纹理与结构信息可作为医学对相关疾病诊断的重要依据。针对视网膜血管存在伪影与尺度结构复杂等难题以及微血管分割较低等问题,提出一种基于多尺度滤波的有监督学习视网膜血管分割算法。采用二维K-L变换综合分析彩色图像三通道的频带信息得到视网膜灰度图像,并利用受限对比度直方图均衡化增强血管与背景的对比度,利用Retinex降低伪影与视盘的干扰;由多尺度高斯匹配滤波、多尺度形态学滤波、Frangi滤波以及2D-Gabor滤波提取相关血管特征,并将提取好的特征集由AdaBoost初步提取血管;利用血管连通域信息去除初分割结果的非血管像素,获得最终的血管图像。该算法在DRIVE与STARE数据集上实验,准确率分别达到96.34%与95.83%。     

基于多尺度自适应滤波的DSA血管增强

数字减影血管造影（DSA）技术在血管疾病的诊断和治疗中起着重要的作用。由于血管结构的几何复杂性,准确地检测血管仍然是一个难题。为了提高DSA图像的视觉质量,提出了一种基于多尺度自适应滤波的DSA血管增强算法。新的血管增强算法基于多尺度空间理论,不仅采用Hessian矩阵的特征值,而且利用特征向量之间的角度进行DSA血管增强。滤波器的参数可以根据图像本身的特征自适应地进行调整。在多尺度迭代过程中,噪声往往被放大,因此滤波器中增加了噪声消除的设计。实验结果表明,该算法具有良好的DSA血管增强性能,可以有效地过滤图像背景和非血管结构,并避免了增强过程中可能发生的血管变形。     

基于多分辨率滤波通道的多尺度行人检测

利用单尺度特征映射进行多尺度行人检测存在准确率和效率较低的问题。为此,提出一种基于多分辨率滤波通道的多尺度检测方法。应用尺度感知池增强感受域对应性,通过软决策树实现尺度不变性,在使用滑动窗口分类策略时,结合地平面约束和稀疏网格来降低计算成本,加快行人检测速度。在Caltech数据集上的实验结果表明,该方法的检测准确率达88.89%,检测速度达15.68 frame/s,其检测准确率优于VJ、WordChannels等方法。     

基于多尺度融合网络的视频快照压缩感知重建

视频快照压缩感知基于压缩感知理论,仅在一次曝光过程中将多帧画面投影至二维快照测量,进而实现高速成像。为了从二维快照测量信号恢复出原视频信号,经典的重建算法基于视频的稀疏性先验进行迭代优化求解,但重建质量较低,且耗时过长。深度学习因优异的学习能力而受到广泛关注,基于深度学习的视频快照压缩重建方法也得到关注,但现有深度方法缺乏对于时空特征的有效表达,重建质量仍有待进一步提高。本文提出视频快照压缩感知重建的多尺度融合重构网络（MSF-Net）,该网络从横向的卷积深度和纵向的分辨率2个维度展开,分辨率维度利用三维卷积进行不同尺度的视频特征的提取,横向维度利用伪三维卷积残差模块对同分辨率尺度的特征图进行层级提取,并通过不同尺度下的特征交叉融合来学习视频的时空特征。实验结果表明,本文方法能够同时提升重建质量与重建速度。     

基于多尺度互信息量的数字视频帧篡改检测

针对单镜头视频时域篡改问题,提出一个以内容相似性为基础的视频篡改被动盲检测算法。通过高斯金字塔变换获得视频帧的3种尺度视觉内容,根据信息论定义相邻两帧的归一化平均互信息,采用线性组合构建多尺度归一化互信息描述子,实现相邻两帧多尺度视觉内容相似性的度量。利用局部离群点检测算法计算视觉内容相似性异常度,使用阈值法检测视频篡改位置。实验结果表明,该算法不仅能有效地检测出视频帧删除、复制以及插入3种篡改的位置,而且适用于不同编码格式视频间和同源的篡改。在检准度和检全率上优于现有的时域篡改检测算法。     

基于多尺度协同的人头检测方法

针对HOG特征本身不具有尺度不变性,在实际应用中仅能检测出与样本图片大小相差不大的目标对象这一弊端,提出多尺度窗口融合的头部检测的方法;利用线性支持向量机在分类决策方面的优势,与提取的HOG特征结合作分类器的离线训练;在实时的目标检测阶段,采用高斯金字塔式缩放对输入的视频序列作多尺度处理,得到对应的不同分辨率下的待检测帧,在不同的尺度空间作人头的扫描检测并存储结果;之后融合各尺度的检测结果并在相应位置决策标定;实验对某监控视频作检测分析,结果表明,该方法在检出率、召回率、准确度等方面均有较大提升。     

Edge-Aware Level Set Diffusion and Bilateral Filtering Reconstruction for Image Magnification

In this paper we propose an image magnification reconstruction method.In recent years many interpolation algorithms have been proposed for image magnification,but all of them have defects to some degree,such as jaggies and blurring.To solve these problems,we propose applying post-processing which consists of edge-aware level set diffusion and bilateral filtering.After the initial interpolation,the contours of the image are identified.Next,edge-aware level set diffusion is applied to these significant con...     

基于多特征融合的粒子滤波视频跟踪算法

将颜色特征和边缘特征融合在粒子滤波跟踪框架中,并在原有跟踪算法的基础上提出改进算法,加入许多优化机制,包括利用HSV颜色模型对目标颜色特征进行核密度无参估计,使用更符合目标实际运动特性的动态模型以及利用均值偏移聚类粒子等。同时,在边缘特征匹配中引入均值偏移,通过加入边缘预处理过程,使各粒子权值的分布更加符合实际情况。实验结果表明,该算法具有较好的鲁棒性和实时性。     

基于自适应粒子滤波的跳水运动视频跟踪算法

用传统粒子滤波算法对跳水运动视频跟踪存在两个突出问题:观测模型不能适应运动员身体的表观变化;运动模型不能准确预测运动员位置的快速改变。针对这两个问题,本文提出一种自适应粒子滤波算法。该算法在粒子滤波框架下引入一种自适应观测模型,并且根据跟踪误差与运动员动作改变幅度的大小,自适应选择噪声方差和粒子数量。实验结果表明,本文算法比传统粒子滤波算法具有更低的跟踪误差率,而且在运动员动作改变幅度变大时有更好的鲁棒性。     

一种基于形态学滤波的视频对象空间分割新策略

视频对象提取是现代信息科学领域的一个研究热点。为了改进常见的视频对象时空分割方法,提取具有理想边缘的视频对象,本文提出了一种新颖的结合交替顺序重建滤波和自适应阈值判别的空间分水岭分割策略。该策略中结构元素逐渐变大的形态学开闭重建迭代使得分水岭分割所获区域数大大减少,有效地避免了复杂的区域融合。同时,迭代过程使得对象边缘像素的梯度与前景、背景中平坦区域内部像素的梯度更易区分,从而能够应用自适应阈值算法进一步消除由局部梯度极值造成的分割小区域。应用基于该策略的时空分割方法对标准测试序列进行分割实验,实验结果表明,该策略能够带来令人满意的空间分割结果,有助于提高视频对象时空分割方法的主客观性能。此外,该策略能够自动确定交替顺序重建滤波器中结构元素的大小以及非线性判别的阈值,算法的通用性和易用性较好。