视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

一种新的鲁棒性视频复制检测算法

针对现有的视频复制检测方法中存在的计算量大、鲁棒性差等问题,提出了一种新的视频复制检测算法.算法采用视频时序特征曲线来描述视频内容,将每帧图像基于信息熵自动分割成若干个子块,提取各个子块的时序特征曲线作为表征视频内容的特征值.在相似性匹配时,采用鲁棒性的相似性匹配算法,实验结果证明了算法的有效性和鲁棒性.     

一种改进的3维块匹配视频去噪算法

针对Video Block-Matching and 3-D Filtering(VBM3D）算法耗时高且去噪视频存在块效应的问题进行了改进。在对变换域系数进行收缩时,采用连续阶导数阈值法,代替原算法中的硬阈值法,减少块效应;在帧内匹配时,采用基于积分图思想的图像块距离计算加速方法;在帧间匹配时,使用帧间预测性匹配方法,减少计算量,提高算法效率。理论分析和实验结果表明,改进后的算法不仅能有效改善原VBM3D算法中的块效应,且算法复杂度大大降低。     

视频稳像的Sift算法优化

针对连续拍摄的相邻视频帧具有视场重叠度高,视角转换小,平移量小等特点,对Sift特征匹配算法进行优化,以降低视频稳像的运算量.研究了图像尺度空间变换,尺度空间的特征点提取,特征点匹配算法和相邻帧间的平移旋转矩阵,并给出了Sift优化的说明和算法的实验结果.首先对当前帧的图像提取相邻两个尺度空间的特征点,并与上一帧图像的两个尺度空间的特征点进行匹配.然后去掉匹配度小于某一阈值的特征点,对剩余的特征点根据旋转平移矩阵求解视频帧的旋转分量和平移分量.实验证明本算法能够将Sift算法运算量减小96.8％,同时视频的旋转稳像误差在±0.3％以内.     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

一种简单有效的视频序列超分辨率复原算法

针对视频序列中逐帧图像的超分辨率复原问题,提出一种基于参考高分辨率图像的视频序列超分辨率复原算法.该算法利用了大多视频设备能同时提供静止图像和动态视频拍摄的特点,以同一场景获取的高分辨率静止图像为参考图像,提取高频细节经运动估计补偿和可信度加权后用于低分辨率序列各帧的超分辨率复原,并采用最大后验概率约束优化进一步提高复原图像的保真度.实验中采用多个序列对算法性能进行了测试,结果表明,该方法对各序列中连续多帧的复原效果均明显优于传统的双线性插值方法和基于最大后验概率(MAP)的静态批处理方法,其平均PSNR值与MAP静态批处理方法相比提高了2.4 dB以上.     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

基于边缘方向插值的视频缩放算法及电路设计

阐述了一种沿边缘方向进行图像插值的缩放算法,并提出了基于该算法的一种视频缩放器电路的设计方案。该算法首先对数字视频图像帧采用拉普拉斯算子进行边缘检测,根据视频图像的动态阈值判定边缘区域和方向,得到二值化的帧图像的边缘信息。最后在边缘区域内边缘方向进行相位映射后,进行平行四边形线性插值。该算法的实现电路采用VerilogHDL语言描述,并在基于FPGA的视频处理平台上进行了原型验证。验证结果表明,插值后的图像边界更加清晰,消除了大比例缩放时线性插值的锯齿现象。     

基于时空特征和神经网络的视频超分辨率算法

提出了一种基于时空特征和神经网络的视频超分辨率重建算法,实现了视频视觉分辨率质量和细节清晰度的提升. 该算法综合考虑了外部图像块之间的关联映射关系和内部图像块间的相似性,利用深度卷积神经网络学习得到的拟合系数快速地重建视频细节. 采用时空非局部特征相似性优化重建结果,将相邻视频帧间的非局部互补冗余信息融入学习视频帧结果中,解决了误匹配等问题,进一步提升了超分辨率性能. 实验结果表明,所提方法在客观评价指标和主观视觉效果上均取得了较好的重建效果.     

RGB空间的HDR图像合成与色彩调节算法

相机的成像原理决定了它不像人眼一样有很强的适应性,对于一些亮暗分明的场景,只能取亮或暗的部分而无法兼顾。高动态范围图像将一组亮暗程度不同的图像,取出它们的优质区域,然后合成到一起,从而兼顾了场景的亮暗部分。合成HDR图像首先需分别标定R、G、B通道相机的响应曲线,然后通过该曲线可得到图像对应通道每个像素点的照度值,再使用色调映射算法就可将像素点照度值转换成灰度值显示在屏幕上。然而在RGB空间下传统的色调映射算法会压缩R、G、B通道的颜色差异,导致图像颜色失真,由此提出了一种色彩调节的算法,该算法首先提取原始序列图的颜色控制系数,然后用该系数调整色调映射算法产生的颜色差异,从而使合成图的颜色与序列图保持一致。     

基于双向预测的变采样率分块压缩视频感知

目前现有的变采样率分块压缩视频感知方案仅使用了视频帧的前向预测,即先对参考帧进行 测量,然后根据当前帧与参考帧各块之间相关性的大小自适应地分配采样率．这种方式只利用了当 前帧与参考帧的帧间相关性,而忽视了自身与后面帧的相关性特点．针对这个问题,提出了一种基 于双向预测的变采样率分块压缩视频感知方案,利用双向预测和双向运动估计为当前帧分配合理 的采样率并重构视频图像．实验结果表明：相比较现有的变采样率方案,此方案可以适当降低帧的 采样率并且提高视频的重构质量,获得１～３ｄＢ的峰值信噪比增益和０．０２～０．０６的结构相似性 增益．     

基于细节特征的高动态范围图像获取算法

为了解决真实场景的动态范围与数字图像的动态范围不匹配的问题,提出一种基于细节特征合成的高动态范围图像获取算法。该方法首先提取多幅不同曝光的低动态范围图像的细节特征,细节特征值越大表明所含细节信息越多,然后将归一化的特征值作为权重,合成多幅低动态范围图像,得到一幅高质量的合成图。实验表明,该算法能得到一幅含有较丰富细节特征、动态范围较广的图像,合成图像不需要色调映射就可以较好地在低动态范围显示器上直接显示。     

一种大数据驱动的图像重光照方法设计与实现

图像重光照是指输入一幅图像,在未知其包含内容的三维模型、材质属性、光照条件情况下改变原图像的光照效果,是计算机视觉、计算机图形学、机器学习领域的前沿热点问题.针对该问题提出了一种大数据驱动的图像重光照方法,能够生成户外输入图像在指定时间下的重光照效果.在测试过程中,收集了一个包含480个场景、960分钟时长的延时摄影视频库.通过将输入图像与参考视频进行帧匹配,利用局部图像块匹配算法和局部颜色仿射变换模型,输出与目标时间帧具有相似的光照效果的图像.在实现上述方法的基础上比较分析了大数据驱动的图像重光照方法的可用性、适用性和实际效果.     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

一种改进的立体图像实时相位匹配算法

为了在基于现场可编程门阵列(FPGA)的双目相机系统中实现实时立体图像匹配,提出一种改进的立体图像实时相位匹配方法。在一定视差范围内,将图像分为互相不重叠的子块,通过比较相邻块的方向值和Gabor滤波结果,以寻找合理视差值为目标,使实测相位差能够最佳匹配到理想相位差。采用流水线技术与并行处理方式对算法进行硬件结构的映射,以提高该算法在硬件系统上运行的效率。实验结果表明,改进算法能够以97.3MHz的处理速度在Stratix II型FPGA硬件实验平台上对1024×1024的灰度图像实现30fps实时匹配处理。     

SIFT特征匹配和VFC算法的电子稳像技术

为了处理较为模糊的抖动视频,提出了一种基于尺度不变特征转换(SIFT)的特征匹配和向量场一致(VFC)优化算法的电子稳像技术.该技术着重于研究视频的运动估计阶段,利用SIFT提取高独特性的特征点,根据特征点进行帧间匹配,结合VFC,通过向量场的学习将外点从内点区分开来,得到两帧图像中特征序列的平移轨迹,然后估算出运动补偿向量并校正每一帧图像的相对位置,从而输出稳定视频.实验表明,该电子稳像技术处理抖动视频时精度高和耗时短.     

基于平面颜色分布的增强现实自然特征注册算法

针对增强现实中自然特征注册算法其自然特征的复杂和无规律而难以兼顾算法速度和精度的问题,提出一种基于平面颜色分布的自然特征注册算法.算法提取彩色连通域作为局部不变特征,计算简单的色调、几何信息作为特征描述,结合颜色分布在视角变换下的几何限制进行全局的匹配优化.该算法无须追踪连续帧间的运动特性,可以在独立帧上完成.算法采用Mikolajczyk标准库验证其注册效果,在800×600的图像尺寸下实现15帧/s的实时注册.与加速鲁棒特征（SURF）算法的对比表明：本算法能满足更苛刻的注册条件,并能保持较好的注册精度.动态视频的注册结果也表明算法面对动态模糊也十分鲁棒.     

基于特征匹配的视频稳像算法

应用电子稳像技术的基本原理,以机载成像设备所摄取的图像为研究对象,实现了抖动视频序列稳像的过程。首先对参考帧图像提取特征点,在当前帧找到匹配的特征点以求取帧间运动矢量。采用Kalman滤波方法对运动矢量进行处理,去除抖动分量,再对参考帧进行逐帧运动补偿。经过穏像前后的视频序列帧间差值对比可知,很好的去除了视频序列的抖动。     

基于直方图与图像分块融合的阶调映射算法

阶调映射算法（TMO）旨在将高动态范围（HDR）图像以最符合人眼感知的形式复现于低动态范围显示设备上.为此基于图像分块与融合,提出一种直方图调整的阶调映射算法.高动态范围图像被分为若干非重合的长方形区域,在每一块区域中阶调映射问题被视为基于直方图的K均值聚类问题并且建立相应的求解目标函数.各区域中解得的映射函数根据该区域的均匀性进行调整,以避免对比度增强过度,从而减少伪影.最后,提出一种双边滤波形式的图像融合策略以保证区域边界的平滑性,兼顾位置及亮度差,进而提升映射结果的自然性.在实验中,采用阶调映射图像质量指标来对算法进行客观评估,结果表明所提算法相对于经典的阶调映射方法有更好的阶调映射效果,在细节增强与全局外貌保留间达到平衡,并在局部阶调映射算法中具有较好的运算效率.